在梳理和总结信息技术和人工智能的最新技术及成果的基础上，依据高等院校相关课程培养目标，进行本书编写框架的设计及具体内容的组织。本书主要内容包括绪论、新一代信息技术与人工智能概述、新一代信息技术基础、人工智能基础、5G通信与物联网技术应用、大数据与云计算技术应用、人工智能技术应用—机器视觉和机器学习、人工智能技术应用—自然语言处理。

江励，自动化专业研究生毕业，五邑大学任机械工程专业专任教师，承担和主持多项省部级教学改革研究课题，具有丰富的实践和教学经验。

第1章　绪　论 1
1.1　背景 1
1.1.1　新一代信息技术 2
1.1.2　人工智能 3
1.1.3　新一代信息技术与人工智能 3
1.2　学习目标 4
第2章　新一代信息技术与人工智能概述 5
2.1　5G?通信技术概述 5
2.1.1 移动通信技术的发展演变 6
2.1.2 5G?的发展现状 7
2.1.3 5G?的特点和优势 8
2.1.4 5G?的主要体系架构 10
2.1.5 5G?的行业应用及对社会的重大影响 10
2.2　物联网技术概述 13
2.2.1 物联网的基本概念 13
2.2.2 物联网技术的发展演变 14
2.2.3 物联网技术的体系架构 15
2.2.4 物联网的行业应用 16
2.3　大数据与云计算技术概述 19
2.3.1　大数据技术概述 19
2.3.2　云计算技术概述 24
2.4　人工智能概述 30
2.4.1　人工智能的发展概况 33
2.4.2　人工智能的内涵 41
2.4.3　人工智能的应用领域 44
2.4.4　新一代信息技术与人工智能的关系 50
2.5　新一代信息技术、人工智能与社会 51
2.5.1　新一代信息技术对社会发展和生产生活方式转变的推动 53
2.5.2　大数据时代的个人隐私保护 57
2.5.3　人工智能与社会伦理 60
第3章　新一代信息技术基础 63
3.1　信息论 63
3.1.1　信息的基本概念 63
3.1.2　信息传递的结构 64
3.1.3　信息的度量 64
3.1.4　通信信道 67
3.1.5　信道容量 68
3.2　现代编码技术 69
3.2.1　现代通信系统及编码技术 69
3.2.2　信源编码 69
3.2.3　信道编码 70
3.3　现代调制技术 71
3.3.1　数字调制的基本概念 71
3.3.2　现代数字调制技术 72
3.4　大数据与云计算技术 73
3.4.1　大数据处理核心技术 74
3.4.2　大数据主要工具简介 83
3.4.3　云计算处理核心技术 88
3.4.4　云计算主要软件简介 101
第4章　人工智能基础 105
4.1　机器学习方法 105
4.1.1　监督学习 107
4.1.2　无监督学习 110
4.1.3　半监督学习 111
4.1.4　强化学习 112
4.2　机器学习模式 112
4.2.1　概率统计学习 112
4.2.2　人工神经网络 119
4.2.3　深度学习 127
第5章　5G?通信与物联网技术应用 141
5.1　5G?通信与物联网技术在车联网中的应用案例 141
5.1.1　智能网联汽车的基本技术 141
5.1.2　通信、物联网技术在智能网联汽车中的应用 143
5.1.3　智能网联汽车的发展趋势 147
5.2　5G?通信在远程操作中的应用案例 148
5.2.1　实现远程操作的基本技术 148
5.2.2　实现远程操作的处理流程及特点 153
5.2.3　远程操作具体应用 154
5.3　5G?通信与物联网技术在智能物流中的应用案例 155
5.3.1　智能物流的基本技术 155
5.3.2　5G?网络在物流行业中的应用优势分析 155
5.3.3　基于?5G?网络的智慧化海量接入物流体系 157
5.3.4　基于?5G?网络的新一代物流应用场景 158
第6章　大数据与云计算技术应用 161
6.1　大数据与云计算在智慧城市中的应用 161
6.1.1　智慧城市建设的三个阶段 162
6.1.2　时空数据和块数据在智慧城市中的作用 162
6.1.3　大数据和云计算技术在智慧城市建设中的应用 165
6.2　大数据与云计算技术在智慧交通中的应用 168
6.2.1　智慧交通概况 168
6.2.2　新技术的融合 169
6.2.3　典型应用案例 170
6.3　大数据与云计算技术在智能推荐系统中的应用 171
6.3.1　智能推荐系统的概念 171
6.3.2　智能推荐数据平台 173
6.3.3　智能推荐系统典型应用案例 177
第7章　人工智能技术应用—机器视觉和机器学习 185
7.1　机器视觉在智能检测和定位中的应用 185
7.1.1　机器视觉的概念 187
7.1.2　机器视觉的特点 188
7.1.3　机器视觉的任务 188
7.1.4　机器视觉和其他领域的关系 189
7.1.5　机器视觉系统的工作原理 190
7.2　机器视觉在同步定位与建图中的应用 192
7.2.1　深度视觉定位传感器 193
7.2.2　定位问题 194
7.2.3　SLAM?端优化理论 196
7.2.4　闭环检测 199
7.3　机器学习在数字三维建模中的应用 199
7.3.1　基于计算机视觉三维重建应用案例 199
7.3.2　基于计算机视觉三维重建过程分析 200
7.3.3　SFM?与三维重建 201
7.3.4　深度学习与三维重建 204
7.4　深度学习在医学影像中的应用 205
7.4.1　深度学习在医学影像中的自动化分割应用 206
7.4.2　基于深度学习的乳腺癌影像分割的方法详解 209
7.5　深度学习在面部表情识别中的应用 212
7.5.1　基于深度学习的表情识别应用案例 212
7.5.2　基于深度学习的表情识别开发过程 213
第8章　人工智能技术应用——自然语言处理 217
8.1　人工智能在机器翻译中的应用 217
8.1.1　机器翻译简介 217
8.1.2　基于深度学习的机器翻译方法 221
8.2　人工智能在语音识别中的应用 223
8.2.1　语音识别的基本概念 223
8.2.2　基于编码器/解码器的语音识别方法 224
8.2.3　语音识别的典型应用 227
8.3　人工智能在智能文本创作中的应用 228
8.3.1　智能文本创作系统简介 228
8.3.2　诗歌语料库 230
8.3.3　智能文本创作的方法 231
8.4　人工智能在文本分类中的应用 233
8.4.1　文本分类的基本概念 233
8.4.2　文本情感分类的基本概念 236
8.4.3　文本分类的方法 238
参考文献 241