Page 6 - 基于深度学习的人工智能技术研究
P. 6
过程；二是数据的爆炸性增长，特别是互联网和社交媒体等数据的大规模积
累，为深度学习提供了丰富的训练样本。
深度学习方法在图像识别、语音识别、自然语言处理等领域取得了一系
列重要的突破。例如，深度学习在图像识别领域的应用，使得计算机在识别
图像中的物体和场景方面取得了超越人类的能力。此外，深度学习还在自然
语言处理领域取得了重要的突破，使得计算机能够理解和生成自然语言。然
而，深度学习方法也存在一些问题。首先，深度学习方法对于大规模的训练
数据和计算资源要求较高，导致训练时间和计算成本较高。其次，深度学习
方法在处理推理和逻辑问题时仍然存在一定的局限性，很难进行准确地推理
和决策。因此，深度学习浪潮仍然面临一些挑战，人工智能研究者正在不断
探索更加有效的方法。
本书共分为六章，第一章为人工智能技术概述，包括人工智能技术内涵、
人工智能战略与实施和人工智能研究成果；第二章为人工智能核心技术，包
括计算机视觉技术、生物识别技术、自然语言处理技术和群体智能技术；第
三章为深度学习理论与实践，包括机器学习与深度学习、人工神经网络模型
和深度学习实践应用；第四章为深度学习下的人工智能技术，包括深度学习
赋能人工智能、深度学习人工智能的发展和基于深度学习人工智能的应用；
第五章为人工智能技术的应用与发展，包括人工智能在教育领域的应用、人
工智能在医疗领域的应用、人工智能在金融经济领域的应用、人工智能在工
业领域的应用、人工智能在交通领域的应用、人工智能在建筑装修领域的应
用、人工智能在农业领域的应用；第六章为结语，包括人工智能研究小结和
深度学习与人工智能综合小结。
限于作者水平，书中难免存在疏漏及不妥之处，敬请读者批评指正。
课题项目：中国民办教育协会规划课题（2023 年度）“基于 OBE 理
念的应用型‘大数据’专业产教融合人才培养方案探索”（课题编号：
CANFZG23052）。
编 者
2023 年 8 月
