相關主題
商品描述
本書聚焦人工智能技術在汽車領域的深度應用與創新實踐，系統構建了“技術-場景-產業”三位一體的知識框架；以多學科融合為視角，全面解析人工智能在汽車設計研發、生產制造、智能駕駛、測試驗證及運維服務等全生命周期的核心作用；內容涵蓋環境感知、決策規劃、車輛控制等智能駕駛關鍵技術，深入探討機器學習、深度學習、計算機視覺、自然語言處理、知識圖譜、生成式人工智能的基本知識及在汽車領域的應用。書中通過33個行業級案例實踐，輔以“AI賦能擴展學習提示詞”，形成“理論-工具-應用”的閉環學習體系。本書內容編排強調圖表化解析與場景化拆解，助力學生打通從算法原理到產業落地的認知壁壘，培養“AI+汽車”的覆合型創新能力。本書兼顧前瞻探索與行業痛點，既解讀自動駕駛倫理、數據隱私保護等社會議題，也探討大模型、車路雲一體化等新興趨勢，為車輛工程與人工智能等相關專業學生提供技術縱深與跨界思維，提升其在智能汽車變革浪潮中的核心競爭力。
作者簡介
崔勝民，主要研究方向為新能源汽車、智能網聯汽車和人工智能的應用。
目錄大綱
前言
第1章 緒論
1.1 人工智能概述
1.1.1 人工智能的定義
1.1.2 人工智能的分類
1.1.3 人工智能的原理
1.1.4 人工智能的特點
1.1.5 人工智能的關鍵技術
1.1.6 人工智能的發展趨勢
1.2 人工智能與汽車產業的融合
1.2.1 汽車智能化的發展特征
1.2.2 人工智能對汽車產業鏈的重構
1.2.3 汽車人工智能的發展現狀及趨勢
1.3 汽車人工智能技術框架
1.3.1 環境感知-決策規劃-控制執行技術框架
1.3.2 車雲協同與邊緣計算架構
1.4 人工智能的應用
1.4.1 人工智能通用應用的分類
1.4.2 人工智能在汽車領域應用的分類
1.4.3 人工智能在汽車產業鏈的應用
1.4.4 汽車人工智能面臨的挑戰和機遇
第2章 機器學習及其在汽車領域的應用
2.1 機器學習概述
2.1.1 機器學習的定義
2.1.2 機器學習的原理
2.1.3 機器學習的特點
2.1.4 機器學習的技術挑戰
2.2 機器學習的基本範式
2.2.1 監督學習
2.2.2 無監督學習
2.2.3 半監督學習
2.2.4 強化學習
2.2.5 遷移學習
2.3 機器學習在汽車領域的應用
2.3.1 機器學習驅動汽車全鏈條創新應用
2.3.2 智能電動汽車電池管理系統優化
2.3.3 智能電動汽車充電行為分析與優化
2.3.4 智能電動汽車自動駕駛傳感器校準優化
2.3.5 智能電動汽車能量回收系統優化
2.3.6 智能電動汽車駕駛風格識別與跨車型遷移學習
2.3.7 基於MATLAB的智能電動汽車能量回收系統仿真
第3章 深度學習及其在汽車領域的應用
3.1 深度學習概述
3.1.1 深度學習的定義
3.1.2 深度學習的原理
3.1.3 深度學習的特點
3.1.4 深度學習的技術挑戰
3.2 深度學習的常用模型
3.2.1 深度神經網絡
3.2.2 卷積神經網絡
3.2.3 循環神經網絡
3.2.4 生成對抗網絡
3.2.5 Transformer模型
3.2.6 圖神經網絡
3.3 深度學習的常用算法
3.3.1 反向傳播算法
3.3.2 隨機梯度下降法
3.3.3 均方根傳播優化算法
3.3.4 Adam優化算法
3.3.5 自適應梯度算法
3.4 深度學習在汽車領域的應用
3.4.1 深度學習驅動汽車全鏈條創新應用
3.4.2 智能電動汽車電池健康度預測系統
3.4.3 智能電動汽車自動駕駛視覺感知
3.4.4 智能電動汽車用戶駕駛行為分析與續駛裏
程優化
3.4.5 智能電動汽車自動駕駛虛擬場景生成
3.4.6 智能電動汽車智能座艙多模態交互
3.4.7 智能電動汽車車路協同交通流預測
3.4.8 基於MATLAB的智能電動汽車能耗仿真
第4章 計算機視覺及其在汽車領域的應用
4.1 計算機視覺概述
4.1.1 計算機視覺的定義
4.1.2 計算機視覺的原理
4.1.3 計算機視覺的特點
4.1.4 計算機視覺的技術挑戰
4.2 計算機視覺圖像識別技術
4.2.1 計算機視覺圖像識別的流程
4.2.2 圖像預處理
4.2.3 圖像特征提取
4.2.4 圖像分割
4.2.5 目標檢測
4.2.6 目標識別
4.3 計算機視覺目標檢測算法
4.3.1 R-CNN系列檢測算法
4.3.2 YOLO系列檢測算法
4.3.3 SSD檢測算法
4.4 計算機視覺在汽車領域的應用
4.4.1 計算機視覺驅動汽車全鏈條創新應用
4.4.2 智能電動汽車零部件缺陷檢測
4.4.3 智能電動汽車行人檢測與預警
4.4.4 智能電動汽車交通標誌識別
4.4.5 基於 MATLAB 的智能電動汽車前方障礙物
檢測與距離估計仿真
第5章 自然語言處理及其在汽車領域的應用
5.1 自然語言處理概述
5.1.1 自然語言處理的定義
5.1.2 自然語言處理的原理
5.1.3 自然語言處理的特點
5.1.4 自然語言處理的技術挑戰
5.2 自然語言處理的關鍵技術
5.2.1 文本分詞與詞性標註
5.2.2 句法分析與語義理解
5.2.3 文本分類與情感分析
5.2.4 命名實體識別
5.2.5 機器翻譯與文本生成
5.3 自然語言處理的主流模型
5.3.1 基於統計的語言模型
5.3.2 詞嵌入模型
5.3.3 預訓練語言模型
5.3.4 生成式模型
5.4 自然語言處理在汽車領域的應用
5.4.1 自然語言處理驅動汽車全鏈條創新應用
5.4.2 智能電動汽車語音指令精準識別系統
5.4.3 智能電動汽車客戶反饋情感分析平臺
5.4.4 智能電動汽車智能客服問答引擎
5.4.5 智能電動汽車方言與多語言交互支持
5.4.6 MATLAB下自然語言處理在汽車領域情感分析仿真
第6章 知識圖譜及其在汽車領域的應用
6.1 知識圖譜概述
6.1.1 知識圖譜的定義
6.1.2 知識圖譜的原理
6.1.3 知識圖譜的特點
6.1.4 知識圖譜的技術挑戰
6.2 知識圖譜的關鍵技術
6.2.1 知識表示與建模
