掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
人工智能及其應用(第7版) 版權信息
- ISBN：9787302652854
- 條形碼：9787302652854 ; 978-7-302-65285-4
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
人工智能及其應用(第7版) 本書特色
人工智能經典教材 國家級精品課程“人工智能”配套教材、國家級雙語示范課程“人工智能”配套教材、國家級精品資源共享課程“人工智能”配套教材、曾獲普通高等學校“十一五”國家級規劃教材和“十二五”國家級規劃教材，第2版曾獲國家 科技進步獎一等獎。
以作者提出的人工智能核心要素和學科體系為指導，構建本書的基本架構，突出基于知識的人工智能和基于數據的人工智能，加強人工智能算法與編程，新增人工智能的算力，彰顯人工智能新內容和新水平。提供全面修訂的課程電子課件（PPT）便于教師備課和授課，擁有豐富的人工智能課程網絡教學資源有利于課后復習和提升。
人工智能及其應用(第7版) 內容簡介
《人工智能及其應用（第7版）》全面系統介紹了人工智能的基本原理及其應用，涉及人工智能概述、基于知識的人工智能、基于數據的人工智能、人工智能的算法與編程、人工智能的計算能力、人工智能發展展望及人工智能的應用。第1章敘述人工智能的定義與發展，提出人工智能的核心要素、學科體系和系統分類。第2章～第4章介紹知識表示、知識搜索與推理、基于知識的機器學習。第5章～第7章介紹群體智能與進化計算、數據處理和人工神經網絡、基于數據的機器學習。第8章～第9章介紹邏輯型人工智能編程語言、解釋型語言和深度學習開源框架。第10 章介紹人工智能的算力及架構。第11章～第13章介紹專家系統、智能規劃、機器感知。第14章～第15章內容涉及人工智能倫理與安全及人工智能的發展趨勢。書中每章均配備習題并對要點進行總結，加深讀者對原理及算法的理解，為進一步深入學習人工智能打下堅實的基礎。《人工智能及其應用（第7版）》可作為高等院校本科生和研究生的人工智能課程教材，也可供從事人工智能研究與開發的相關人員閱讀參考。
人工智能及其應用(第7版) 目錄
第1章緒論
1.1人工智能的定義與發展
1.1.1人工智能的定義
1.1.2人工智能的起源與發展
1.1.3中國人工智能的發展
1.2人工智能的核心要素、學科體系和系統分類
1.2.1人工智能的核心要素
1.2.2人工智能的學科體系
1.2.3人工智能系統的分類
1.3人工智能的研究目標和內容
1.3.1人工智能的研究目標
1.3.2人工智能研究的基本內容
1.4人工智能的研究與應用領域
1.5本書概要
1.6小結
習題1 第1篇基于知識的人工智能
第2章知識表示方法
2.1狀態空間表示
2.1.1問題狀態描述
2.1.2狀態圖示法
2.2問題歸約表示
2.2.1問題歸約描述
2.2.2與或圖表示
2.3謂詞邏輯表示
2.3.1謂詞演算
2.3.2謂詞公式
2.3.3置換與合一
2.4語義網絡表示
2.4.1二元語義網絡的表示
2.4.2多元語義網絡的表示
2.4.3語義網絡的推理過程
2.5本體技術
2.5.1本體的概念
2.5.2本體的組成與分類
2.5.3本體的建模
2.6知識圖譜
2.6.1知識圖譜的定義與架構
2.6.2知識圖譜的關鍵技術
2.6.3知識圖譜的應用領域
2.7小結
習題2 第3章知識搜索與推理
3.1圖搜索策略
3.2盲目搜索
3.2.1寬度優先搜索
3.2.2深度優先搜索
3.2.3等代價搜索
3.3啟發式搜索
3.3.1啟發式搜索策略和估價函數
3.3.2有序搜索
3.3.3A*算法
3.4消解原理
3.4.1子句集的求取
3.4.2消解推理規則
3.4.3含有變量的消解式
3.4.4消解反演求解過程
3.5規則演繹系統
3.5.1正向規則演繹系統
3.5.2逆向規則演繹系統
3.5.3雙向規則演繹系統
3.6不確定性推理
3.6.1不確定性的表示與度量
3.6.2不確定性的算法
3.7概率推理
3.7.1概率的基本性質和計算公式
3.7.2概率推理方法
3.8主觀貝葉斯方法
3.8.1知識不確定性的表示
3.8.2證據不確定性的表示
3.8.3主觀貝葉斯方法的推理過程
3.9小結
習題3 第4章基于知識的機器學習
4.1機器學習的定義和發展歷史
4.1.1機器學習的定義
4.1.2機器學習的發展史
4.2機器學習的主要策略與基本結構
4.2.1機器學習的主要策略
4.2.2機器學習系統的基本結構
4.3歸納學習
4.3.1歸納學習的模式和規則
4.3.2歸納學習方法
4.4類比學習
4.4.1類比推理和類比學習形式
4.4.2類比學習過程與研究類型
4.5解釋學習
4.5.1解釋學習過程和算法
4.5.2解釋學習舉例
4.6強化學習
4.6.1強化學習概述
4.6.2Q學習
4.7小結
習題4 第2篇基于數據的人工智能
第5章群體智能與進化計算
5.1粒群優化算法
5.1.1群體智能和粒群優化概述
5.1.2粒群優化算法
5.2蟻群算法
5.2.1蟻群算法理論
5.2.2蟻群算法的研究與應用
5.3進化算法與遺傳算法
5.3.1進化算法原理
5.3.2進化算法框架
5.3.3遺傳算法的編碼與解碼
5.3.4遺傳算法的遺傳算子
5.3.5遺傳算法的執行過程
5.3.6遺傳算法的執行實例
5.4小結
習題5 第6章數據處理和人工神經網絡
6.1數據處理概述
6.1.1數據類型
6.1.2數據預處理
6.1.3特征工程
6.2人工神經網絡
6.2.1人工神經網絡研究的進展
6.2.2人工神經網絡的基本結構
6.3神經網絡學習
6.3.1基于反向傳播網絡的學習
6.3.2基于Hopfield網絡的學習
6.4小結
習題6 第7章基于數據的機器學習
7.1線性回歸
7.2決策樹
7.2.1決策樹的模型與學習
7.2.2特征選擇
7.2.3決策樹的生成算法
7.2.4決策樹的剪枝
7.3支持向量機
7.3.1間隔與支持向量
7.3.2對偶問題
7.3.3軟間隔與正則化
7.3.4核函數
7.4集成學習
7.4.1隨機森林
7.4.2Adaboost算法
7.5聚類
7.5.1距離計算
7.5.2k均值聚類
7.5.3樣例說明
7.6深度學習
7.6.1深度學習的定義與特點
7.6.2深度學習的常用模型
7.6.3深度學習的總結與展望
7.7小結
習題7 第3篇人工智能的算法與編程
第8章邏輯型人工智能編程語言
8.1邏輯型編程語言概述
8.2LISP語言
8.2.1LISP的特點和數據結構
8.2.2LISP的基本函數
8.2.3遞歸和迭代
8.3PROLOG語言
8.3.1PROLOG語法與數據結構
8.3.2PROLOG程序設計原理
8.4小結
習題8 第9章解釋型語言和深度學習開源框架
9.1Python語言
9.1.1Python 簡介
9.1.2Python的基本語法
9.1.3Python第三方開源工具包
9.2深度學習框架
9.2.1深度學習框架的發展
9.2.2深度學習開源框架比較
9.2.3深度學習框架基本功能
9.3小結
習題9 第4篇人工智能的計算能力
第10章人工智能的算力及架構
10.1人工智能算力的定義、分類和評估
10.1.1人工智能算力的定義
10.1.2人工智能算力和芯片的分類
10.1.3人工智能算力的評估
10.2人工智能芯片的發展
10.2.1人工智能芯片的發展歷史
10.2.2人工智能芯片的發展態勢
10.3人工智能算力網絡
10.3.1人工智能算力網絡的定義和特征
10.3.2人工智能算力網絡的基本架構和工作機制
10.3.3人工智能算力網絡的關鍵技術
10.3.4人工智能算力網絡應用示例
10.4普適人工智能算力網絡
10.4.1普適人工智能算力網絡的基本架構
10.4.2普適人工智能算力網絡的應用示例
10.5小結
習題10 第5篇人工智能的研究與應用領域
第11章專家系統
11.1專家系統概述
11.1.1專家系統的定義與特點
11.1.2專家系統的結構和建造步驟
11.2基于規則的專家系統
11.2.1基于規則的專家系統的工作模型和結構
11.2.2基于規則的專家系統的特點
11.3基于模型的專家系統
11.3.1基于模型的專家系統的提出
11.3.2基于神經網絡的專家系統
11.4基于Web的專家系統
11.4.1基于Web的專家系統的結構
11.4.2基于Web的專家系統的實例
11.5智慧醫療診斷系統
11.5.1智慧醫療診斷系統與專家系統
11.5.2智慧醫療診斷系統的一般架構和流程
11.5.3智慧醫療診斷系統示例
11.6小結
習題11 第12章智能規劃
12.1智能規劃概述
12.1.1規劃的概念和作用
12.1.2規劃的分類
12.2任務規劃
12.2.1積木世界的機器人規劃
12.2.2基于消解原理的規劃
12.2.3分層規劃
12.2.4基于專家系統的規劃
12.3路徑規劃
12.3.1機器人路徑規劃的主要方法和發展趨勢
12.3.2基于免疫進化和示例學習的機器人路徑規劃
12.3.3基于蟻群算法的機器人路徑規劃
12.4移動機器人導航
12.4.1移動機器人導航的主要方法
12.4.2移動機器人導航的發展趨勢
12.4.3基于機器學習的機器人導航
12.5軌跡規劃簡介
12.6小結
習題12 第13章機器感知
13.1計算機視覺
13.1.1圖像工程概述
13.1.2圖像采集和處理
13.1.3圖像分類
13.1.4目標檢測與跟蹤
13.1.5圖像分割
13.1.6圖像理解
13.2自然語言理解
13.2.1自然語言理解概述
13.2.2自然語言理解研究的基本方法和進展
13.2.3詞法分析
13.2.4句法分析
13.2.5語義分析
13.2.6文本的自動翻譯——機器翻譯
13.2.7自然語言理解系統的主要模型
13.2.8自然語言理解應用實例ChatGPT
13.3語音識別
13.3.1語音識別技術的發展過程
13.3.2語音識別基本原理
13.3.3語音識別關鍵技術和方法
13.3.4語音識別技術展望
13.4基于深度學習的自然語言處理
13.4.1基于深度學習的語音處理技術
13.4.2基于深度學習的其他自然語言處理技術
13.4.3基于深度學習的自然語言處理示例
13.5小結
習題13 第6篇人工智能展望
第14章人工智能的效益與安全
14.1人工智能的巨大效益
14.1.1人工智能對經濟、科技和文教的影響
14.1.2人工智能對社會、生態和健康的影響
14.2人工智能的安全問題
14.3小結
習題14 第15章人工智能的發展趨勢
15.1快速發展的人工智能產業化
15.1.1人工智能產業化的主要領域
15.1.2人工智能產業化的現狀
15.1.3人工智能產業化的發展趨勢
15.2人工智能技術的深度融合
15.2.1人工智能知識和數據的深度融合
15.2.2機器學習中人工智能技術的融合
15.2.3深度強化學習中人工智能技術的融合
15.2.4深度學習與傳統人工智能技術的融合
15.3小結
習題15 結束語 參考文獻 索引
1.1人工智能的定義與發展
1.1.1人工智能的定義
1.1.2人工智能的起源與發展
1.1.3中國人工智能的發展
1.2人工智能的核心要素、學科體系和系統分類
1.2.1人工智能的核心要素
1.2.2人工智能的學科體系
1.2.3人工智能系統的分類
1.3人工智能的研究目標和內容
1.3.1人工智能的研究目標
1.3.2人工智能研究的基本內容
1.4人工智能的研究與應用領域
1.5本書概要
1.6小結
習題1 第1篇基于知識的人工智能
第2章知識表示方法
2.1狀態空間表示
2.1.1問題狀態描述
2.1.2狀態圖示法
2.2問題歸約表示
2.2.1問題歸約描述
2.2.2與或圖表示
2.3謂詞邏輯表示
2.3.1謂詞演算
2.3.2謂詞公式
2.3.3置換與合一
2.4語義網絡表示
2.4.1二元語義網絡的表示
2.4.2多元語義網絡的表示
2.4.3語義網絡的推理過程
2.5本體技術
2.5.1本體的概念
2.5.2本體的組成與分類
2.5.3本體的建模
2.6知識圖譜
2.6.1知識圖譜的定義與架構
2.6.2知識圖譜的關鍵技術
2.6.3知識圖譜的應用領域
2.7小結
習題2 第3章知識搜索與推理
3.1圖搜索策略
3.2盲目搜索
3.2.1寬度優先搜索
3.2.2深度優先搜索
3.2.3等代價搜索
3.3啟發式搜索
3.3.1啟發式搜索策略和估價函數
3.3.2有序搜索
3.3.3A*算法
3.4消解原理
3.4.1子句集的求取
3.4.2消解推理規則
3.4.3含有變量的消解式
3.4.4消解反演求解過程
3.5規則演繹系統
3.5.1正向規則演繹系統
3.5.2逆向規則演繹系統
3.5.3雙向規則演繹系統
3.6不確定性推理
3.6.1不確定性的表示與度量
3.6.2不確定性的算法
3.7概率推理
3.7.1概率的基本性質和計算公式
3.7.2概率推理方法
3.8主觀貝葉斯方法
3.8.1知識不確定性的表示
3.8.2證據不確定性的表示
3.8.3主觀貝葉斯方法的推理過程
3.9小結
習題3 第4章基于知識的機器學習
4.1機器學習的定義和發展歷史
4.1.1機器學習的定義
4.1.2機器學習的發展史
4.2機器學習的主要策略與基本結構
4.2.1機器學習的主要策略
4.2.2機器學習系統的基本結構
4.3歸納學習
4.3.1歸納學習的模式和規則
4.3.2歸納學習方法
4.4類比學習
4.4.1類比推理和類比學習形式
4.4.2類比學習過程與研究類型
4.5解釋學習
4.5.1解釋學習過程和算法
4.5.2解釋學習舉例
4.6強化學習
4.6.1強化學習概述
4.6.2Q學習
4.7小結
習題4 第2篇基于數據的人工智能
第5章群體智能與進化計算
5.1粒群優化算法
5.1.1群體智能和粒群優化概述
5.1.2粒群優化算法
5.2蟻群算法
5.2.1蟻群算法理論
5.2.2蟻群算法的研究與應用
5.3進化算法與遺傳算法
5.3.1進化算法原理
5.3.2進化算法框架
5.3.3遺傳算法的編碼與解碼
5.3.4遺傳算法的遺傳算子
5.3.5遺傳算法的執行過程
5.3.6遺傳算法的執行實例
5.4小結
習題5 第6章數據處理和人工神經網絡
6.1數據處理概述
6.1.1數據類型
6.1.2數據預處理
6.1.3特征工程
6.2人工神經網絡
6.2.1人工神經網絡研究的進展
6.2.2人工神經網絡的基本結構
6.3神經網絡學習
6.3.1基于反向傳播網絡的學習
6.3.2基于Hopfield網絡的學習
6.4小結
習題6 第7章基于數據的機器學習
7.1線性回歸
7.2決策樹
7.2.1決策樹的模型與學習
7.2.2特征選擇
7.2.3決策樹的生成算法
7.2.4決策樹的剪枝
7.3支持向量機
7.3.1間隔與支持向量
7.3.2對偶問題
7.3.3軟間隔與正則化
7.3.4核函數
7.4集成學習
7.4.1隨機森林
7.4.2Adaboost算法
7.5聚類
7.5.1距離計算
7.5.2k均值聚類
7.5.3樣例說明
7.6深度學習
7.6.1深度學習的定義與特點
7.6.2深度學習的常用模型
7.6.3深度學習的總結與展望
7.7小結
習題7 第3篇人工智能的算法與編程
第8章邏輯型人工智能編程語言
8.1邏輯型編程語言概述
8.2LISP語言
8.2.1LISP的特點和數據結構
8.2.2LISP的基本函數
8.2.3遞歸和迭代
8.3PROLOG語言
8.3.1PROLOG語法與數據結構
8.3.2PROLOG程序設計原理
8.4小結
習題8 第9章解釋型語言和深度學習開源框架
9.1Python語言
9.1.1Python 簡介
9.1.2Python的基本語法
9.1.3Python第三方開源工具包
9.2深度學習框架
9.2.1深度學習框架的發展
9.2.2深度學習開源框架比較
9.2.3深度學習框架基本功能
9.3小結
習題9 第4篇人工智能的計算能力
第10章人工智能的算力及架構
10.1人工智能算力的定義、分類和評估
10.1.1人工智能算力的定義
10.1.2人工智能算力和芯片的分類
10.1.3人工智能算力的評估
10.2人工智能芯片的發展
10.2.1人工智能芯片的發展歷史
10.2.2人工智能芯片的發展態勢
10.3人工智能算力網絡
10.3.1人工智能算力網絡的定義和特征
10.3.2人工智能算力網絡的基本架構和工作機制
10.3.3人工智能算力網絡的關鍵技術
10.3.4人工智能算力網絡應用示例
10.4普適人工智能算力網絡
10.4.1普適人工智能算力網絡的基本架構
10.4.2普適人工智能算力網絡的應用示例
10.5小結
習題10 第5篇人工智能的研究與應用領域
第11章專家系統
11.1專家系統概述
11.1.1專家系統的定義與特點
11.1.2專家系統的結構和建造步驟
11.2基于規則的專家系統
11.2.1基于規則的專家系統的工作模型和結構
11.2.2基于規則的專家系統的特點
11.3基于模型的專家系統
11.3.1基于模型的專家系統的提出
11.3.2基于神經網絡的專家系統
11.4基于Web的專家系統
11.4.1基于Web的專家系統的結構
11.4.2基于Web的專家系統的實例
11.5智慧醫療診斷系統
11.5.1智慧醫療診斷系統與專家系統
11.5.2智慧醫療診斷系統的一般架構和流程
11.5.3智慧醫療診斷系統示例
11.6小結
習題11 第12章智能規劃
12.1智能規劃概述
12.1.1規劃的概念和作用
12.1.2規劃的分類
12.2任務規劃
12.2.1積木世界的機器人規劃
12.2.2基于消解原理的規劃
12.2.3分層規劃
12.2.4基于專家系統的規劃
12.3路徑規劃
12.3.1機器人路徑規劃的主要方法和發展趨勢
12.3.2基于免疫進化和示例學習的機器人路徑規劃
12.3.3基于蟻群算法的機器人路徑規劃
12.4移動機器人導航
12.4.1移動機器人導航的主要方法
12.4.2移動機器人導航的發展趨勢
12.4.3基于機器學習的機器人導航
12.5軌跡規劃簡介
12.6小結
習題12 第13章機器感知
13.1計算機視覺
13.1.1圖像工程概述
13.1.2圖像采集和處理
13.1.3圖像分類
13.1.4目標檢測與跟蹤
13.1.5圖像分割
13.1.6圖像理解
13.2自然語言理解
13.2.1自然語言理解概述
13.2.2自然語言理解研究的基本方法和進展
13.2.3詞法分析
13.2.4句法分析
13.2.5語義分析
13.2.6文本的自動翻譯——機器翻譯
13.2.7自然語言理解系統的主要模型
13.2.8自然語言理解應用實例ChatGPT
13.3語音識別
13.3.1語音識別技術的發展過程
13.3.2語音識別基本原理
13.3.3語音識別關鍵技術和方法
13.3.4語音識別技術展望
13.4基于深度學習的自然語言處理
13.4.1基于深度學習的語音處理技術
13.4.2基于深度學習的其他自然語言處理技術
13.4.3基于深度學習的自然語言處理示例
13.5小結
習題13 第6篇人工智能展望
第14章人工智能的效益與安全
14.1人工智能的巨大效益
14.1.1人工智能對經濟、科技和文教的影響
14.1.2人工智能對社會、生態和健康的影響
14.2人工智能的安全問題
14.3小結
習題14 第15章人工智能的發展趨勢
15.1快速發展的人工智能產業化
15.1.1人工智能產業化的主要領域
15.1.2人工智能產業化的現狀
15.1.3人工智能產業化的發展趨勢
15.2人工智能技術的深度融合
15.2.1人工智能知識和數據的深度融合
15.2.2機器學習中人工智能技術的融合
15.2.3深度強化學習中人工智能技術的融合
15.2.4深度學習與傳統人工智能技術的融合
15.3小結
習題15 結束語 參考文獻 索引
展開全部
人工智能及其應用(第7版) 作者簡介
蔡自興，IEEE院士和IEEE終身院士（Fellow）、國際導航與運動控制科學院院士、紐約科學院院士、CAAI Fellow、AAIA Feloow、CFF Fellow、CAA Fellow，聯合國專家，中南大學教授、博士生導師，湖南省自興人工智能研究院首席科學家。首屆全國高校國家級教學名師獎、吳文俊人工智能科技獎成就獎、徐特立教育獎、寶鋼全國優秀教師獎特等獎獲得者。歷任第八屆湖南省政協副主席和全國政協第九屆和第十屆委員會委員，兼任中國人工智能學會副理事長及智能機器人專業委員會創會主任、中國自動化學會理事、中國計算機學會人工智能與模式識別專業委員會委員、IEEE計算智能學會評獎委員會委員和IEEE CIS進化計算技術委員會委員等。已在國內外編著出版專著和教材60多部（版），發表論文1000多篇，他引數萬次。主持國家級精品課程、國家級精品資源共享課程、國家級教學團隊等國家 質量工程項目8項。是我國人工智能、智能控制、機器人學諸學科的學術帶頭人之一，被譽為“中國人工智能教育第一人”“中國智能機器人學科創始人”和“中國智能控制奠基者”。
劉麗玨， 中南大學自動化學院副教授，2008年獲中南大學計算機應用技術博士學位。廣西人工智能學會常務理事、CAAI會員、湖南省人工智能學會會員，國家級精品課程“人工智能”主講教師和國家級視頻公開課“人工智能PK人類智能”講座教授及“智能科學基礎系列課程”國家級教學團隊成員。研究興趣為智慧醫療、人工智能和機器學習等。蔡自興，IEEE院士和IEEE終身院士（Fellow）、國際導航與運動控制科學院院士、紐約科學院院士、CAAI Fellow、AAIA Feloow、CFF Fellow、CAA Fellow，聯合國專家，中南大學教授、博士生導師，湖南省自興人工智能研究院首席科學家。首屆全國高校國家級教學名師獎、吳文俊人工智能科技獎成就獎、徐特立教育獎、寶鋼全國優秀教師獎特等獎獲得者。歷任第八屆湖南省政協副主席和全國政協第九屆和第十屆委員會委員，兼任中國人工智能學會副理事長及智能機器人專業委員會創會主任、中國自動化學會理事、中國計算機學會人工智能與模式識別專業委員會委員、IEEE計算智能學會評獎委員會委員和IEEE CIS進化計算技術委員會委員等。已在國內外編著出版專著和教材60多部（版），發表論文1000多篇，他引數萬次。主持國家級精品課程、國家級精品資源共享課程、國家級教學團隊等國家 質量工程項目8項。是我國人工智能、智能控制、機器人學諸學科的學術帶頭人之一，被譽為“中國人工智能教育第一人”“中國智能機器人學科創始人”和“中國智能控制奠基者”。
劉麗玨， 中南大學自動化學院副教授，2008年獲中南大學計算機應用技術博士學位。廣西人工智能學會常務理事、CAAI會員、湖南省人工智能學會會員，國家級精品課程“人工智能”主講教師和國家級視頻公開課“人工智能PK人類智能”講座教授及“智能科學基礎系列課程”國家級教學團隊成員。研究興趣為智慧醫療、人工智能和機器學習等。
陳白帆， 中南大學自動化學院副教授。2009年獲中南大學計算機應用技術博士學位，2015年美國德州農工大學訪問學者。湖南省人工智能學會副秘書長，IEEE會員和CAAI會員。 “智能科學系列課程” 國家級教學團隊成員，國家精品課程和國家精品資源共享課程《人工智能》主講教師。研究方向為人工智能、移動機器人環境感知與定位、機器視覺等。
蔡昱峰， 高級工程師，高級經濟師。湖南自興人工智能科技集團董事長，中南大學工業電氣自動化學士，香港科技大學工商管理碩士。湖南省工商聯執委、湖南省人工智能學會副理事長。帶領公司榮獲國家高新技術企業、小巨人企業等稱號及工信部人工智能與實體經濟深度融合創新項目及未來醫療100強中國數字醫療榜等。研究方向為智慧醫療。
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
姑媽的寶刀
- >
我從未如此眷戀人間
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
月亮虎
- >
二體千字文
- >
有舍有得是人生
- >
苦雨齋序跋文-周作人自編集
本類暢銷
