写在前面：

本系列文是笔者在阅读人工智能相关书籍的过程中，结合导图所做的笔记梳理。

• 本文源自：2018年《人工智能导论》李德毅
• 梳理内容：书中后半部分章节（知识应用篇1），分别为：09 专家系统、10 计算机视觉、11 自然语言处理
• 本文写于：2022年9月15日、2023年1月5日~1月9日

书籍框架：

---

知识应用

第9章、专家系统

9.1 专家系统概述

导图

部分内容参考自：https://www.cnblogs.com/AncilunKiang/p/16168720.html

9.2 推理方法

导图

9.3 一个简单的专家系统

导图

9.4 非确定性推理

导图

9.5 专家系统工具

导图

9.6 专家系统的应用

导图

9.7 专家系统的局限性

导图

9.8 本章小结

第10章、计算机视觉

10.1 计算机视觉概述

导图

10.2 数字图像的类型及机内表示

导图

10.3 常用计算机视觉模型和关键技术

导图

基于浅层模型的方法

常用的浅层视觉模型处理流程：

步骤2 特征设计与提取方法：

—— 局部特征示例 - 以 LBP 为例详细介绍其提取方法

10.4 应用实例：人脸识别技术

导图

人脸识别系统的 6 个步骤

10.5 本章小结

第11章、自然语言处理

小贴士

• 本章概括了自然语言处理的历史和现状，并简要介绍了自然语言处理中三个典型任务：机器翻译、自然语言人机交互和智能问答。

11.1 自然语言处理概述

导图

自然语言处理中四个最基本的任务

11.2 机器翻译

导图

机器翻译 - 示例

基于规则的机器翻译：

基于 CKY 解码算法的统计机器翻译：

基于源语言句子编码表示的循环神经网络翻译模型：

11.3 自然语言人机交互

导图

对话系统-示例

对话理解模块示例：

对话管理模块示例：

回复生成模块示例：

聊天机器人-示例

11.4 智能问答

导图

智能问答-示例