新護理師實力評量(10)微生物及免疫學 (1版)

類似書籍推薦給您

【簡介】 依考選部命題大綱編寫，配合學校平時考、期中考之舉行，可收循序漸進之復習成效。 以專技高考、二技等考試為依據，使學生熟悉各類考題，難題附解析說明，可在各種大小考試中攻無不克。 【目錄】 第1回　緒論、細菌解剖學、細菌生理學 第2回　細菌的遺傳、滅菌與化學治療、寄生物與宿主之關係 第3回　免疫學(一) 第4回　免疫學(二) 第5回　化膿性球菌、白喉棒狀桿菌與分枝桿菌屬 第6回　第1～5回復習 第7回　革蘭氏陽性帶芽孢桿菌 第8回　腸內桿菌與其他腸內致病菌 第9回　革蘭氏陰性桿菌與其他致病菌 第10回　螺旋菌與放線菌、黴漿菌與L型細菌、立克次菌屬與披衣菌屬 第11回　黴菌學 第12回　第7～11回復習 第13回　噬菌體與病毒之特性 第14回　痘病毒、疱疹病毒、腺病毒與肝炎病毒 第15回　正黏液與副黏液病毒、德國麻疹病毒與冠狀病毒、小RNA病毒 第16回　狂犬病病毒、呼吸道腸道病毒、輪狀病毒、節肢動物媒介病毒、人類免疫缺乏及腫瘤病毒 第17回　寄生蟲學 第18回　第13～17回復習 第19回　總復習 解答及解析

AI視覺：最強入門邁向頂尖高手 王者歸來 (1版)

類似書籍推薦給您

【簡介】 AI視覺 最強入門邁向頂尖高手 王者歸來【書籍內容】◎ 台灣作者第一本「AI視覺」專書！五大最強亮點 ?1. AI 影像技術全解析，從入門到頂尖高手 ?2. 影像不只是影像，讓 AI 賦予它智慧與靈魂 ?3. 數學、演算法、函數與Python程式，三大學習核心，建立的AI影像專案 ?4. AI 影像應用無極限，打造你的專屬智慧影像系統 ?5. 最完整 AI 視覺學習資源，帶你進入與設計 AI 影像時代◎ AI視覺最強入門，從新手到頂尖高手！ 在 AI 影像技術的浪潮下，你是否曾想過，如何讓影像處理不只是單純的圖像變換，而是賦予它智慧，讓程式「看見」並理解世界？本書 《AI視覺最強入門邁向頂尖高手》 將帶你從零開始，一步步掌握 AI 視覺的核心技術，讓你的影像程式不再只是空洞的代碼，而是充滿靈魂與創意的智慧應用！◎ 這本書，適合誰？ 　★ Python & AI 初學者：從影像基礎開始，循序漸進學習。 　★ 影像處理 & OpenCV 愛好者：探索影像創意與高級應用。 　★ 開發者 & 工程師：打造 AI 監控、人臉識別、物件追蹤專案。 　★ 學生 & 研究人員：數學 + 演算法 + OpenCV，全方位掌握 AI 視覺技術。◎ AI 影像技術，從基礎到進階 　★ 影像處理基礎：影像讀取、色彩空間（BGR、RGB、HSV）、影像儲存與計算。 　★ 影像創意與特效：數位浮水印、動態影像（GIF、MP4）、藝術畫作設計。 　★ 影像增強與變換：圖像去霧、濾波降噪、傅立葉變換、直方圖對比度增強。 　★ AI 影像識別應用：手寫數字辨識、人臉偵測、車牌識別、醫學影像分析。 　★ AI 監控與自動追蹤：動態車道偵測、AI 監控系統、模板匹配物件搜尋。◎ 為什麼選擇這本書？ 　★ 獨家「三步驟」學習法： 　★ 數學原理 → 演算法邏輯 → Python x OpenCV x MediaPipe 實作，讓你學得深入又靈活應用！ 　★ 從基礎到高階 AI 視覺應用，完整解構影像處理技術！ 　★ 結合 OpenCV x MediaPipe x Python，打造創新影像應用專案！◎ AI 影像技術，開啟無限可能！ 影像處理與 AI 的結合，正顛覆我們的世界。無論是攝影特效、醫學影像、智慧監控還是自動駕駛，AI 視覺技術都是未來不可或缺的核心技能。現在，就是你踏入這個領域的最佳時機！☆立即入手《AI視覺最強入門邁向頂尖高手》，解鎖影像處理的無限可能，讓你的程式擁有真正的智慧與創意！☆ 【目錄】 第1章　影像的讀取、顯示與儲存 1-0 建議閱讀書籍 1-1 程式導入OpenCV 模組 1-1-1 安裝主要模組 1-1-2 擴展模組安裝 1-1-3 導入模組 1-1-4 OpenCV 版本 1-2 讀取影像檔案 1-2-1 影像讀取imread( ) 的語法 1-2-2 可讀取的影像格式 1-3 顯示影像與關閉影像視窗 1-3-1 使用OpenCV 顯示影像 1-3-2 關閉OpenCV 視窗 1-3-3 等待按鍵的事件 1-3-4 建立OpenCV 影像視窗 1-4 儲存影像第2章　認識影像表示方法 2-1 位元影像表示法 2-2 GRAY 色彩空間 2-3 RGB 色彩空間 2-3-1 由色彩得知RGB 通道值 2-3-2 使用RGB 通道值獲得色彩區塊 2-3-3 RGB 彩色像素的表示法 2-4 BGR 色彩空間 2-5 獲得影像的屬性 2-6 像素的BGR 值 2-6-1 讀取特定灰階影像像素座標的BGR 值 2-6-2 讀取特定彩色影像像素座標的BGR 值 2-6-3 修改特定影像像素座標的BGR 值第3章　學習OpenCV 需要的Numpy 知識 3-1 陣列ndarray 3-2 Numpy 的資料型態 3-3 建立一維或多維陣列 3-3-1 認識ndarray 的屬性 3-3-2 使用array( ) 建立一維陣列 3-3-3 使用array( ) 函數建立多維陣列 3-3-4 使用zeros( ) 建立內容是0 的多維陣列 3-3-5 使用ones( ) 建立內容是1 的多維陣列 3-3-6 使用empty( ) 建立未初始化的多維陣列 3-3-7 使用random.randint( ) 建立隨機數內容的多維陣列 3-3-8 使用arange( ) 函數建立陣列數據 3-3-9 使用reshape( ) 函數更改陣列形式 3-4 一維陣列的運算與切片 3-4-1 一維陣列的四則運算 3-4-2 一維陣列的關係運算子運算 3-4-3 陣列切片 3-4-4 使用參數copy=True 複製數據 3-4-5 使用copy( ) 函數複製陣列 3-5 多維陣列的索引與切片 3-5-1 認識axis 的定義 3-5-2 多維陣列的索引 3-5-3 多維陣列的切片 3-6 陣列水平與垂直合併 3-6-1 陣列垂直合併vstack( ) 3-6-2 陣列水平合併hstack( )第4章　認識色彩空間到藝術創作 4-1 BGR 與RGB 色彩空間的轉換 4-2 BGR 色彩空間轉換至GRAY 色彩空間 4-2-1 使用cvtColor( ) 函數 4-2-2 OpenCV 內部轉換公式 4-3 HSV 色彩空間 4-3-1 認識HSV 色彩空間 4-3-2 將影像由BGR 色彩空間轉為HSV 色彩空間 4-3-3 將RGB 色彩轉換成HSV 色彩公式 4-4 拆分色彩通道 4-4-1 拆分BGR 影像的通道 4-4-2 拆分HSV 影像的通道 4-5 合併色彩通道 4-5-1 合併B、G、R 通道的影像 4-5-2 合併H、S、V 通道的影像 4-6 拆分與合併色彩通道的應用 4-6-1 色調Hue 調整 4-6-2 飽和度Saturation 調整 4-6-3 明度Value 調整 4-7 alpha 通道第5章　妙手空空建立影像 5-1 影像座標 5-2 建立與編輯灰階影像 5-2-1 建立灰階影像 5-2-2 編輯灰階影像 5-2-3 使用隨機數建立灰階影像 5-3 建立彩色影像第6章　影像處理的基礎知識 6-1 灰階影像的編輯 6-1-1 自創灰階影像與編輯的基礎實例 6-1-2 讀取灰階影像與編輯的實例 6-2 彩色影像的編輯 6-2-1 了解彩色影像陣列的結構 6-2-2 自創彩色影像與編輯的實例 6-2-3 讀取彩色影像與編輯的實例 6-3 編輯含alpha 通道的彩色影像 6-4 影像感興趣區域的編輯 6-4-1 擷取影像感興趣區塊 6-4-2 建立影像馬賽克效果 6-4-3 感興趣區塊在不同影像間移植 6-5 負片影像處理 6-5-1 負片的基本概念與應用 6-5-2 負片應用在灰階影像 6-5-3 負片應用在彩色影像 6-5-4 ROI 負片處理第7章　從靜態到動態的繪圖功能 7-1 建立畫布 7-2 繪製直線 7-3 畫布背景色彩的設計 7-3-1 單區塊的底部色彩 7-3-2 建立含底色圖案的畫布 7-3-3 漸層色背景設計 7-4 繪製矩形 7-5 繪製圓 7-5-1 繪製圓的基礎知識 7-5-2 隨機色彩的應用 7-6 繪製橢圓或橢圓弧度 7-7 繪製多邊形 7-8 輸出文字 7-8-1 預設英文字輸出 7-8-2 中文字輸出 7-9 反彈球的設計 7-10 滑鼠事件 7-10-1 OnMouseAction( ) 7-10-2 setMouseCallback( ) 7-10-3 建立隨機圓 7-10-4 滑鼠與鍵盤的混合應用 7-11 滾動條的設計 7-12 滾動條當作開關的應用第8章　影像計算邁向影像創作 8-1 影像加法運算 8-1-1 使用add( ) 函數執行影像加法運算 8-1-2 使用數學加法 + 符號執行影像加法運算 8-1-3 加總B、G、R 原色的實例 8-2 遮罩mask 8-2-1 遮罩的基本概念 8-2-2 遮罩的應用場景 8-3 重複曝光技術 8-3-1 影像的加權和觀念 8-3-2 OpenCV 的影像加權和方法 8-4 影像的位元運算 8-4-1 邏輯的and 運算 8-4-2 邏輯的or 運算 8-4-3 邏輯的not 運算 8-4-4 邏輯的xor 運算 8-5 影像加密與解密 8-6 動態影像GIF 設計 8-6-1 移動遮罩的設計與應用 8-6-2 保存為 GIF 動畫 8-7 設計MP4 影片檔案 8-7-1 MP4 檔案設計步驟 8-7-2 MP4 影片實作第9章　閾值處理邁向數位情報 9-1 threshold( ) 函數 9-1-1 基礎語法 9-1-2 二值化處理THRESH_BINARY 與現代情報戰 9-1-3 反二值化處理THRESH_BINARY_INV 9-1-4 截斷閾值處理THRESH_TRUNC 9-1-5 低閾值用0 處理THRESH_TOZERO 9-1-6 高閾值用0 處理THRESH_TOZERO_INV 9-2 Otsu 演算法 9-3 自適應閾值方法adaptiveThreshold( ) 函數 9-4 平面圖的分解 9-5 隱藏在影像內的數位浮水印 9-5-1 驗證最低有效位元對影像沒有太大的影響 9-5-2 建立數位浮水印 9-5-3 取得原始影像的row 和column 9-5-4 建立像素值是254 的提取矩陣 9-5-5 取得原始影像的高7 位影像 9-5-6 建立浮水印影像 9-5-7 將浮水印影像嵌入原始影像 9-5-8 擷取浮水印影像 9-6 動態展示影像處理過程第10章　影像的幾何變換 10-1 認識幾何變換 10-2 影像縮放效果 10-2-1 使用dsize 參數執行影像縮放 10-2-2 使用fx 和fy 執行影像的縮放 10-3 影像翻轉 10-4 影像仿射 10-4-1 仿射的數學基礎 10-4-2 仿射的函數語法 10-4-3 影像平移 10-4-4 影像旋轉 10-4-5 影像傾斜 10-5 影像透視 10-6 重映射 10-6-1 解說map1 和map2 10-6-2 影像複製 10-6-3 垂直翻轉 10-6-4 水平翻轉的實例 10-6-5 影像縮放 10-6-6 影像垂直壓縮 10-7 重映射創意應用 - 波浪效果 10-7-1 波浪效果 10-7-2 設計波浪動畫第11章　影像除噪與平滑技術 11-1 建立平滑影像需認識的名詞 11-1-1 濾波核 11-1-2 影像噪音 11-1-3 刪除噪音 11-2 均值濾波器 11-2-1 理論基礎 11-2-2 像素位於邊界的考量 11-2-3 濾波核與卷積 11-2-4 均值濾波器函數 11-3 方框濾波器 11-3-1 理論基礎 11-3-2 方框濾波器函數 11-4 中值濾波器 11-4-1 理論基礎 11-4-2 中值濾波器函數 11-5 高斯濾波器 11-5-1 理論基礎 11-5-2 高斯濾波器函數 11-6 雙邊濾波器 11-6-1 理論基礎 11-6-2 雙邊濾波器函數 11-7 2D 濾波核 11-8 創意應用 – 圖像油畫效果模擬第12章　數學形態學 12-1 腐蝕(Erosion) 12-1-1 理論基礎 12-1-2 腐蝕函數 12-2 膨脹(Dilation) 12-2-1 理論基礎 12-2-2 膨脹函數dilate( ) 12-3 OpenCV 應用在數學形態學的通用函數 12-4 開運算(Opening) 12-4-1 開運算於AI 視覺場景的應用 12-4-2 開運算的程式應用 12-5 閉運算(Closing) 12-5-1 閉運算與開運算功能差異 12-5-2 閉運算在 AI 視覺中的應用場景 12-5-3 閉運算的程式應用 12-6 形態學梯度(Morphological gradient) 12-6-1 形態學梯度的作用與影響 12-6-2 形態學梯度在 AI 視覺中的場景應用 12-6-3 閉運算的程式應用 12-7 禮帽運算(tophat) 12-7-1 禮帽運算的特色與影響 12-7-2 禮帽運算在 AI 視覺中的場景應用 12-7-3 禮帽運算的程式應用 12-8 黑帽運算(blackhat) 12-8-1 黑帽運算的特色與影響 12-8-2 黑帽運算在 AI 視覺中的場景應用 12-8-3 黑帽運算的程式應用 12-9 核函數第13章　影像梯度與邊緣偵測 13-1 影像梯度的基礎觀念 13-1-1 直覺方法認識影像邊界 13-1-2 認識影像梯度 13-1-3 機器視覺 13-2 OpenCV 函數Sobel( ) 13-2-1 Sobel 運算子 13-2-2 使用Sobel 運算子計算x 軸方向影像梯度 13-2-3 使用Sobel 運算子計算y 軸方向影像梯度 13-2-4 Sobel( ) 函數 13-2-5 考量ddepth 與取絕對值函數convertScaleAbs( ) 13-2-6 x 軸方向的影像梯度 13-2-7 y 軸方向的影像梯度 13-2-8 x 軸和y 軸影像梯度的融合 13-3 OpenCV 函數Scharr( ) 13-3-1 Scharr 算子 13-3-2 Scharr( ) 函數 13-4 OpenCV 函數Laplacian( ) 13-4-1 二階微分 13-4-2 Laplacian 運算子 13-4-3 Laplacian( ) 函數 13-5 Canny 邊緣檢測 13-5-1 認識Canny 邊緣檢測 13-5-2 Canny 演算法的步驟 13-5-3 Canny( ) 函數 13-6 灰階圖像在邊緣檢測中的優勢第14章　影像金字塔 14-1 影像金字塔的原理 14-1-1 認識層次(level) 名詞 14-1-2 基礎理論 14-1-3 濾波器與採樣 14-1-4 高斯濾波器與向下採樣 14-1-5 向上採樣 14-1-6 影像失真 14-2 OpenCV 的pyrDown( ) 函數 14-3 OpenCV 的pyrUp( ) 函數 14-4 採樣逆運算的實驗 14-4-1 影像相加與相減 14-4-2 反向運算的結果觀察 14-5 拉普拉斯金字塔(Laplacian Pyramid, LP) 14-6 影像金字塔的應用與老照片修復實作 14-6-1 影像金字塔的應用 14-6-2 修復老舊照片原理解釋 14-6-3 實作老照片修復第15章　輪廓的檢測與匹配 15-1 影像內圖形的輪廓 15-1-1 找尋圖形輪廓findContours( ) 15-1-2 繪製圖形的輪廓 15-2 繪製影像內圖形輪廓的系列實例 15-2-1 找尋與繪製影像內圖形輪廓的基本應用 15-2-2 認識findCountours( ) 函數的回傳值contours 15-2-3 輪廓索引contoursIdx 15-2-4 輪廓的外形與特徵提取 15-2-5 輪廓內有輪廓 15-2-6 繪製一般影像的圖形輪廓 15-2-7 輪廓動畫 15-3 輪廓層級Hierarchy 15-3-1 輪廓層級的基本觀念 15-3-2 檢測模式RETR_EXTERNAL 15-3-3 檢測模式RETR_LIST 15-3-4 檢測模式RETR_CCOMP 15-3-5 檢測模式RETR_TREE 15-3-6 輪廓層級的創意場景 15-4 輪廓的特徵 – 影像矩(Image moments) 15-4-1 矩特徵moments( ) 函數 15-4-2 基礎影像矩推導 – 輪廓質心 15-4-3 影像矩實例 15-4-4 計算輪廓面積 15-4-5 計算輪廓周長 15-5 輪廓外形的匹配 – Hu 矩 15-5-1 OpenCV 計算Hu 矩的函數 15-5-2 第0 個Hu 矩的公式驗證 15-5-3 輪廓匹配 15-6 再談輪廓外形匹配 15-6-1 建立形狀場景距離 15-6-2 Hausdorff 距離第16章　輪廓擬合與凸包的相關應用 16-1 輪廓的擬合 16-1-1 矩形包圍 16-1-2 最小包圍矩形 16-1-3 最小包圍圓形 16-1-4 最優擬合橢圓 16-1-5 最小包圍三角形 16-1-6 近似多邊形 16-1-7 最優擬合直線 16-2 凸包 16-2-1 獲得凸包 16-2-2 凸缺陷 16-3 輪廓的幾何測試 16-3-1 測試輪廓包圍線是否凸形 16-3-2 計算任意座標點與輪廓包圍線的最短距離 16-4 創意應用第17章　輪廓的特徵 17-1 寬高比(Aspect Ratio) 17-2 輪廓的極點 17-2-1 認識輪廓點座標 17-2-2 Numpy 模組的argmax( ) 和argmin( ) 函數 17-2-3 找出輪廓極點座標 17-3 Extent 17-4 Solidity 17-5 等效直徑(Equivalent Diameter) 17-6 遮罩和非0 像素點的座標訊息 17-6-1 使用Numpy 的陣列模擬獲得非0 像素點座標訊息 17-6-2 獲得空心與實心非0 像素點座標訊息 17-6-3 使用OpenCV 函數獲得非0 像素點座標訊息 17-7 找尋影像物件最小值與最大值與他們的座標 17-7-1 從陣列找最大值與最小值和他們的座標 17-7-2 影像實作與醫學應用說明 17-8 計算影像的像素的均值與標準差 17-8-1 計算影像的像素均值 17-8-2 影像的像素均值簡單實例 17-8-3 使用遮罩觀念計算像素均值 17-8-4 計算影像的像素標準差 17-9 方向 17-10 輪廓動態創意設計 17-10-1 圓形輪廓動畫 17-10-2 不規則外形的外框收縮 17-10-3 動畫標記像素點第18章　自動駕駛車道檢測 18-1 霍夫變換的基礎原理解說 18-1-1 認識笛卡兒座標與霍夫座標 18-1-2 映射 18-1-3 認識極座標的基本定義 18-1-4 霍夫變換與極座標 18-2 HoughLines( ) 函數 18-3 HoughLinesP( ) 函數 18-4 霍夫圓環變換檢測 18-5 高速公路車道檢測 18-5-1 高速公路車道檢測 18-5-2 優化版的車道檢測 - 均值左右車道線第19章　直方圖均衡化 - 增強影像對比度 19-1 認識直方圖 19-1-1 認識直方圖 19-1-2 正規化直方圖 19-2 繪製直方圖 19-2-1 使用matplotlib 繪製直方圖 19-2-2 使用OpenCV 取得直方圖數據 19-2-3 繪製彩色影像的直方圖 19-2-4 繪製遮罩的直方圖 19-3 直方圖均衡化 19-3-1 直方圖均衡化演算法 19-3-2 直方圖均衡化equalizeHist( ) 19-3-3 直方圖均衡化應用在彩色影像 19-4 限制自適應直方圖均衡化方法 19-4-1 直方圖均衡化的優缺點 19-4-2 直方圖均衡化的缺點實例 19-4-3 自適應直方圖函數createCLAHE( ) 和apply( ) 函數 19-5 區域化直方圖增強技術第20章　模板匹配Template Matching 20-1 模板匹配的基礎觀念 20-2 模板匹配函數matchTemplate( ) 20-2-1 認識匹配函數matchTemplate( ) 20-2-2 模板匹配結果 20-2-3 TM_SQDIFF_NORMED 模板匹配結果 20-3 單模板匹配 20-3-1 回顧minMaxLoc( ) 函數 20-3-2 單模板匹配的實例 20-3-3 找出比較接近的影像 20-3-4 多目標匹配的實例 20-3-5 在地圖搜尋山脈 20-3-6 計算距離最近的機場 20-4 多模板匹配第21章　傅立葉(Fourier) 變換 21-1 數據座標軸轉換的基礎知識 21-2 傅立葉基礎理論 21-2-1 認識傅立葉(Fourier) 21-2-2 認識弦波 21-2-3 正弦函數的時域圖與頻率域圖 21-2-4 傅立葉變換理論基礎 21-3 使用Numpy 執行傅立葉變換 21-3-1 實作傅立葉變換 21-3-2 逆傅立葉變換 21-4 訊號與濾波器 21-4-1 高頻訊號與低頻訊號 21-4-2 高通濾波器與低通濾波器 21-5 使用OpenCV 完成傅立葉變換 21-5-1 使用dft( ) 函數執行傅立葉變換 21-5-2 使用OpenCV 執行逆傅立葉運算 21-5-3 低通濾波器 21-6 低通濾波器的藝術創作第22章　影像分割使用分水嶺演算法 22-1 影像分割基礎 22-2 分水嶺演算法與OpenCV 官方推薦網頁 22-2-1 認識分水嶺演算法 22-2-2 OpenCV 官方推薦網頁 22-3 分水嶺演算法步驟1 – 認識distanceTransform( ) 22-4 分水嶺演算法步驟2 – 找出未知區域 22-5 分水嶺演算法步驟3 – 建立標記 22-6 完成分水嶺演算法 22-7 分水嶺演算法專案 – 複雜圖像分割第23章　影像擷取 23-1 認識影像擷取的原理 23-2 OpenCV 的grabCut( ) 函數 23-3 grabCut( ) 基礎實作 23-4 自定義遮罩實例 23-5 影像擷取創意應用 23-5-1 更換影像背景 23-5-2 模糊背景凸顯主題第24章　影像修復- 搶救蒙娜麗莎的微笑 24-1 影像修復的演算法 24-1-1 Navier-Stroke 演算法 24-1-2 Alexander 演算法 24-1-3 Navier-Strokes 與Alexander 演算法的比較 24-2 影像修復的函數inpaint( ) 24-3 修復蒙娜麗莎的微笑 24-4 局部修復圖像第25章　辨識手寫數字 25-1 認識KNN 演算法 25-1-1 數據分類的基礎觀念 25-1-2 手寫數字的特徵 25-1-3 不同數字特徵值的比較 25-1-4 手寫數字分類原理 25-1-5 簡化特徵比較 25-2 認識Numpy 與KNN 演算法相關的知識 25-2-1 Numpy 的ravel( ) 函數 25-2-2 Numpy 的flatten( ) 函數 25-2-3 數據分類 25-2-4 建立與分類30 筆訓練數據 25-3 OpenCV 的KNN 演算法函數 25-3-1 基礎實作 25-3-2 更常見的分類 25-4 有關手寫數字識別的Numpy 基礎知識 25-4-1 vsplit( ) 垂直方向分割數據 25-4-2 hsplit( ) 水平方向分割數據 25-4-3 元素重複repeat( ) 25-5 識別手寫數字 25-5-1 實際設計識別手寫數字 25-5-2 儲存訓練和分類數據 25-5-3 下載訓練和分類數據第26章　OpenCV 的攝影功能 26-1 啟用攝影機功能VideoCapture 類別 26-1-1 初始化VideoCapture 26-1-2 檢測攝影功能是否開啟成功 26-1-3 讀取攝影鏡頭的影像 26-1-4 關閉攝影功能 26-1-5 讀取影像的基礎實例 26-1-6 影像翻轉 26-1-7 保存某一時刻的幀 26-2 使用VideoWriter 類別執行錄影 26-3 播放影片 26-3-1 播放所錄製的影片 26-3-2 播放iPhone 所錄製的影片 26-3-3 灰階播放影片 26-3-4 暫停與繼續播放 26-3-5 更改顯示視窗大小 26-4 認識攝影功能的屬性 26-4-1 獲得攝影功能的屬性 26-4-2 設定攝影功能的屬性 26-4-3 顯示影片播放進度 26-4-4 裁剪影片 26-5 車道辨識影片專題 26-5-1 取得車道辨識影片 26-5-2 車道辨識影片程式實作第27章　認識物件偵測原理與資源檔案 27-1 物件偵測原理 27-1-1 階層分類器原理 27-1-2 Haar 特徵緣由 27-1-3 哈爾特徵原理 27-2 找尋OpenCV 的資源檔案來源 27-3 認識資源檔案 27-4 人臉的偵測 27-4-1 臉形階層式分類器資源檔 27-4-2 基礎臉形偵測程式 27-4-3 史上最牛的物理科學家合照 27-5 偵測側面的人臉 27-5-1 基礎觀念 27-5-2 側面臉形偵測 27-6 路人偵測 27-6-1 路人偵測 27-6-2 下半身的偵測 27-6-3 上半身的偵測 27-7 眼睛的偵測 27-7-1 眼睛分類器資源檔 27-7-2 偵測雙眼實例 27-7-3 偵測左眼與右眼的實例 27-8 偵測貓臉 27-9 俄羅斯車牌辨識 27-10 AI 監控系統設計專題 27-10-1 圖像人臉標記 27-10-2 影片人臉標記 27-10-3 影片人臉標記用MP4 紀錄過程 27-10-4 AI 監控系統設計第28章　攝影機與人臉檔案 28-1 擷取相同大小的人臉存檔 28-2 使用攝影機擷取人臉影像 28-3 自動化攝影和擷取人像 28-4 半自動拍攝多張人臉的實例 28-5 全自動拍攝人臉影像第29章　人臉辨識 29-1 LBPH 人臉辨識 29-1-1 LBP（Local Binary Patterns）基本概念 29-1-2 LBPH（Local Binary Patterns Histograms）步驟 29-1-3 LBPH 用於人臉辨識的優點 29-1-4 LBPH 可能的侷限性 29-1-5 LBPH 函數解說 29-1-6 簡單的人臉辨識程式實作 29-1-7 繪製LBPH 直方圖 29-1-8 人臉識別實務 – 儲存與開啟訓練數據 29-1-9 結論 29-2 Eigenfaces 人臉辨識 29-2-1 Eigenfaces 原理思維 29-2-2 「Eigenfaces」如何表示臉部 29-2-3 優點與侷限 29-2-4 Eigenfaces 函數解說 29-2-5 簡單的人臉辨識程式實作 29-2-6 結論 29-3 Fisherfaces 人臉辨識 29-3-1 緣由與目標 29-3-2 主要步驟 29-3-3 Fisherface 與 Eigenfaces 的比較 29-3-4 Fisherfaces 函數解說 29-3-5 簡單的人臉辨識程式實作 29-3-6 總結 29-4 專題實作 - 建立員工人臉識別登入系統 29-4-1 建立與訓練人臉資料庫 – ch29_6.py 29-4-2 員工人臉識別 – ch29_7.py 29-5 專題實作 - AI 監控與人臉辨識第30章　建立哈爾特徵分類器- 車牌辨識 30-1 準備正樣本與負樣本影像資料 30-1-1 準備正樣本影像 – 含汽車車牌影像 30-1-2 準備負樣本影像 – 不含汽車車牌影像 30-2 處理正樣本影像 30-2-1 將正樣本影像處理成固定寬度與高度 30-2-2 將正樣本影像轉成bmp 檔案 30-3 處理負樣本影像 30-4 建立辨識車牌的哈爾(Haar) 特徵分類器 30-4-1 下載建立哈爾特徵分類器工具 30-4-2 儲存正樣本影像 30-4-3 儲存負樣本影像 30-4-4 為正樣本加上標記 30-4-5 設計程式顯示標記 30-5 訓練辨識車牌的哈爾特徵分類器 30-5-1 建立向量檔案 30-5-2 訓練哈爾分類器 30-5-3 建立哈爾特徵分類器資源檔 30-6 車牌偵測 30-7 心得報告第31章　車牌辨識 31-1 擷取所讀取的車牌影像 31-2 使用Tesseract OCR 執行車牌辨識 31-3 偵測車牌與辨識車牌 31-4 二值化處理車牌 31-5 形態學的開運算處理車牌 31-6 車牌辨識心得第32章　MediaPipe 手勢偵測與應用解析 32-1 MediaPipe 是什麼 32-1-1 Google 的影像處理解決方案 32-1-2 為什麼要用 MediaPipe 32-2 初探 MediaPipe Hands 模組 32-2-1 MediaPipe Hands 功能概覽 32-2-2 21 個關鍵點的座標定義與排列 32-2-3 如何判斷手勢 32-2-4 偵測手勢的原理 32-3 剪刀、石頭、布的程式設計思路 32-3-1 手指伸直判斷 32-3-2 程式流程規劃 32-3-3 與 OpenCV 的整合繪製 32-4 偵測手語繪製關節 32-4-1 初始化MediaPipe Hands 物件 32-4-2 建立Hands 物件 32-4-3 hands.process( ) 函數用法 32-4-4 mp_drawing.draw_landmarks( ) 函數用法 32-5 專題實作 - 剪刀、石頭與布附錄A　OpenCV 函數、名詞與具名常數索引表

AIGC大型語言模型：個人應用到企業實戰立刻上手 (1版)

類似書籍推薦給您

【簡介】 https://youtu.be/YZ3u4tg1n8g ★AIGC的技術躍遷與「奇點臨近」 ★大模型的「百模大戰」與競爭格局 ★多模態模型與AGI的可能性 ★AIGC在商業領域的應用爆發 ★AIGC對社會與個人的轉型影響 ★AIGC在電子商務與行業轉型中的應用 ★ChatGPT提示詞最佳化與垂直應用 ★AI繪圖/音效/視訊生成技術的實際應用 ★AIGC技術的核心原理與架構 ★LangChain框架與AI應用的開發實踐 ★AutoGPT與HuggingGPT的協作能力 ★文生視訊在企業級應用中的實踐 ★專屬ChatGPT的定制與本地部署 ★AIGC的風險管理與安全框架 這是一本深入探討AIGC（生成式人工智慧）技術與應用的全面指南，從技術原理到實際應用，從個人使用到企業實踐，為讀者提供了一個完整的視野。 透過詳細的案例和清晰的架構，帶領讀者了解AIGC如何從技術奇點發展到商業應用的浪潮，並揭示ChatGPT、大模型、多模態技術等核心概念的演變與突破。 本書強調AIGC在社會底層技術變革中的重要角色，並深入剖析其在電子商務、數位內容創造以及企業轉型中的價值，為讀者呈現了AIGC如何改變各行業的運作模式。 【章節概要】 第一篇： 新手入門，帶領讀者從AIGC的技術躍遷到多模態模型的興起，剖析ChatGPT如何引領生成式人工智慧熱潮，並闡述大模型的快速發展及其在商業應用中的創新實踐。 第二篇： 深入探討AIGC在個人應用上的多樣可能性，從AI聊天對話的提示詞最佳化到外掛程式的垂直應用，從Midjourney和Stable Diffusion的AI繪畫實踐到AI音訊與視訊生成的多場景操作，展現AIGC如何提升創造力與生產效率。 第三篇： 專注於技術原理和架構解析，涵蓋ChatGPT的核心技術、擴散模型的運作機制，以及LangChain框架在AI應用開發中的實際案例，進一步延伸到AutoGPT與HuggingGPT系統的協作能力。 第四篇： 企業應用實戰，從文生視訊的企業級實作到AI的軟體研發系統升級，並進一步探索定制專屬ChatGPT的實踐方案，為企業讀者提供實際的操作指南與解決方案。 最後是AIGC安全與風險治理，分析演算法、資料及應用層面的潛在風險，並提出完善的安全框架，為AIGC的可持續發展提供了切實可行的建議。 【專家推薦】 「ChatGPT 的發佈讓AI 技術的發展走到了「iPhone 時刻」。這項變革性的技術為人們帶來了前所未有的互動體驗和便利，之後又湧現了各種新的模型和技術。本書從多個方面介紹了AIGC 乃至AGI（人工通用智慧）的原理、應用場景，以及個人和企業的應用案例，值得大家閱讀。」 楊守斌 微軟社區區域技術總監 MSRD 「ChatGPT 的出現再次提醒我們，科技的突破是跳躍式的。AIGC 的發展關係著我們每個人。本書詳細介紹了AIGC 的發展脈絡和技術創新，更示範了使用AIGC 解決實際問題的方法，適合所有對AI 感興趣的讀者閱讀。」 曹冬磊博士 Kavout 首席科學家 「ChatGPT 的問世使得原本高端、神秘的AI 突然走進了大眾的工作與生活。AI 並不會直接搶走你的工作，但能用好AI 的人可能會。 本書是一本涵蓋原理、應用場景、應用案例的寶典。相信它可以幫你走出AI 焦慮，走進AI 世界。」 黃添來 高途集團高級技術總監 【目錄】 第 1 部分 AI 基礎概念 第 1 章 人工智慧基礎 1.1 探索 AI 的世界 1.1.1 人工智慧的範疇 1.1.2 何謂人工智慧？ 1.1.3 人工智慧的演進 1.1.4 人工智慧的分級 1.2 機器學習大補帖 1.2.1 何謂機器學習？ 1.2.2 機器如何學習？ 1.2.3 資料學三劍客 1.2.4 機器學習流程 1.2.5 學 AI 該用哪種程式語言？ 1.3 環境安裝指南 1.3.1 Anaconda 介紹與安裝 第 2 章 發現資料的秘密 2.1 資料的探索與準備 2.1.1 什麼是資料？ 2.2 探索式資料分析 2.2.1 EDA 必要的套件 2.2.2 第一支EDA 程式：資料集一覽 2.2.3 資料集描述 2.2.4 載入資料集 2.2.5 直方圖 2.2.6 核密度估計圖 2.2.7 相關性熱圖 2.2.8 散佈圖 2.2.9 盒鬚圖 2.3 離群值的檢查與處理方法 2.3.1 檢查異常值的方法 2.3.2 處理異常值的方法 2.4 資料清理和前處理 2.4.1 缺失值的處理 2.4.2 類別資料的處理 2.5 數據正規化與標準化 2.5.1 正規化 (Normalization) 2.5.2 標準化（Standardization） 2.5.3 為何需要特徵縮放與轉換？ 2.5.4 特徵縮放與轉換 第 2 部分 機器學習入門 第 3 章 非監督式學習：資料分群分類 3.1 何謂非監督式學習？ 3.2 K-means 簡介 3.2.1 K-means 如何分群？ 3.2.2 K-means 的最佳化目標 3.3 K-means 實務應用：群眾消費行為分群 3.3.1 資料集描述 3.3.2 載入資料集 3.3.3 建立K-means 模型 3.3.4 inertia 評估分群結果 3.3.5 視覺化分群結果 3.3.6 如何選擇最佳的K 值 3.4 降維技術在機器學習中的應用 3.4.1 降維的概念 3.4.2 主成分分析（PCA） 3.4.3 t- 隨機鄰近嵌入法（t-SNE） 3.5 降維實務應用：手寫數字降維視覺化 3.5.1 資料集描述 3.5.2 載入資料集 3.5.3 將資料切分成訓練集與測試集 3.5.4 建立PCA 模型 3.5.5 建立t-SNE 模型 第 4 章 線性模型 4.1 線性迴歸 4.1.1 線性迴歸簡介 4.1.2 線性迴歸的損失函數 4.1.3 線性模型求解方法：閉式解與梯度下降 4.2 線性迴歸實務應用：同步機勵磁電流預測 4.2.1 資料集描述 4.2.2 載入資料集 4.2.3 將資料切分成訓練集與測試集 4.2.4 特徵標準化 4.2.5 建立Linear Regression 模型 4.2.6 評估模型 4.2.7 迴歸係數分析 4.3 邏輯迴歸 4.3.1 邏輯迴歸簡介 4.3.2 邏輯迴歸學習機制 4.3.3 邏輯迴歸的損失函數 4.3.4 多分類邏輯迴歸 4.4 邏輯迴歸實務應用：鳶尾花朵分類 4.4.1 資料集描述 4.4.2 載入資料集 4.4.3 將資料切分成訓練集與測試集 4.4.4 建立Logistic regression 模型 4.4.5 評估模型 第 5 章 鄰近規則分析 5.1 k- 近鄰演算法 5.1.1 KNN 演算法原理 5.1.2 KNN 於分類和迴歸任務 5.1.3 KNN 度量距離的方法 5.1.4 比較KNN 與K-means 差異 5.2 KNN 實務應用：葡萄酒品種分類 5.2.1 資料集描述 5.2.2 載入資料集 5.2.3 將資料切分成訓練集與測試集 5.2.4 建立KNN 分類模型 5.2.5 評估模型 第 6 章 支援向量機 6.1 支援向量機簡介 6.1.1 支援向量機基本原理 6.1.2 超平面和支援向量 6.1.3 線性支援向量機 6.1.4 非線性支援向量機 6.2 支援向量機於分類和迴歸任務 6.2.1 SVM 分類器 6.2.2 SVM 迴歸器 6.2.3 參數調整技巧 6.3 SVM（分類）實務應用：手寫數字辨識 6.3.1 資料集描述 6.3.2 載入資料集 6.3.3 特徵前處理：t-SNE 降維 6.3.4 前置作業 6.3.5 建立SVM 分類模型 6.4 SVR（迴歸）實務應用：薪資預測 6.4.1 資料集描述 6.4.2 載入資料集 6.4.3 將資料切分成訓練集與測試集 6.4.4 建立SVR 迴歸模型 6.4.5 評估模型 6.4.6 視覺化預測：迴歸分析 第 7 章 決策樹 7.1 決策樹簡介 7.1.1 決策樹的基本概念 7.1.2 分類樹的生長過程 7.1.3 分類樹的評估指標 7.1.4 迴歸樹的生長過程 7.1.5 迴歸樹的評估指標 7.2 CART 決策樹 7.2.1 CART 演算法流程 7.2.2 決策樹剪枝 7.3 決策樹的可解釋性 7.3.1 決策樹的特徵重要性 7.4 決策樹（分類）實務應用：玻璃類型檢測 7.4.1 資料集描述 7.4.2 載入資料集 7.4.3 將資料切分成訓練集與測試集 7.4.4 建立分類決策樹模型 7.4.5 評估模型 7.4.6 模型的可解釋性 7.4.7 繪製決策邊界 7.5 決策樹（迴歸）實務應用：房價預測 7.5.1 資料集描述 7.5.2 載入資料集 7.5.3 特徵工程 7.5.4 將資料切分成訓練集與測試集 7.5.5 建立迴歸決策樹 7.5.6 評估模型 7.5.7 模型的可解釋性 第 8 章 整體學習 8.1 何謂整體學習？ 8.1.1 特徵面 8.1.2 資料面 8.2 隨機森林 8.2.1 隨機森林簡介 8.2.2 隨機森林的生成方法 8.3 隨機森林（分類）實務應用：糖尿病罹患預測 8.3.1 資料集描述 8.3.2 載入資料集 8.3.3 將資料切分成訓練集與測試集 8.3.4 建立隨機森林分類模型 8.3.5 評估模型 8.3.6 模型的可解釋性 8.4 隨機森林（迴歸）實務應用：帕金森氏症評估預測 8.4.1 資料集描述 8.4.2 載入資料集 8.4.3 將資料切分成訓練集與測試集 8.4.4 建立隨機森林分類模型 8.4.5 評估模型 8.4.6 模型的可解釋性 8.5 極限梯度提升（XGBoost） 8.5.1 極限梯度提升簡介 8.5.2 XGBoost 模型結構 8.6 XGBoost（分類）實務應用：銀行客戶定存申辦預測 8.6.1 資料集描述 8.6.2 載入資料集 8.6.3 資料清理 8.6.4 將資料切分成訓練集與測試集 8.6.5 建立XGBoost 分類模型 8.6.6 評估模型 8.6.7 模型的可解釋性 8.7 XGBoost（迴歸）實務應用：汽車燃油效率預測 8.7.1 資料集描述 8.7.2 載入資料集 8.7.3 將資料切分成訓練集與測試集 8.7.4 建立XGBoost 迴歸模型 8.7.5 評估模型 8.7.6 模型的可解釋性 第 3 部分 進階概念與應用 第 9 章 交叉驗證和錯誤修正 9.1 不能忽視的過擬合與欠擬合 9.1.1 如何選擇最佳的模型？ 9.1.2 過擬合 vs 欠擬合 9.1.3 偏差與方差的差權衡 9.1.4 如何避免欠擬合？ 9.1.5 如何避免過擬合？ 9.2 交叉驗證簡介 9.2.1 何謂交叉驗證？ 9.2.2 K-Fold 交叉驗證 9.3 機器學習常犯錯的十件事 9.3.1 資料收集與處理不當 9.3.2 訓練集與測試集的類別分佈不一致 9.3.3 沒有資料視覺化的習慣 9.3.4 使用錯誤方法為特徵編碼 9.3.5 資料處理不當導致資料洩漏 9.3.6 僅使用測試集評估模型好壞 9.3.7 在沒有交叉驗證的情況下判斷模型性能 9.3.8 分類問題僅使用準確率作為衡量模型的指標 9.3.9 迴歸問題僅使用 R2 分數評估模型好壞 9.3.10 任何事情別急著想用 AI 解決 第 10 章 模型落地實踐與整合應用 10.1 模型整合與部署 10.1.1 機器學習開發流程回顧 10.1.2 DevOps 與MLOps 概念簡介 10.1.3 如何將模型整合到實際應用中 10.2 儲存訓練好的模型 10.2.1 ONNX 簡介 10.2.2 將scikit-learn 模型輸出為ONNX 格式 10.3 使用ONNX Runtime 進行模型推論 10.3.1 ONNX Runtime 簡介 10.3.2 載入 ONNX 模型並進行推論 10.4 使用FastAPI 建立模型推論服務 10.4.1 FastAPI 框架介紹 10.4.2 Python 後端開發框架比較 10.4.3 撰寫第一個 FastAPI 應用 10.4.4 整合ONNX 模型於API 中 10.4.5 使用Postman 測試API 10.4.6 自動生成 AIP 文件 10.5 網頁推論與前後端整合 10.5.1 環境設定與準備 10.5.2 建立簡單的前端界面 10.5.3 前後端 API 串接

多元性別族群心理健康手冊: 認識性別與性傾向光譜 (1版)

類似書籍推薦給您

【簡介】 本書是網羅了 LGBTQ 心理健康領域的各個專家所撰寫，內容涵蓋科學文獻到臨床經驗，全書共分為女同性戀、男同性戀、雙性戀、跨性別、酷兒、疑性戀、陰陽人、無性戀、泛性戀及直同志等十個章節，每個章節從性別和性傾向心理和文化面向出發，並闡述該社群的歷史與定義，以及在 21 世紀當代的樣貌。書中以治療師和個案對談的方式，為同志友善的人解答常見的提問，例如：個案與其親友及醫師們最想知道的、該怎麼說和怎麼做。最後，本書會討論進行 LGBTQ2IAPA 多元性別族群心理諮商、心理治療時常見的情境，這是一本想了解多元性別族群的讀者最佳之入門導引。 【目錄】 前言 (Preface: LGBTQ2IAPA) ix 作者群 (Contributors) xii 譯者序 (Translator's Preface) xiv 譯者介紹 (Translator Introduction) xv 1 女同性戀：LGBTQ2IAPA 中的L (Lesbian: The L in LGBTQ2IAPA) Daena L. Petersen, M.D., M.P.H., M.A. Mary E. Barber, M.D. Nix Zelin, M.D. Eric Yarbrough, M.D. 1 2 男同性戀：LGBTQ2IAPA 中的G (Gay: The G in LGBTQ2IAPA) Ahmad A. Mohammad, M.D., M.A. Eric Yarbrough, M.D. 17 3 雙性戀：LGBTQ2IAPA 中的B (Bisexual: The B in LGBTQ2IAPA) Sarah Noble, D.O. 47 4 跨性別：LGBTQ2IAPA 中的T (Transgender: The T in LGBTQ2IAPA) Murat Altinay, M.D. 5 酷兒：LGBTQ2IAPA 中的第一個Q 61 (Queer: The First Q in LGBTQ2IAPA) Sam Marcus, M.A. E.K. Breitkopf, M.A. 87 6 疑性戀：LGBTQ2IAPA 中的第二個Q (Questioning: The Second Q in LGBTQ2IAPA) Mark Joseph Messih, M.D., M.Sc. 109 7 陰陽人：LGBTQ2IAPA 中的I (Intersex: The I in LGBTQ2IAPA) Adrian Jacques H. Ambrose, M.D., M.P.H., FAPA 127 8 無性戀：LGBTQ2IAPA 中的第一個A (Asexual: The First A in LGBTQ2IAPA) Selale Gunal Petros Levounis, M.D., M.A. 145 9 泛性戀：LGBTQ2IAPA 中的P (Pansexual: The P in LGBTQ2IAPA) Victoria Formosa, L.C.S.W. 159 10 直同志：LGBTQ2IAPA 中的第二個A (Ally: The Second A in LGBTQ2IAPA) Angeliki Pesiridou, M.D. Serena M. Chang, M.D. 177 索引 (Index) 191

從赫德到米德：邁向溝通共同體的德國古典語言哲學思路 (1版)

類似書籍推薦給您

【簡介】 以德國古典語言哲學傳統作為研究的對象，涵蓋從18世紀末探討語言起源論的赫德（J. G. Herder），到20世紀初為社會心理學建立符號互動論基礎的米德（G. H. Mead） 語言的作用將不再局限於標指事物與傳遞訊息，而在於更深層地開顯世界與協調行動 思維也將不再離開語言，而得以將一種先於語言邏各斯存在的先驗主體 歷史―社會脈絡化地落實在一種，交互主體性的溝通共同體中 林遠澤在本書《從赫德到米德：邁向溝通共同體的德國古典語言哲學思路》，一方面從「歷史比較語言學」的路線（第一至三章），論述從赫德（Herder）到洪堡特（Humboldt）的德國古典語言哲學，如何在亞里斯多德的語言工具觀之外，為語言的語意學研究增加一種具世界開顯性作用的存有學向度；另一方面則從「語言心理學」的路線（第四至六章），闡釋從馮特（Wundt）到米德（Mead）的後續發展，如何在語言表象的作用外，為語言的語用學研究增加一種具行動規範性作用的溝通實踐向度。透過這兩方面的研究，一方面可以使我們不再僅將語言的作用局限在標指事物與傳遞訊息，而是在於更深層地開顯世界與協調行動；另一方面，這個研究也使我們確定思維不能離開語言，從而得以將一種先於語言邏各斯存在的先驗主體，歷史－社會脈絡化地落實在一種交互主體性的溝通共同體中。惟當如此，哲學之語言學轉向的重要性與必要性，方得以在本書中得到真正的說明。 《從赫德到米德》借鏡《從康德到黑格爾》的提法，闡釋《從赫德到米德》的德國古典語言哲學如何相對於先驗觀念論的意識哲學進路，推動哲學轉向去思考在語言學模式中的溝通共同體理念。本書劃分六章與一個附錄，主要分成兩個部分。第一部分（I）包含前三章，在赫德與哈曼關於語言起源論的爭議中，一種不同於亞里士多德語言工具觀的語言哲學觀點如何產生出來。以及這種觀點如何影響了洪堡特，以至於他會主張作為建構思想的器官，語言不應是成品而是活動。洪堡特最後透過語言的交談結構，解釋在語言世界觀之意義多元主義下，吾人的世界理解如何具有客觀性，這開創了語用學之溝通向度的討論。包括第四至六章的第二部分（II），探討德國古典語言哲學在20世紀初期的發展過程。它始於馮特的研究，因為在青年語法學派將歷史比較語言學轉向語言心理學的研究之後，馮特首先針對語音之語意表達的普遍可理解性問題，深入研究了人類的語言如何能從動物的身體姿態表達，轉化成以表意符號進行溝通互動。 【目錄】 哲學中「語言轉向」的別支──序林遠澤《從赫德到米德》╱關子尹 作者序 導論 一、亞里士多德傳統語言工具觀的形成 二、語言分析哲學的傳統語言哲學局限 （一）亞里士多德《形上學》的存有論詮釋學預設 （二）亞里士多德《修辭學》的溝通行動理論轉向 三、哲學在德國古典語言哲學中的轉向 （一）語言的世界開顯性與語意學向度的擴展 （二）語言的規範性建制與語用學向度的補充 （三）邁向溝通共同體的德國古典語言學思路 I　從赫德到洪堡特：歷史比較語言學與語言的世界開顯性 第一章　赫德語言起源論的存有論詮釋學解讀 一、從語言起源論看語言哲學的音義背離現象 （一）蘇斯米希的「語言上帝起源論」與語音之情感表達功能的背離 （二）孔狄亞克的「語言動物起源論」與語意之符號溝通功能的背離 二、赫德「語言人類起源論」的「以音構義」理論 （一）赫德的語言批判進路 （二）以音構義的命名活動 1. 聽覺的存有論優先性 2. 準先驗性的語言與去先驗化的理性之同構 3. 語言的世界開顯性及其人類學的奠基 三、赫德語言起源論的理論限度 第二章　哈曼論純粹理性批判的語文學後設批判 一、哈曼對於康德先驗哲學的後設批判 二、哈曼與啟蒙時期的語言哲學問題 三、哈曼的赫德批判與先驗語言學的構想 （一）哈曼對於語言的上帝起源論的重構 （二）哈曼對於語言的人類起源論的批判 1. 語言之創造與應用能力的區分 2. 人類的社群性與語言相互理解的可能性基礎 3. 啟示與傳統的先驗語言學優位性 四、哈曼的語文學言說主義之意義與局限 （一）哈曼的語文學言說主義之意義 （二）哈曼的語文學言說主義之局限 第三章　洪堡特論語言的世界開顯性與理性的對話性 一、洪堡特語言研究的時代背景及其著作計畫 二、洪堡特論語言的本質與語言的世界開顯性 （一）亞里士多德―萊布尼茲傳統的語言工具觀 （二）赫德語言起源論的啟發 （三）魏斯格博對於語言之世界開顯性的解讀 三、語言世界觀的相對性與洪堡特的非同一性意義理解理論 （一）布朗對於語言相對性主張的分析 （二）博許對於語言相對性解讀的批判 （三）洪堡特的非同一性意義理解理論 四、洪堡特論理性的對話性與言說的語用學向度 （一）語言的社群性基礎 （二）語言交談的原型與理性的對話性結構 （三）洪堡特語言觀的語用學向度及其限制 五、洪堡特語言哲學的哲學史意義 II　從馮特到米德：語言心理學與語言的行動規範建制 第四章　馮特的語言身體姿態起源論與民族心理學理念 一、從洪堡特到馮特：史坦塔爾的語言心理學創建 （一）文法學與邏輯學的區分 （二）內在語言形式的語言心理學闡釋 二、馮特的表達運動理論 （一）馮特的「生理心理學」構想 （二）表達運動理論的歷史溯源：面相學與戲劇學 （三）表達運動的系統重構 三、馮特的手勢語言理論 （一）手勢語的構詞學 （二）手勢語的句法學 （三）手勢語與意義的身體姿態構成論 1. 指示手勢的意向性意指作用 2. 表現手勢的想像力形構作用 3. 象徵手勢的概念感性化轉移作用 四、聲音姿態與語音語言 （一）聲音語言形成的發生學闡釋 （二）對語言起源論之語音中心主義的批判 （三）當代語伴手勢研究的復興與啟發 五、民族心理學與文化科學的語言學奠基 （一）民族心理學的理念與系統 （二）民族精神與共通感的建構 （三）未竟的文化科學之語言學奠基 第五章　卡西勒符號形式哲學的文化哲學建構 一、卡西勒與新康德主義的哲學構想 （一）新康德主義的理論遺產 （二）作為自由哲學的先驗哲學 二、卡西勒論批判的文化哲學 （一）先驗哲學的符號學轉向 1. 符號學的知識論 2. 從康德到洪堡特的轉向 （二）符號形式的文化哲學推證 1. 符號功能的文法學 2. 語言、神話與符號形式的文化哲學推證 （三）符號形式哲學的理論意義與困境 三、卡西勒論形上學的文化哲學 （一）達弗斯之爭的影響 1. 海德格基於此在形上學的批判 2. 卡西勒基於人文主義奠基的回應 （二）文化哲學的知覺現象學重構 1. 從符號形著性到生命的基本現象 2. 知覺現象學與文化科學的邏輯重構 （三）形上學的文化哲學的理論意義與困境 第六章　米德社會心理學的溝通行動理論重構 一、米德的早期思想發展與理論雛形 （一）美國實用主義與德國古典語言哲學的綜合 （二）米德社會心理學的理論雛形 （三）米德詮釋的重新出發 二、米德的社會心理學體系及其哲學涵義 （一）從姿態會話到語言溝通 1. 姿態會話與意義的邏輯結構 2. 表意符號與思想活動 （二）從自我意識到角色認同 1. 語言溝通與自我意識的建立 2. 遊戲、競賽與社會自我的建立 3. 主我、客我與理性自我的建立 4. 米德未完成的溝通理論 三、米德的理論缺失批判與溝通理論的重構 （一）圖根哈特對於內在主體性缺失的批判 （二）哈伯瑪斯的溝通理論重構 附錄　德國古典語言哲學的漢語研究 一、從洪堡特的語言哲學傳統論在漢語中的漢字思維 二、洪堡特語言學的漢語難題 （一）洪堡特論語言與思想的關係 （二）洪堡特的語言類型學區分 （三）洪堡特漢語研究的難題 三、洪堡特文字學的漢字難題 （一）洪堡特語言學的文字學轉向 （二）洪堡特的文字類型學區分 （三）洪堡特漢字研究的難題 四、在漢語中的漢字思維 （一）恩德利希爾的六書詮釋 （二）史坦塔爾論漢字的哲學 （三）馮特論手勢語言與漢字 引用書目 本書內容原始出處說明