人工智能--原理與技術

葉佩軍、王飛躍

  • 人工智能--原理與技術-preview-1
  • 人工智能--原理與技術-preview-2
  • 人工智能--原理與技術-preview-3
人工智能--原理與技術-preview-1

商品描述

本書涵蓋人工智能學科的大多數領域,共分為十一章。第一章緒論,介紹人工智能的歷史、最新發展狀態及所包含的領域。剩餘十章分別介紹各領域的基本原理與技術,包括知識表示與邏輯系統、搜索與自動規劃、不確定性推理、機器學習,以及近年快速發展的人工神經網絡(深度學習)、強化學習、分佈式人工智能與多智能體系統、平行智能、知識自動化、智能控制等。

目錄大綱

目錄

第1章緒論

1.1人工智能的基本概念

1.2人工智能的發展簡史

1.3人工智能的最新發展

1.4本書的主要內容和組織結構

1.5本章小結

參考文獻

第一篇邏 輯 智 能

第2章知識表示

2.1本體論

2.1.1本體的定義

2.1.2本體的構建

2.1.3基本形式化本體

2.2資源描述框架和本體語言

2.2.1RDF的基本結構

2.2.2RDFS本體語言

2.2.3OWL語言

2.3知識圖譜

2.3.1知識圖譜的基本概念

2.3.2知識圖譜的構建方法

2.3.3本體/知識圖譜的應用

2.4本章小結

參考文獻

第3章邏輯推理與專家系統

3.1命題邏輯

3.1.1命題的基本概念及其運算

3.1.2命題邏輯的推理規則

3.1.3魯濱遜歸結原理

3.2一階邏輯

3.2.1一階邏輯的基本概念

3.2.2合一算法

3.2.3前向鏈接和反向鏈接

3.2.4歸結證明

3.3Herbrand定理

3.4邏輯系統編程語言

3.4.1Prolog

3.4.2LISP

3.5專家系統

3.6本章小結

參考文獻

第4章搜索智能

4.1圖搜索

4.1.1寬度優先搜索

4.1.2深度優先搜索

4.1.3A*搜索

4.2局部搜索

4.2.1爬山法

4.2.2牛頓法

4.2.3梯度下降法

4.3本章小結

參考文獻

第5章自動規劃

5.1規劃問題的形式化表示

5.2狀態空間規劃

5.3規劃空間規劃

5.4規劃圖

5.5時序規劃

5.6本章小結

參考文獻

第6章邏輯系統中的學習

6.1歸納邏輯程序設計

6.2解釋學習

6.3關聯學習

6.4本章小結

參考文獻

第二篇計 算 智 能

第7章概率推理

7.1貝葉斯網絡推理

7.1.1貝葉斯網絡的基本概念

7.1.2貝葉斯網絡的精確推理

7.1.3貝葉斯網絡的近似推理

7.2馬爾可夫網絡推理

7.3隱馬爾可夫模型

7.4卡爾曼濾波

7.5動態貝葉斯網絡

7.6時序概率推理的一般方法

7.7證據理論

7.8本章小結

參考文獻

第8章模糊系統

8.1模糊邏輯

8.2粗糙集

8.3本章小結

參考文獻

第9章樣例學習

9.1決策樹

9.1.1決策樹的學習算法

9.1.2屬性重要度計算

9.1.3泛化與過擬合

9.2回歸

9.2.1線性回歸

9.2.2邏輯回歸

9.2.3正則化

9.3支持向量機

9.4非參數化學習

9.5集成學習

9.5.1Boosting

9.5.2Bagging

9.6統計機器學習

9.6.1完全觀測下的概率學習

9.6.2部分觀測下的概率學習

9.6.3無向概率圖學習

9.7無監督學習

9.7.1聚類

9.7.2降維

9.8本章小結

參考文獻

第10章人工神經網絡

10.1單/多層前饋神經網絡

10.1.1單層前饋神經網絡

10.1.2多層前饋神經網絡

10.2深度神經網絡

10.2.1捲積神經網絡

10.2.2循環神經網絡

10.3神經網絡的生成式模型

10.3.1受限玻爾茲曼機

10.3.2生成式對抗網絡

10.4本章小結

參考文獻

第11章強化學習

11.1馬爾可夫決策過程

11.1.1完全可觀察的馬爾可夫決策過程

11.1.2部分可觀察的馬爾可夫決策過程

11.2被動強化學習

11.2.1蒙特卡洛學習

11.2.2時序差分學習

11.3主動強化學習

11.4深度強化學習

11.4.1基於價值的深度強化學習

11.4.2基於策略的深度強化學習

11.5本章小結

參考文獻

第12章進化計算與群體智能

12.1遺傳算法

12.2模擬退火算法

12.3蟻群算法

12.4粒子群優化

12.5人工免疫系統

12.6本章小結

參考文獻

第三篇平 行 智 能

第13章分佈式人工智能與多agent系統

13.1分佈式問題求解

13.1.1分佈式約束滿足

13.1.2分佈式優化

13.2博弈搜索

13.2.1標準式博弈

13.2.2擴展式博弈

13.2.3極小極大搜索

13.2.4蒙特卡洛樹搜索

13.2.5博弈的其他類型

13.3機制設計

13.3.1投票

13.3.2拍賣

13.3.3公共資源分配

13.4本章小結

參考文獻

第14章平行智能

14.1平行系統和ACP方法

14.2人工社會與復雜系統研究

14.3人工系統的構建

14.3.1基礎人口合成

14.3.2agent的體系結構和行為建模

14.4人工系統的初步應用

14.4.1應急疏散

14.4.2人口演化

14.5平行學習

14.6本章小結

參考文獻

第15章知識自動化與社會智能

15.1知識自動化

15.1.1知識自動化的基本思想

15.1.2知識自動化與平行智能的關系

15.2社會智能

15.2.1社會計算: 社會智能的實現方式

15.2.2社會計算與平行智能的關系

15.3本章小結

參考文獻