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篇基於知識的人工智能

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章基於知識的機器學習

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篇基於數據的人工智能

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特徵工程

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基於反向傳播網絡的學習

6.3.2基於Hopfield網絡的學習

6.4小結

習題6

第7章基於數據的機器學習

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特徵選擇

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徵

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基於規則的專家系統

11.2.1基於規則的專家系統的工作模型和結構

11.2.2基於規則的專家系統的特點

11.3基於模型的專家系統

11.3.1基於模型的專家系統的提出

11.3.2基於神經網絡的專家系統

11.4基於Web的專家系統

11.4.1基於Web的專家系統的結構

11.4.2基於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基於消解原理的規劃

12.2.3分層規劃

12.2.4基於專家系統的規劃

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基於免疫進化和示例學習的機器人路徑規劃

12.3.3基於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基於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電腦視覺

13.1.1圖像工程概述

13.1.2圖像採集和處理

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基於深度學習的自然語言處理

13.4.1基於深度學習的語音處理技術

13.4.2基於深度學習的其他自然語言處理技術

13.4.3基於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