- 人工智能导论(第2版新形态立体化双色印刷普通高等教育人工智能专业系列教材)
- - 作者：编者:凌锋//周苏|责编:郝建伟//张翠翠
  - 出版社：机械工业
  - ISBN：9787111770572
  - 出版日期：2025/01/01
  - 页数：306
- 售价：31.6

内容大纲
本书是为高等院校、职业本科院校计算机、人工智能各专业“人工智能导论”课程设计编写的教材，具有丰富的应用特色。全书较为系统、全面地介绍了人工智能相关的概念、理论、技术与应用，可以帮助读者扎实地打好人工智能的专业知识基础。本书内容包括概论、模糊逻辑与大数据思维、智能体与智能代理、知识表示及其方法、规则与专家系统、机器学习及其算法、神经网络与深度学习、创建智能系统的强化学习、数据挖掘与经典算法等。
本书既适合高等院校、职业本科院校学生学习，也适合对人工智能相关领域感兴趣的读者阅读参考。
作者介绍
目录
前言
课程教学进度表
第1章  概论
  【导读案例】有意义的人工智能时代
  1.1  计算的渊源
    1.1.1  阿拉伯数字
    1.1.2  巴贝奇与数学机器
    1.1.3  “机器人”的由来
  1.2  计算机的出现
    1.2.1  为战争而发展的计算机器
    1.2.2  计算机无处不在
    1.2.3  通用计算机
    1.2.4  计算机语言
    1.2.5  计算机建模
    1.2.6  人工智能大师
  1.3  人工的智能行为
    1.3.1  什么是“智能”
    1.3.2  类人行为：图灵测试
    1.3.3  类人思考：认知建模
    1.3.4  理性思考：思维法则
    1.3.5  理性行为：理性智能体
  1.4  人工智能学科
    1.4.1  人工智能学科基础
    1.4.2  人工智能定义
    1.4.3  人工智能的实现途径
  1.5  人工智能发展的6个阶段
  【作业】
第2章  模糊逻辑与大数据思维
  【导读案例】电商网站的推荐系统
  2.1  什么是模糊逻辑
    2.1.1  甲虫机器人的规则
    2.1.2  模糊逻辑的发明
    2.1.3  制定模糊逻辑的规则
    2.1.4  模糊逻辑的定义
    2.1.5  模糊理论的发展
  2.2  模糊逻辑系统
    2.2.1  纯模糊逻辑系统
    2.2.2  高木-关野模糊逻辑系统
    2.2.3  具有模糊产生器及模糊消除器的模糊逻辑系统
  2.3  大数据思维与变革
    2.3.1  思维转变之一：样本=总体
    2.3.2  思维转变之二：接受数据的混杂性
    2.3.3  思维转变之三：数据的相关关系
  2.4  大数据与人工智能
    2.4.1  人工智能与大数据的联系
    2.4.2  人工智能与大数据的区别
    2.4.3  人工智能深化大数据应用
  【作业】
第3章  智能体与智能代理
  【导读案例】智能体：下一个颠覆性AI应用

  3.1  智能体和环境
  3.2  智能体的良好行为
    3.2.1  性能度量
    3.2.2  理性
    3.2.3  全知、学习和自主
  3.3  环境的本质
    3.3.1  指定任务环境
    3.3.2  任务环境的属性
  3.4  智能体的结构
    3.4.1  智能体程序
    3.4.2  学习型智能体
    3.4.3  智能体程序组件的工作
  3.5  智能代理技术
    3.5.1  智能代理的定义
    3.5.2  智能代理的典型工作过程
    3.5.3  智能代理的特点
    3.5.4  系统内的协同合作
  3.6  智能代理的典型应用
    3.6.1  股票/债券/期货交易
    3.6.2  医疗诊断
    3.6.3  搜索引擎
    3.6.4  实体机器人
    3.6.5  游戏代理
  【作业】
第4章  知识表示及其方法
  【导读案例】智能体将重构人机交互
  4.1  什么是知识表示
    4.1.1  知识的概念
    4.1.2  知识表示方法
    4.1.3  表示方法的选择
  4.2  图形草图
  4.3  图和哥尼斯堡桥问题
  4.4  搜索树（决策树）
  4.5  产生式系统
  4.6  面向对象
  4.7  框架法
  4.8  语义网络
    4.8.1  语义网络表示
    4.8.2  知识图谱
  【作业】
第5章  规则与专家系统
  【导读案例】人工智能时代的工作路径
  5.1  专家的技能与特点
    5.1.1  在自己的领域里作为专家
    5.1.2  技能获取的5个阶段
    5.1.3  专家的特点
  5.2  规则与策略
    5.2.1  制胜策略
    5.2.2  知识工程
    5.2.3  知识获取

  5.3  利用规则推导建立专家系统
    5.3.1  规则举例
    5.3.2  建立框架
    5.3.3  IBM的沃森系统
  5.4  专家系统及其发展
    5.4.1  建立专家系统的思考
    5.4.2  专家系统的特征
    5.4.3  典型的专家系统——ADIS
  5.5  专家系统的结构
    5.5.1  专家系统的功能
    5.5.2  知识库
    5.5.3  推理机
    5.5.4  其他部分
    5.5.5  实现方式
  【作业】
第6章  机器学习及其算法
  【导读案例】奈飞的电影推荐引擎
  6.1  什么是机器学习
    6.1.1  机器学习的发展
    6.1.2  机器学习的定义
    6.1.3  机器学习的研究
  6.2  基于学习方式的分类
    6.2.1  监督学习
    6.2.2  无监督学习
    6.2.3  强化学习
    6.2.4  机器学习的其他分类
  6.3  机器学习的基本结构
  6.4  机器学习算法
    6.4.1  专注于学习能力
    6.4.2  回归算法
    6.4.3  基于实例的算法
    6.4.4  决策树算法
    6.4.5  朴素贝叶斯算法
    6.4.6  聚类算法
    6.4.7  支持向量机算法
    6.4.8  神经网络算法
    6.4.9  Boosting与Bagging算法
    6.4.10  关联规则算法
    6.4.11  EM（期望最大化）算法
  6.5  机器学习的应用
    6.5.1  数据分析与挖掘
    6.5.2  模式识别
    6.5.3  生物信息学应用
    6.5.4  物联网
    6.5.5  聊天机器人
    6.5.6  自动驾驶
  【作业】
第7章  神经网络与深度学习
  【导读案例】谷歌大脑
  7.1  动物的中枢神经系统

    7.1.1  神经系统的结构
    7.1.2  神经系统学习机制
  7.2  了解人工神经网络
    7.2.1  人工神经网络的研究
    7.2.2  典型的人工神经网络
    7.2.3  类脑计算机
  7.3  深度学习的定义
    7.3.1  深度学习的优势
    7.3.2  深度学习的意义
    7.3.3  神经网络理解图片
    7.3.4  训练神经网络
    7.3.5  深度学习的方法
  7.4  卷积神经网络
    7.4.1  为什么选择卷积
    7.4.2  卷积神经网络结构
  7.5  迁移学习
    7.5.1  基于实例的迁移
    7.5.2  基于特征的迁移
    7.5.3  基于共享参数的迁移
  7.6  深度学习的应用
  【作业】
第8章  创建智能系统的强化学习
  【导读案例】机器学习帮助拯救濒危物种
  8.1  强化学习的定义
    8.1.1  以奖励假说为基础
    8.1.2  片段性任务及连续性任务
    8.1.3  强化学习发展历史
    8.1.4  基本模型和原理
    8.1.5  网络模型设计
    8.1.6  设计考虑
    8.1.7  数据依赖性
  8.2  强化学习与监督学习的区别
    8.2.1  强化学习与监督学习和无监督
学习的不同
    8.2.2  学习方式
    8.2.3  先验知识与标注数据
  8.3  强化学习的基础理论
    8.3.1  基于模型环境与免模型环境
    8.3.2  探索与利用
    8.3.3  预测与控制
  8.4  强化学习分类
    8.4.1  从奖励中学习
    8.4.2  被动强化学习
    8.4.3  主动强化学习
    8.4.4  强化学习中的泛化
    8.4.5  学徒学习与逆强化学习
  8.5  强化学习的应用
    8.5.1  游戏博弈
    8.5.2  机器人控制
    8.5.3  制造业

    8.5.4  医疗服务业
    8.5.5  电子商务
  【作业】
第9章  数据挖掘与经典算法
  【导读案例】评估葡萄酒的品质
  9.1  从数据到知识
    9.1.1  决策树分析
    9.1.2  购物车分析
    9.1.3  贝叶斯网络
  9.2  数据挖掘方法
    9.2.1  数据挖掘的发展
    9.2.2  数据挖掘的对象
    9.2.3  数据挖掘的步骤
    9.2.4  数据挖掘分析方法
  9.3  数据挖掘经典算法
    9.3.1  神经网络法
    9.3.2  决策树法
    9.3.3  遗传算法
    9.3.4  粗糙集法
    9.3.5  模糊集法
    9.3.6  关联规则法
  9.4  机器学习和数据挖掘
    9.4.1  数据挖掘和机器学习典型过程
    9.4.2  机器学习和数据挖掘应用案例
  【作业】
第10章  计算机视觉与处理
  【导读案例】模仿人类视网膜的生物芯片
  10.1  模式识别
  10.2  图像识别
    10.2.1  人类的图像识别能力
    10.2.2  图像识别的基础
    10.2.3  图形识别的模型
    10.2.4  神经网络图像识别
  10.3  计算机视觉技术
    10.3.1  什么是机器视觉
    10.3.2  定义计算机视觉
    10.3.3  计算机视觉与机器视觉的区别
  10.4  智能图像处理技术
    10.4.1  图像采集
    10.4.2  图像预处理
    10.4.3  图像分割
    10.4.4  目标识别和分类
    10.4.5  目标定位和测量
    10.4.6  目标检测和跟踪
  10.5  计算机视觉系统典型功能
  10.6  计算机视觉技术的应用
    10.6.1  机器视觉的行业应用
    10.6.2  检测与机器人视觉应用
    10.6.3  布匹生产质量检测
  【作业】

第11章  包容体系结构与机器人
  【导读案例】RoboCup机器人世界杯足球锦标赛
  11.1  什么是包容体系结构
    11.1.1  所谓“中文房间”
    11.1.2  传统机器人学
    11.1.3  建立包容体系结构
  11.2  包容体系结构的实现
    11.2.1  艾伦机器人
    11.2.2  赫伯特机器人
    11.2.3  托托机器人
  11.3  划时代的阿波罗计划
  11.4  机器感知
    11.4.1  机器智能与智能机器
    11.4.2  机器思维与思维机器
    11.4.3  机器行为与行为机器
  11.5  机器人的概念
    11.5.1  机器人的发展
    11.5.2  机器人“三原则”
  11.6  机器人的技术问题
    11.6.1  机器人的组成
    11.6.2  机器人的运动
    11.6.3  机器人大狗
  【作业】
第12章  自然语言与语音处理
  【导读案例】机器翻译：大数据简单算法与小数据复杂算法
  12.1  语言的问题和可能性
  12.2  什么是自然语言处理
    12.2.1  自然语言处理的原因
    12.2.2  自然语言处理的方法
    12.2.3  自然语言处理的任务
    12.2.4  语言模型
  12.3  语法类型与语义分析
    12.3.1  语法类型
    12.3.2  语义分析
  12.4  处理数据与处理工具
    12.4.1  统计NLP语言数据集
    12.4.2  自然语言处理工具
    12.4.3  自然语言处理技术难点
  12.5  语音处理
    12.5.1  语音处理的发展
    12.5.2  语音理解
    12.5.3  语音识别
  【作业】
第13章  GPT大语言模型崛起
  【导读案例】难以区分的人工智能和人类艺术
  13.1  自然语言处理的进步
    13.1.1  关于ImageNet
    13.1.2  自然语言处理的ImageNet时刻
    13.1.3  从GPT-1到GPT-3
    13.1.4  ChatGPT聊天机器人模型与对策

    13.1.5  从文本生成音乐的MusicLM模型
    13.1.6  检测AI文本的DetectGPT算法
  13.2  科普AI大语言模型
    13.2.1  大语言模型的能力
    13.2.2  国内的大语言模型
    13.2.3  获得大模型的机会
  13.3  ChatGPT的模仿秀
    13.3.1  旧的守卫，新的想法
    13.3.2  搜索引擎结合LLM
    13.3.3  克服简单编造与重复
  13.4  传统行业的下岗
    13.4.1  客服市场，AI本来就很“卷”
    13.4.2  伐木场迎来工业革命
    13.4.3  新技术，新问题
  【作业】
第14章  向动物学习群体智能
  【导读案例】“超级蜂群”无人机
  14.1  向蜜蜂学习群体智能
  14.2  什么是群体智能
    14.2.1  群体人工智能技术
    14.2.2  群体智能的两种机制
    14.2.3  基本原则与特点
  14.3  典型算法模型
    14.3.1  蚁群算法
    14.3.2  搜索机器人
    14.3.3  微粒群（鸟群）优化算法
    14.3.4  没有机器人的集群
  14.4  群体智能背后的故事
  14.5  群体智能的应用与发展
  【作业】
第15章  智能制造与智能建造
  【导读案例】互联网之父预言：智能眼镜未来将取代手机
  15.1  智能制造
    15.1.1  综合特征
    15.1.2  智能技术
    15.1.3  测控装置
    15.1.4  运作过程
  15.2  数字孪生
    15.2.1  数字孪生的动态仿真
    15.2.2  数字孪生的价值
  15.3  建筑信息模型
    15.3.1  BIM基本特性
    15.3.2  BIM对工程造价的影响
    15.3.3  BIM模型的构架
    15.3.4  BIM生态系统
    15.3.5  BIM全周期实施规划
  15.4  智能建造
    15.4.1  智能建造的定义
    15.4.2  实现智能建造
  【作业】

第16章  自动规划及其方法
  【导读案例】人与机器更好相处的“阿凡达”之路
  16.1  规划的概念
  16.2  人工智能的乌姆普思世界
    16.2.1  描述乌姆普思世界
    16.2.2  探索乌姆普思世界
  16.3  什么是自动规划
    16.3.1  定义经典规划
    16.3.2  自动规划问题
  16.4  规划方法
    16.4.1  规划即搜索
    16.4.2  部分有序规划
    16.4.3  分级规划
    16.4.4  基于案例的规划
    16.4.5  规划方法分析
  16.5  时间、调度和资源
    16.5.1  时间约束和资源约束的表示
    16.5.2  解决调度问题
  16.6  自动规划的应用
  【作业】
第17章  搜索技术与算法
  【导读案例】科研变革进入第五范式：“加速”也要防“跑偏”
  17.1  关于搜索算法
  17.2  盲目搜索
    17.2.1  状态空间图
    17.2.2  回溯算法
    17.2.3  贪婪算法
    17.2.4  旅行销售员问题
    17.2.5  深度优先搜索
    17.2.6  广度优先搜索
    17.2.7  迭代加深搜索
  17.3  知情搜索
    17.3.1  启发法
    17.3.2  爬山法
    17.3.3  最陡爬坡法
    17.3.4  最佳优先搜索
    17.3.5  分支定界法
    17.3.6  A*算法
  17.4  受到自然启发的搜索
    17.4.1  遗传规划
    17.4.2  蚂蚁聚居地优化
    17.4.3  模拟退火
    17.4.4  粒子群
    17.4.5  禁忌搜索
  【作业】
第18章  人工智能的发展
  【导读案例】AI生成的作品也有著作权
  18.1  创新发展与社会影响
    18.1.1  人工智能发展的启示
    18.1.2  人工智能的发展现状与影响

  18.2  伦理与安全
    18.2.1  创造智能机器的大猩猩问题
    18.2.2  积极与消极的方面
    18.2.3  人才和基础设施短缺
    18.2.4  设定伦理要求
    18.2.5  强力保护个人隐私
    18.2.6  机器人权利
  18.3  人工智能的极限
    18.3.1  由非形式化得出的论据
    18.3.2  衡量人工智能
  18.4  人工智能架构
    18.4.1  传感器与执行器
    18.4.2  通用人工智能
    18.4.3  人工智能工程
  18.5  未来的人工智能
    18.5.1  意识与感质
    18.5.2  机器能思考吗
    18.5.3  从模仿到理解
    18.5.4  未来已来
  【作业】
附录  作业参考答案
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目