[
-
内容大纲
本书按照人工智能历史上的热点迁移顺序，将主体内容分为推理、知识和学习三个部分进行章节组织，系统介绍人工智能的基本原理和方法。在各章内部，按照基本概念、算法模型和应用设计逐步深化提升。具有启发性强、系统性好、注重实用、贴近前沿等特点。配套提供讲解视频、习题答案、实践代码和思维导图等教学资源。
本书主要作为普通高等学校计算机、自动化、电气工程、电子信息等专业本科生和低年级研究生学习人工智能课程的教材，也可为从事人工智能相关研究与应用的技术人员提供参考。 -
作者介绍
-
目录
序
前言
第1章 人工智能概述
1.1 人工智能的基本概念
1.1.1 人工智能的定义
1.1.2 人工智能的研究目标
1.2 人工智能的发展历程
1.2.1 孕育期
1.2.2 推理期
1.2.3 知识期
1.2.4 学习期
1.3 人工智能的主要学派
1.3.1 符号主义
1.3.2 连接主义
1.3.3 行为主义
1.3.4 不同学派的交叉与融合
1.4 人工智能的应用领域
1.4.1 机器视觉
1.4.2 自然语言处理
1.4.3 智能规划与决策
1.4.4 机器人
1.4.5 计算机博弈
1.4.6 专家系统
1.4.7 其他
1.5 人工智能的研究现状
1.5.1 人工智能擅长处理的问题
1.5.2 现阶段人工智能的局限性
1.6 本章小结
思考题
第2章 状态空间搜索
2.1 状态空间搜索概述
2.1.1 状态空间的基本概念
2.1.2 通用图搜索框架
2.1.3 状态空间的形式化表示
2.2 盲目搜索
2.2.1 宽度优先搜索
2.2.2 深度优先搜索
2.2.3 代价优先搜索
2.3 启发式搜索
2.3.1 A算法
2.3.2 A*算法
2.4 本章小结
思考题
练习题
第3章 人工智能博弈
3.1 博弈问题概述
3.1.1 博弈问题的描述
3.1.2 博弈问题的分类
3.1.3 博弈问题求解的特点
3.2 完美信息博弈
3.2.1 双人零和完美信息博弈问题描述
3.2.2 极小极大搜索
3.2.3 α-β剪枝
3.2.4 蒙特卡罗树搜索
3.3 不完美信息博弈
3.3.1 纳什均衡
3.3.2 遗憾*小化
3.4 随机博弈
3.4.1 随机博弈问题描述
3.4.2 期望极小极大搜索
3.5 本章小结
思考题
练习题
第4章 智能优化算法
4.1 遗传算法
4.1.1 遗传算法的基本原理
4.1.2 基于遗传算法的旅行商问题求解
4.1.3 遗传算法的特点和应用
4.2 蚁群优化算法
4.2.1 蚁群优化算法的基本原理
4.2.2 基于蚁群优化算法的旅行商问题求解
4.2.3 蚁群优化算法的特点和应用
4.3 粒子群优化算法
4.3.1 粒子群优化算法的基本原理
4.3.2 基于粒子群优化算法的旅行商问题求解
4.3.3 粒子群优化算法的特点和应用
4.4 模拟退火算法
4.4.1 模拟退火算法的基本原理
4.4.2 基于模拟退火算法的旅行商问题求解
4.4.3 模拟退火算法的特点和应用
4.5 本章小结
思考题
练习题
第5章 **逻辑推理
5.1 **逻辑推理概述
5.1.1 **逻辑推理的基本概念
5.1.2 典型逻辑推理问题
5.2 命题逻辑推理
5.2.1 命题逻辑的基本概念
5.2.2 命题演算的推理方法
5.2.3 基于命题归结的自动定理证明
5.3 谓词逻辑推理
5.3.1 谓词逻辑的基本概念
5.3.2 基于谓词归结的自动定理证明
5.3.3 基于谓词归结的问题求解
5.4 本章小结
思考题
练习题
第6章 确定性知识表示与推理
6.1 确定性知识表示与推理概述
6.1.1 知识和知识表示的基本概念
6.1.2 典型的知识表示方法
6.1.3 推理的基本概念和方法
6.2 产生式
6.2.1 产生式的基本概念
6.2.2 产生式系统的组成
6.2.3 产生式系统的推理
6.2.4 产生式系统的特点
6.3 语义网络
6.3.1 语义网络的基本概念
6.3.2 语义网络的表示
6.3.3 语义网络的推理
6.3.4 语义网络的特点
6.4 框架
6.4.1 框架的基本概念
6.4.2 框架的表示
6.4.3 框架的推理
6.4.4 框架的特点
6.5 知识图谱
6.5.1 知识图谱的基本概念
6.5.2 知识图谱的分类
6.5.3 知识图谱的构建
6.5.4 知识图谱的特点
6.5.5 知识图谱的应用
6.6 本章小结
思考题
练习题
第7章 不确定性知识表示与推理
7.1 不确定性知识表示与推理概述
7.1.1 知识的不确定性及其表示方法
7.1.2 不确定性推理的基本问题
7.1.3 不确定性推理方法的分类
7.2 概率推理及其扩展方法
7.2.1 贝叶斯网络推理方法
7.2.2 主观贝叶斯方法
7.2.3 可信度方法
7.2.4 证据理论
7.3 模糊推理
7.3.1 模糊集合理论
7.3.2 模糊推理方法
7.4 本章小结
思考题
练习题
第8章 机器学习
8.1 机器学习概述
8.1.1 机器学习的基本概念
8.1.2 机器学习的常见术语
8.1.3 机器学习的分类
8.1.4 机器学习的三要素
8.1.5 机器学习的相关理论
8.1.6 机器学习的主要特点
8.2 有监督学习
8.2.1 回归问题和分类问题
8.2.2 回归问题求解方法
8.2.3 回归性能评估
8.2.4 分类问题求解方法
8.2.5 分类性能评估
8.3 无监督学习
8.3.1 聚类的基本思想
8.3.2 相似性的度量
8.3.3 聚类的主要方法
8.3.4 聚类性能的评估
8.4 半监督学习
8.4.1 半监督学习的基本思想
8.4.2 半监督学习的主要方法
8.4.3 半监督学习的应用
8.5 强化学习
8.5.1 强化学习的基本思想
8.5.2 强化学习的主要方法
8.5.3 强化学习的应用
8.6 本章小结
思考题
练习题
第9章 人工神经网络与深度学习
9.1 人工神经网络概述
9.1.1 生物神经元和生物神经网络
9.1.2 人工神经网络的基本要素
9.1.3 人工神经元模型
9.1.4 人工神经网络的拓扑结构
9.1.5 人工神经网络的学习规则
9.2 浅层神经网络
9.2.1 感知器
9.2.2 BP网络
9.2.3 Hopfield网络
9.2.4 自组织特征映射网络
9.3 深度神经网络
9.3.1 深度神经网络概述
9.3.2 卷积神经网络
9.3.3 循环神经网络
9.3.4 生成对抗网络
9.4 深度学习大模型
9.4.1 大模型的基本原理
9.4.2 预训练大模型的典型架构
9.4.3 大模型的核心技术
9.4.4 大模型的应用与挑战
9.5 本章小结
思考题
练习题
第10章 Agent
10.1 Agent基本概念
10.1.1 Agent定义
10.1.2 Agent函数和Agent程序
10.1.3 理性Agent
10.1.4 研究Agent的意义
10.2 Agent任务环境
10.2.1 任务环境描述方法
10.2.2 任务环境属性
10.3 Agent程序类型
10.3.1 简单反射Agent
10.3.2 基于模型的反射Agent
10.3.3 基于目标的Agent
10.3.4 基于效用的Agent
10.3.5 学习Agent
10.4 多Agent系统
10.4.1 多Agent系统的概念
10.4.2 多Agent系统的组织结构
10.4.3 多Agent系统的通信
10.4.4 多Agent系统的协作
10.4.5 多Agent系统的特点
10.5 本章小结
思考题
练习题
第11章 人工智能发展展望
11.1 人工智能发展的趋势
11.1.1 人工智能发展特点
11.1.2 人工智能发展预期
11.1.3 人工智能发展方向
11.2 人工智能发展的风险与挑战
11.2.1 人工智能发展的潜在风险
11.2.2 超人工智能出现的潜在威胁
11.2.3 应对风险挑战的防范举措
11.3 本章小结
思考题
参考文献
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...