[
-
内容大纲
本书是国家级一流本科课程“人工智能”的配套教材，是作者二十余年教学经验的结晶。考虑初学者的特点，遵循思维过程安排全书内容，同时通过案例学习深化理解。
全书分两篇，共11章。基础篇（第1～6章）包括绪论、确定性推理、不确定性推理、搜索策略、机器学习和知识图谱。应用篇（第7～11章），包括人工神经网络与深度学习、卷积神经网络及其图像分类案例、推荐系统及其应用案例、决策树分类方法及案例实现和ChatGPT。除绪论外，每章内容均按照“基础理论＋应用案例”的结构组织和撰写。第7章和第8章都以神经网络为基础，其他各章各成体系。
本书适合作为高等院校计算机科学与技术、软件工程、智能科学与技术、人工智能等相关专业高年级本科生、研究生的教材，也可供对人工智能感兴趣的读者参考。 -
作者介绍
-
目录
第1部分 基础篇
第1章 绪论
1.1 人工智能及其衡量智能机器的准则
1.1.1 人工智能的定义
1.1.2 衡量智能机器的准则
1.2 人工智能的发展历史和研究途径
1.2.1 人工智能的发展历史
1.2.2 人工智能的研究途径
1.3 人工智能的研究内容和研究领域
1.3.1 人工智能的研究内容
1.3.2 人工智能的研究领域
1.4 人工智能的应用及未来展望
1.4.1 人工智能的应用
1.4.2 人工智能的未来
1.4.3 人工智能面临的挑战
1.4.4 人工智能发展的机遇
1.5 本章小结
习题
第2章 确定性推理
2.1 确定性推理与不确定性推理
2.1.1 推理的基本概念
2.1.2 确定性推理与不确定性推理
2.1.3 确定性推理的一般过程
2.2 谓词逻辑推理方法
2.2.1 谓词逻辑的知识表示
2.2.2 谓词公式的解释
2.2.3 谓词公式的永真性、可满足性、不可满足性
2.2.4 谓词逻辑应用案例
2.2.5 谓词逻辑知识表示的特点
2.3 自然演绎推理方法
2.3.1 自然演绎推理的推理规则
2.3.2 自然演绎推理的推理方法
2.3.3 自然演绎推理应用案例
2.3.4 自然演绎推理的特点
2.4 归结演绎推理方法
2.4.1 子句和子句集
2.4.2 谓词公式的Skolem标准型
2.4.3 谓词公式化为子句集的方法
2.4.4 归结原理
2.4.5 归结原理的应用案例
2.5 本章小结
习题
第3章 不确定性推理
3.1 产生式知识表示与推理
3.1.1 产生式知识表示法
3.1.2 产生式系统与推理过程
3.1.3 产生式推理应用案例
3.2 可信度推理方法
3.2.1 可信度推理的不确定性度量与表示
3.2.2 可信度推理的不确定性计算
3.2.3 可信度推理应用案例
3.3 主观贝叶斯推理方法
3.3.1 主观贝叶斯推理的不确定度量与表示
3.3.2 主观贝叶斯推理的不确定计算
3.3.3 主观贝叶斯推理应用案例
3.4 本章小结
习题
第4章 搜索策略
4.1 状态空间表示法与搜索
4.1.1 状态空间表示法
4.1.2 状态空间表示法的问题求解案例
4.1.3 状态空间表示法搜索的一般过程
4.2 宽度优先搜索
4.2.1 宽度优先搜索的基本思想与搜索过程
4.2.2 宽度优先搜索应用案例
4.3 深度优先搜索
4.3.1 深度优先搜索的基本思想与搜索过程
4.3.2 深度优先搜索应用案例
4.4 有界深度优先搜索
4.4.1 有界深度优先搜索的基本思想与搜索过程
4.4.2 有界深度优先搜索应用案例
4.5 代价树搜索
4.5.1 代价树搜索的基本思想与搜索过程
4.5.2 代价树搜索应用案例
4.6 启发式搜索
4.6.1 启发式搜索的基本思想与搜索过程
4.6.2 启发式搜索应用案例
4.7 博弈树搜索
4.7.1 博弈类游戏
4.7.2 博弈树的构建及应用
4.7.3 极大极小分析法
4.7.4 α-β剪枝技术
4.8 本章小结
习题
第5章 机器学习
5.1 机器学习的定义和发展历史
5.1.1 机器学习的定义
5.1.2 机器学习的发展历史
5.2 机器学习的分类
5.3 机器学习系统的基本结构
5.4 机器学习方法应用举例
5.4.1 线性模型方法
5.4.2 聚类
5.5 本章小结
习题
第6章 知识图谱
6.1 知识图谱概述
6.1.1 什么是知识图谱
6.1.2 知识图谱的发展历程
6.1.3 知识图谱的价值
6.2 知识图谱的表示与建模
6.2.1 知识图谱的表示方法
6.2.2 知识建模
6.3 知识图谱的抽取与挖掘
6.3.1 知识抽取
6.3.2 知识挖掘
6.4 知识图谱的存储与融合
6.4.1 知识存储
6.4.2 知识融合
6.5 知识图谱的检索与推理
6.5.1 知识检索
6.5.2 知识推理
6.6 知识图谱的问答与对话
6.6.1 知识问答
6.6.2 知识对话
6.7 代表性的知识图谱
6.7.1 经典的通用知识图谱
6.7.2 经典的行业知识图谱
6.7.3 基于互联网搜索的知识图谱
6.7.4 中文开放知识图谱联盟
6.8 知识图谱的发展趋势与挑战
6.8.1 知识图谱的发展趋势
6.8.2 知识图谱面临的挑战
6.9 本章小结
习题
第2部分 应用篇
第7章 人工神经网络与深度学习
7.1 人工神经元与人工神经网络
7.1.1 神经元
7.1.2 神经网络
7.2 BP神经网络及其学习算法
7.2.1 BP神经网络结构
7.2.2 BP神经网络的学习算法
7.2.3 BP神经网络学习的例子
7.3 深度学习
7.4 生成对抗网络及在图像生成中的应用
7.4.1 生成对抗网络
7.4.2 基于生成对抗网络的图像生成方法
7.5 本章小结
习题
第8章 卷积神经网络及其图像分类案例
8.1 卷积神经网络的定义及其结构
8.1.1 卷积神经网络的定义
8.1.2 卷积神经网络的总体架构
8.1.3 卷积层
8.1.4 池化层
8.1.5 激活函数
8.1.6 全连接层
8.1.7 学习率和优化器
8.2 卷积神经网络的特点与发展历程
8.2.1 卷积神经网络的特点
8.2.2 卷积神经网络的发展历程
8.3 基于PyTorch框架的Mnist数据集分类案例
8.3.1 图像分类
8.3.2 PyTorch介绍
8.3.3 PyTorch常用库介绍
8.3.4 Mnist数据集介绍
8.3.5 神经网络训练过程
8.3.6 案例分析
8.4 本章小结
习题
第9章 推荐系统及其应用案例
9.1 什么是推荐系统
9.2 推荐系统的发展历程、面临挑战与未来趋势
9.2.1 推荐系统的发展历程
9.2.2 推荐系统面临的挑战
9.2.3 推荐系统的发展趋势
9.3 推荐系统的基本结构
9.4 基于协同过滤的推荐方法
9.4.1 基于内存的协同过滤
9.4.2 基于矩阵分解的协同过滤
9.4.3 评价指标
9.5 推荐系统应用案例
9.6 本章小结
习题
第10章 决策树分类方法及案例实现
10.1 决策树的基本概念
10.2 信息熵与信息增益
10.2.1 信息熵
10.2.2 信息增益
10.3 决策树分类方法
10.3.1 ID3算法
10.3.2 C4.5算法
10.4 决策树分类案例
10.5 本章小结
习题
第11章 ChatGPT
11.1 ChatGPT概述
11.1.1 ChatGPT的定义
11.1.2 ChatGPT的功能
11.1.3 ChatGPT的发展历程
11.1.4 ChatGPT的优势和挑战
11.1.5 ChatGPT对人类社会的影响
11.1.6 ChatGPT的伦理和法律问题
11.1.7 ChatGPT的发展前景
11.2 ChatGPT的主体架构及支撑技术
11.2.1 ChatGPT的架构
11.2.2 Transformer模型
11.2.3 自然语言处理
11.2.4 深度学习技术
11.2.5 ChatGPT与其他AI技术的比较和融合
11.3 ChatGPT的应用
11.3.1 ChatGPT在教育领域的应用
11.3.2 ChatGPT在医疗领域的应用
11.3.3 ChatGPT在智能家居领域的应用
11.3.4 ChatGPT在线客服中的应用
11.3.5 ChatGPT在智能问答系统中的应用
11.3.6 ChatGPT在机器翻译领域中的应用
11.4 ChatGPT实践案例
11.5 本章小结
习题
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...