人工智能导论

图书标准信息

• 作者 吕云翔、梁泽众、尹文志、孔孝刚、陈妙然 著
• 出版社 人民邮电出版社
• 出版时间 2021-06
• 版次 1
• ISBN 9787115540928
• 定价 49.80元
• 装帧 平装
• 开本 16开
• 页数 220页
• 字数 252千字

【内容简介】

本书从人工智能的基本定义出发，由浅入深地阐述了人工智能的理论、策略、研究方法和应用领域，以梳理知识脉络和要点的方式，详细介绍了知识表示、逻辑推理及方法、非确定性推理及方法、搜索策略、机器学习等方面的内容。作为导论书籍，本书概念论述清楚，内容丰富，通俗易懂，在较为全面介绍人工智能的基础上对一些传统内容进行了取舍。为满足读者进一步学习的需要，除第1章之外，每章最后一个小节都配有案例分析，便于读者在所学知识的基础上懂得如何运用知识。

【作者简介】

吕云翔 比利时布鲁塞尔自由大学（VUB）应用科学学院应用信息技术专业硕士、经济学院工商管理专业硕士。现任北航软件学院副教授，从事教学与科研工作。具有多年的软件开发、项目管理、计算机教学经验，对IT行业具有较全面的认识。先后以第一作者编著和翻译了多本教材。研究领域包括：人工智能、大数据和软件工程。

【目录】

章 绪论

1.1 什么是人工智能

1.2 人工智能的发展简史

1.3 人工智能的研究目标

1.4 人工智能的研究方

1.4.1 符号主义研究方

1.4.2 连接主义研究方

1.4.3 行为主义研究方

1.5 人工智能的基本研究内容

1.5.1 智能感知

1.5.2 智能推理

1.5.3 智能学

1.5.4 智能行动

题

第2章 知识表示

2.1 知识表示概述

2.1.1 什么是知识

2.1.2 知识表示

2.2 状态空间表示

2.2.1 问题状态描述

2.2.2 状态图示

2.3 谓词逻辑表示

2.3.1 谓词逻辑表示的逻辑基础

2.3.2 连接词和量词

2.3.3 谓词逻辑表示的步骤

2.3.4 谓词逻辑表示的特点

2.4 语义网络表示

2.4.1 语义基元

2.4.2 语义网络中常用的语义联系

2.4.3 语义网络的知识表示方

2.4.4 语义网络的推理过程

2.4.5 语义网络表示的特点

2.5 框架表示

2.5.1 框架的基本结构

2.5.2 基于框架的推理过程

2.5.3 框架表示的特点

2.6 案例：知识图谱

题

第3章 逻辑推理及方

3.1 逻辑推理概述

3.1.1 逻辑推理的定义

3.1.2 逻辑推理的分类

3.1.3 逻辑推理的控制策略

3.2 逻辑推理的基础

3.2.1 谓词公式

3.2.2 谓词公式的范式

3.2.3 置换与合一

3.3 归结演绎推理

3.3.1 子句集

3.3.2 鲁滨逊归结

3.3.3 归结反演

3.3.4 归结策略

3.4 非归结演绎推理

3.4.1 自然演绎推理

3.4.2 与或形演绎推理

3.5 案例：家庭财务分配管理系统

题

第4章 非确定推理及方

4.1 什么是非确定推理

4.2 基本的概率推理

4.2.1 经典概率方

4.2.2 逆概率方

4.3 主观贝叶斯推理

4.3.1 非确定表示

4.3.2 非确定传递

4.3.3 结论非确定的组合

4.4 基于可信度的推理

4.4.1 非确定表示

4.4.2 非确定计算

4.4.3 非确定更新

4.4.4 结论非确定的组合

4.5 证据理论

4.5.1 ds理论

4.5.2 非确定表示

4.5.3 非确定计算

4.5.4 非确定更新

4.6 模糊推理

4.6.1 模糊理论

4.6.2 模糊匹配

4.6.3 模糊推理

4.7 案例：基于朴素贝叶斯方的垃圾邮件过滤

题

第5章 搜索策略

5.1 搜索的基本概念

5.2 基于状态空间的盲目搜索

5.2.1 状态空间的一般搜索

5.2.2 状态空间的广度优先搜索

5.2.3 状态空间的深度优先搜索

5.3 基于状态空间的启发式搜索

5.3.1 动态规划

5.3.2 a*算

5.3.3 爬山

5.3.4 模拟退火算

5.4 基于树的盲目搜索

5.4.1 与或树的一般搜索

5.4.2 与或树的广度优先搜索

5.4.3 与或树的深度优先搜索

5.5 基于树的启发式搜索

5.5.1 与或树的有序搜索

5.5.2 博弈树搜索

5.5.3 博弈树的剪枝优化

5.6 案例：无人驾驶中的搜索策略

题

第6章 机器学

6.1 机器学概述

6.2 决策树

6.2.1 决策树和决策树构造

6.2.2 id3生成算

6.2.3 使用决策树实现分类

6.3 贝叶斯模型

6.3.1 贝叶斯概率

6.3.2 朴素贝叶斯模型

6.3.3 贝叶斯网络

6.4 支持向量机

6.4.1 超面分割和优选间隔

6.4.2 线可分支持向量机

6.4.3 非线可分支持向量机

6.4.4 支持向量机实现多分类

6.5 聚类算

6.5.1 聚类解决的问题

6.5.2 k-means

6.5.3 层次聚类

6.5.4 聚类分析的医学应用

6.6 神经网络与深度学

6.6.1 神经元、感知器、人工神经网络

6.6.2 径向神经网络

6.6.3 hopfie1d神经网络

6.6.4 玻尔兹曼机

6.6.5 自组织映网络

6.6.6 bp神经网络

6.6.7 深度学，究竟“深”在何处

6.6.8 卷积神经网络

6.6.9 循环神经网络

6.6.10 生成式对抗网络

6.6.11 让“渣”画质的图像以乱真

6.7 强化学

6.7.1 强化学“强化”了什么

6.7.2 q-learning算

6.7.3 dqn算

6.7.4 让计算机自己玩游戏

6.8 案例：账号过滤

题

第7章 人工智能的其他应用领域

7.1 计算机视觉

7.1.1 视觉与视觉图像

7.1.2 图像特征的提取

7.1.3 视觉模型与图像识别

7.2 自然语言处理

7.2.1 打破机器与人的语言障碍

7.2.2 词分析

7.2.3 句分析

7.2.4 语义分析

7.2.5 语料库的建立与处理

7.3 智能体

7.3.1 智能体的研究与发展

7.3.2 智能体通信

7.3.3 多智能体系统的协调与协作

7.4 案例：病斑叶片识别

题

参文献