人工智能概论/肖汉光 王勇

图书标准信息

• 作者 王勇 主编；涂飞 副主编；肖汉光；黄同愿；郑小洋；刘瑞华；张宜浩；邹洋杨
• 出版社 清华大学出版社
• 出版时间 2020-09
• 版次 1
• ISBN 9787302559672
• 定价 39.80元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 208页
• 字数 99999千字

【内容简介】

本书主要介绍人工智能的发展历史、技术和应用，内容主要包括知识图谱、搜索技术、智能优化算法、机器学习、人工神经网络、深度学习、人工智能应用（人脸识别、语音识别、自然语言处理、机器人等）、人工智能工具、人工智能伦理等。本书的特色是通过案例为主线，提出关键问题，以解决问题为导向，介绍人工智能领域的相关概念、理论、技术和应用，采用启发式和讨论式的写作风格，让学生更具有代入感、参与感和获得感。主要面向本专科大一新生。

【作者简介】

肖汉光，博士，教授，重庆理工大学两江人工智能学院智能科学系主任，主要从事人工智能、机器学习、模式识别等方面的研究工作。现为国家自然科学基金通讯评审专家，国际期刊同行评审专家，中国和美国计算机学会会员。主持和参与国际和国家自然科学基金项目5项，主持和参与省部级科研项目6项，主持横向项目2项。以第一作者发表SCI和EI论文约20篇。以主编身份编写著作和教材3部，授权国家发明专利6项。

【目录】

第1章  绪论

1.1  什么是人工智能

1.1.1  人工智能的定义

1.1.2  人工智能的研究领域

1.1.3  人工智能的发展现状

1.2  人工智能简史

1.2.1  人工智能的诞生（1943—1956年）

1.2.2  人工智能的起步期（1956—1974年）

1.2.3  人工智能的第一个低谷（1974—1980年）

1.2.4  人工智能的应用发展期（1980—1989年）

1.2.5  人工智能的第二个低谷（1989—1993年）

1.2.6  人工智能的稳步发展期（1993—2006年）

1.2.7  人工智能的蓬勃发展期（2006年至今）

1.3  人工智能的流派

1.3.1  符号主义流派

1.3.2  联结主义流派

1.3.3  行为主义流派

1.3.4  代表人物

1.4  人工智能的应用与挑战

1.4.1  中国人工智能的国家战略

1.4.2  人工智能行业的未来格局

1.4.3  迎接人工智能2.0  的挑战和机遇

参考文献

扩展阅读

习题1

 

第2章  机器学习

2.1  引言

2.1.1  机器学习的定义和基本概念

2.1.2  机器学习的分类

2.1.3  机器学习的发展历程

2.2  监督学习

2.2.1  监督学习的定义

2.2.2  K近邻算法

2.2.3  决策树

2.2.4  支持向量机

2.3  无监督学习

2.3.1  无监督学习的任务

2.3.2  KMeans聚类算法

2.3.3  层次聚类算法

2.3.4  基于密度的聚类算法

*2.4  强化学习

2.4.1  强化学习的原理

2.4.2  Q  Learning强化学习算法

2.4.3  强化学习的应用

参考文献

扩展阅读

习题2

 

第3章  人工神经网络

3.1  概述

3.1.1  人工神经网络简介

3.1.2  人工神经网络发展史

3.2  MP模型

3.2.1  生物神经元

3.2.2  MP模型的结构

3.2.3  MP模型实现与门电路逻辑运算的应用案例

3.3  感知机

3.3.1  感知机模型

3.3.2  感知机工作过程

3.3.3  感知机的学习过程

3.3.4  感知机分类案例

3.3.5  多层感知机

3.4  多层神经网络

3.4.1  梯度

3.4.2  多层神经网络的结构和工作过程

3.4.3  实现异或运算的多层神经网络案例

3.4.4  梯度消失与梯度爆炸问题

3.5  深度学习的卷积神经网络模型原理

3.5.1  计算机中的图像

3.5.2  卷积运算

3.5.3  池化运算

3.5.4  卷积神经网络中的其他相关技术

3.5.5  一个基本的多分类卷积神经网络结构

3.5.6  经典卷积神经网络LeNet5模型

3.6  深度学习的RNN模型介绍

3.6.1  基本RNN网络的结构和工作过程

3.6.2  LSTM的结构和工作过程

参考文献

扩展阅读

习题3

 

第4章  知识表示与专家系统

4.1  知识表示

4.1.1  逻辑表示法

4.1.2  产生式表示法

4.1.3  框架表示法

4.1.4  语义网表示法

4.1.5  知识图谱表示法

4.2  专家系统

4.2.1  专家系统概述

4.2.2  专家系统的构建举例

4.2.3  不确定性推理

参考文献

扩展阅读

习题4

 

第5章  搜索技术

5.1  搜索问题的定义

5.2  状态空间

5.3  盲目搜索

5.3.1  深度优先搜索

5.3.2  广度优先搜索

5.4  启发式搜索

5.5  博弈搜索

5.5.1  极大极小博弈

5.5.2  固定深度博弈搜索

5.5.3  αβ剪枝算法

5.5.4  博弈搜索的发展

参考文献

扩展阅读

习题5

 

第6章  群智能算法

6.1  遗传算法

6.1.1  遗传算法的产生与发展

6.1.2  遗传算法的基本问题

6.1.3  遗传算法的一个简单优化问题

6.1.4  遗传算法的优缺点

6.1.5  遗传算法的应用

6.2  粒子群算法

6.2.1  粒子群算法的起源

6.2.2  粒子群算法的原理

6.2.3  粒子群算法程序设计

6.2.4  粒子群算法的参数选取

6.2.5  粒子群算法的优缺点

6.3  蚁群算法

6.3.1  蚁群算法的提出

6.3.2  蚁群算法的原理

6.3.3  蚁群算法求解旅行商问题

参考文献

扩展阅读

习题6

 

第7章  图像识别技术与应用

7.1  图像识别技术概述

7.1.1  图像的概念

7.1.2  图像识别的概念

7.2  图像处理与图像识别技术

7.2.1  图像处理技术概述

7.2.2  图像识别技术的起源

7.2.3  图像识别技术发展史

7.2.4  图像识别技术现状

7.3  图像识别技术的实现

7.3.1  图像识别的基本流程

7.3.2  图像识别的基本方法

7.4  图像识别技术的应用

7.4.1  图像识别技术的分类

7.4.2  图像识别技术的应用场景

7.4.3  图像识别技术的展望

参考文献

扩展阅读

习题7

 

第8章  自然语言处理

8.1  自然语言处理概述

8.1.1  什么是自然语言处理

8.1.2  自然语言处理的主要困难

8.1.3  自然语言处理的发展

8.2  自然语言处理的研究任务

8.3  自然语言处理的发展历程

8.4  自然语言处理经典应用解析——计算网页排名

8.5  自然语言处理与人工智能

参考文献

扩展阅读

习题8

 

附录A遗传算法的MATLAB程序示例

附录B粒子群算法的MATLAB程序示例

附录C蚁群算法的MATLAB程序示例