人工智能通识教程（第2版）

图书标准信息

• 作者 王万良 著
• 出版社 清华大学出版社
• 出版时间 2022-06
• ISBN 9787302606734
• 装帧 平装
• 开本 16开
• 纸张 胶版纸

【内容简介】

本书全面介绍人工智能的基本理论、技术及应用。全书共12章，主要内容包括人工智能概论、知识表示与知识图谱、模糊推理、搜索策略、遗传算法、群智能算法、人工神经网络、机器学习与深度学习、专家系统、自然语言理解、计算机视觉和智能机器人，附录部分给出了实用性强的12个实验。本书强调人工智能知识的基础性、整体性、综合性和广博性，使学生掌握人工智能的主要思想和应用人工智能技术解决专业领域问题的基本思路，拓宽科学视野，培养创新精神。

 

本书的适用对象广泛，可作为高等学校各专业本科生“人工智能”通识课程的教材，以及应用型本科和高职高专相关专业的“人工智能导论”课程的教材，也可供对人工智能技术感兴趣的广大读者阅读。

 

【作者简介】

王万良，工学博士，二级教授，博士生导师，国务院政府特殊津贴专家，教学名师，国家“万人计划”首批教学名师，浙江省杰出教师。现任教育部高等学校计算机类专业教学指导委员会委员、人工智能课程虚拟教研室带头人、浙江省高等学校大数据与人工智能专业教学指导委员会主任、全国高校大数据教育联盟副理事长、中国人工智能学会理事、自然计算与数字智能城市专业委员会主任、中国自动化学会理事、智慧教育专业委员会主任

【目录】

第1章人工智能概论1

 

1.1你了解人类的智能吗1

 

1.1.1智能的概念1

 

1.1.2智能的特征3

 

1.2人工智能的孕育和诞生6

 

1.2.1人工智能的孕育期6

 

1.2.2人工智能的诞生――达特茅斯会议8

 

1.2.3人工智能的定义与图灵测试9

 

1.3人工智能的发展11

 

1.3.1人工智能的形成期11

 

1.3.2几起几落的曲折发展期12

 

1.3.3大数据驱动的飞速发展期14

 

1.4从两场标志性人机博弈看人工智能的发展15

 

1.4.1人工智能研究中的“小白鼠”15

 

1.4.2“深蓝”战胜国际象棋棋王卡斯帕罗夫15

 

1.4.3阿尔法狗无师自通横扫世界围棋大师17

 

1.5人工智能研究的基本内容19

 

1.6人工智能的主要应用领域21

 

1.7人工智能会使许多人失业吗36

 

1.8人工智能伦理37

 

1.8.1人工智能伦理的提出与发展37

 

1.8.2人工智能伦理的典型案例与成因分析38

 

1.8.3人工智能伦理的治理原则41

 

1.8.4人工智能伦理的治理措施42

 

1.9本章小结44

 

讨论题44

 

第2章知识表示与知识图谱46

 

2.1你了解人类知识吗46

 

2.1.1什么是知识46

 

2.1.2知识的相对正确性47

 

2.1.3知识的不确定性48

 

2.2计算机表示知识的方法50

 

2.3产生式表示法51

 

2.3.1产生式52

 

2.3.2产生式系统53

 

2.3.3产生式表示法的特点55

 

2.4框架表示法56

 

2.4.1框架的一般结构57

 

2.4.2用框架表示知识的例子58

 

2.4.3框架表示法的特点60

 

2.5知识图谱61

 

2.5.1知识图谱的提出61

 

2.5.2知识图谱的定义62

 

2.5.3知识图谱的表示63

 

2.5.4知识图谱的架构64

 

2.5.5知识图谱的典型应用65

 

2.6本章小结67

 

讨论题68

 

人工智能通识教程（第2版）目录第3章模拟人类思维的模糊推理69

 

3.1推理的定义69

 

3.2推理的分类70

 

3.2.1演绎推理70

 

3.2.2归纳推理71

 

3.2.3默认推理71

 

3.3推理的方向72

 

3.3.1正向推理72

 

3.3.2逆向推理73

 

3.3.3混合推理76

 

3.4推理中的冲突消解策略78

 

3.5模糊集合与模糊知识表示81

 

3.5.1模糊逻辑的提出与发展81

 

3.5.2模糊集合的定义与表示82

 

3.5.3隶属函数85

 

3.6模糊关系与模糊关系的合成86

 

3.6.1模糊关系86

 

3.6.2模糊关系的合成88

 

3.7模糊推理与模糊决策89

 

3.7.1模糊推理89

 

3.7.2模糊决策90

 

3.8模糊推理的应用91

 

3.9本章小结93

 

讨论题93

 

第4章搜索策略96

 

4.1搜索的概念96

 

4.2如何用状态空间表示搜索对象97

 

4.2.1状态空间知识表示方法97

 

4.2.2状态空间的图描述99

 

4.3回溯策略102

 

4.4盲目的图搜索策略104

 

4.4.1宽度优先搜索策略104

 

4.4.2深度优先搜索策略105

 

4.5启发式图搜索策略108

 

4.5.1启发式策略108

 

4.5.2启发信息和估价函数111

 

4.5.3A搜索算法113

 

4.5.4A乘阉魉惴114

 

4.6本章小结116

 

讨论题117

 

第5章模拟生物进化的遗传算法118

 

5.1进化算法的生物学背景118

 

5.2遗传算法120

 

5.2.1遗传算法的发展历史120

 

5.2.2遗传算法的基本思想121

 

5.2.3编码122

 

5.2.4种群设定124

 

5.2.5适应度函数125

 

5.2.6选择126

 

5.2.7交叉129

 

5.2.8变异131

 

5.3遗传算法的主要改进算法132

 

5.3.1双倍体遗传算法133

 

5.3.2双种群遗传算法134

 

5.3.3自适应遗传算法135

 

5.4基于遗传算法的生产调度方法137

 

5.4.1基于遗传算法的流水车间调度方法137

 

5.4.2基于遗传算法的混合流水车间调度方法139

 

5.5本章小结144

 

讨论题145

 

第6章模拟生物群体行为的群智能算法146

 

6.1群智能算法的生物学背景146

 

6.2模拟鸟群行为的粒子群优化算法148

 

6.2.1基本粒子群优化算法148

 

6.2.2粒子群优化算法的应用150

 

6.3模拟蚁群行为的蚁群优化算法152

 

6.3.1蚁群优化算法的生物学背景153

 

6.3.2基本蚁群优化算法153

 

6.3.3蚁群优化算法的应用157

 

6.4本章小结159

 

讨论题160

 

第7章模拟生物神经系统的人工神经网络161

 

7.1人工神经元与人工神经网络161

 

7.1.1生物神经元结构161

 

7.1.2生物神经元的数学模型162

 

7.1.3人工神经网络的结构与学习164

 

7.2机器学习的先驱――赫布学习规则165

 

7.3掀起人工神经网络第一次高潮的感知器167

 

7.4掀起人工神经网络第二次高潮的BP学习算法169

 

7.4.1BP学习算法的提出169

 

7.4.2BP神经网络170

 

7.4.3BP学习算法171

 

7.4.4BP学习算法在模式识别中的应用172

 

7.5本章小结175

 

讨论题175

 

第8章机器学习与深度学习176

 

8.1机器学习的基本概念176

 

8.1.1学习176

 

8.1.2机器学习177

 

8.1.3学习系统177

 

8.1.4机器学习的发展180

 

8.2机器学习的分类181

 

8.2.1机器学习的一般分类方法181

 

8.2.2监督学习与无监督学习183

 

8.2.3弱监督学习185

 

8.3知识发现与数据挖掘188

 

8.3.1知识发现与数据挖掘的概念189

 

8.3.2知识发现的一般过程189

 

8.3.3知识发现的任务190

 

8.3.4知识发现的对象191

 

8.4动物视觉机理与深度学习的提出193

 

8.4.1浅层学习的局限性193

 

8.4.2深度学习的提出194

 

8.5卷积神经网络与胶囊网络196

 

8.5.1卷积神经网络的结构196

 

8.5.2卷积的物理、生物与生态学等意义197

 

8.5.3卷积神经网络的卷积运算198

 

8.5.4卷积神经网络中的关键技术200

 

8.5.5卷积神经网络的应用203

 

8.5.6胶囊网络204

 

8.6生成对抗网络及其应用207

 

8.6.1生成对抗网络的基本原理207

 

8.6.2生成对抗网络的结构与训练208

 

8.6.3生成对抗网络在图像处理中的应用210

 

8.6.4生成对抗网络在语言处理中的应用214

 

8.6.5生成对抗网络在视频生成中的应用217

 

8.6.6生成对抗网络在医疗中的应用218

 

8.7本章小结219

 

讨论题220

 

第9章专家系统222

 

9.1专家系统的产生和发展222

 

9.2专家系统的概念224

 

9.2.1专家系统的定义224

 

9.2.2专家系统的特点225

 

9.2.3专家系统的类型227

 

9.3专家系统的工作原理228

 

9.3.1专家系统的一般结构228

 

9.3.2知识库229

 

9.3.3推理机230

 

9.3.4综合数据库230

 

9.3.5知识获取机构230

 

9.3.6解释机构231

 

9.3.7人机接口232

 

9.4简单的动物识别专家系统232

 

9.4.1知识库建立232

 

9.4.2综合数据库建立和推理过程234

 

9.5专家系统开发工具――骨架系统235

 

9.5.1骨架系统的概念235

 

9.5.2EMYCIN骨架系统236

 

9.5.3KAS骨架系统237

 

9.6专家系统开发环境239

 

9.7本章小结240

 

讨论题241

 

第10章自然语言理解242

 

10.1自然语言理解的概念与发展242

 

10.1.1自然语言理解的概念242

 

10.1.2自然语言理解的发展历史243

 

10.2语言处理过程的层次246

 

10.3机器翻译方法概述248

 

10.4循环神经网络252

 

10.4.1循环神经网络的结构252

 

10.4.2循环神经网络的训练253

 

10.4.3长短期记忆神经网络254

 

10.5基于循环神经网络的机器翻译254

 

10.6语音识别256

 

10.6.1语音识别的概念256

 

10.6.2语音识别的主要过程257

 

10.6.3语音识别的方法260

 

10.7本章小结261

 

讨论题262

 

第11章计算机视觉263

 

11.1计算机视觉概述263

 

11.2计算机视觉系统中的数字图像266

 

11.3基于深度学习的计算机视觉267

 

11.4基于计算机视觉的生物特征识别268

 

11.4.1人脸识别268

 

11.4.2虹膜识别269

 

11.5本章小结270

 

讨论题271

 

第12章智能机器人272

 

12.1机器人的产生与发展272

 

12.2机器人中的人工智能技术275

 

12.2.1机器人智能感知276

 

12.2.2机器人智能导航279

 

12.2.3机器人智能路径规划279

 

12.2.4机器人智能运动控制281

 

12.2.5机器人智能交互282

 

12.3智能机器人的应用283

 

12.3.1工业机器人283

 

12.3.2农业机器人285

 

12.3.3服务机器人288

 

12.3.4医用机器人291

 

12.3.5军用机器人293

 

12.4智能机器人技术展望295

 

12.5智能机器人伦理问题297

 

12.6本章小结299

 

讨论题299

 

附录A人工智能实验指导书300

 

实验1产生式系统实验300

 

实验2洗衣机模糊推理系统实验301

 

实验3A乘惴ㄇ蠼N数码问题实验302

 

实验4A乘惴ㄇ蠼饷怨寻路问题实验304

 

实验5遗传算法求函数最大值实验305

 

实验6遗传算法求解TSP问题实验308

 

实验7粒子群算法求函数最小值实验310

 

实验8蚁群算法求解TSP问题实验311

 

实验9BP神经网络分类实验311

 

实验10卷积神经网络分类实验312

 

实验11胶囊网络分类实验313

 

实验12用生成对抗网络生成数字图像实验314