人工智能导论

图书标准信息

• 作者 刘若辰；慕彩红；焦李成；刘芳；陈璞花
• 出版社 清华大学出版社
• 出版时间 2021-09
• 版次 1
• ISBN 9787302584681
• 定价 69.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 303页
• 字数 482.000千字

【内容简介】

本书系统地论述了经典人工智能的基础理论及人工智能主要研究领域的基础知识与应用。全书共11章，前5章介绍经典人工智能的基础理论，包括人工智能的发展历史、状态空间表示及其搜索技术、问题归约表示及其搜索技术、确定性推理以及不确定推理；接下来的5章介绍人工智能主要研究领域的基础知识与应用，包括遗传算法、群智能、人工神经网络、 机器学习基础、模式识别；后介绍了**代表性的几个人工智能技术，并分析了未来人工智能的发展趋势及其面临的挑战。

【作者简介】

刘若辰，博士,教授，博士生导师，国家教育部重点实验室骨干成员，教育部创新团队骨干成员，国家\"111计划\"创新引智基地骨干成员，校\"智能信息处理优秀创新团队\"骨干成员。2009年获陕西省科学技术一等奖(8/11)；2011年获中国电子学会电子信息科学技术二等奖(9/15)等。

慕彩红，博士，西安电子科技大学副教授，博士生及硕士生导师。西安电子科技大学人工智能学院、智能感知与图像理解教育部重点实验室，智能感知与计算国际联合研究中心成员，国家“111”计划创新引智基地成员，美国电气电子工程师协会(IEEE)会员，主讲的本科生课程有《人工智能概论》、《人工智能导论》等。

【目录】

第1章概论

1.1人工智能的定义

1.1.1生物智能与人类智能

1.1.2人工智能

1.2人工智能的发展史和研究现状

1.2.1萌芽期(1956年以前)

1.2.2形成期(1956—1970年)

1.2.3黯淡期(1966—1974年)

1.2.4繁荣期(1970—1988年)

1.2.5集成发展期(1986—2005年)

1.2.6发展新时代(2006年至今)

1.2.7人工智能的研究现状

1.3人工智能三大学派

1.3.1图灵测试

1.3.2符号主义

1.3.3连接主义

1.3.4行为主义

1.3.5三大学派的争论

1.4人工智能的应用领域

1.4.1计算机视觉

1.4.2自然语言处理

1.4.3认知与推理

1.4.4机器人学

1.4.5博弈与伦理

1.4.6机器学习

本章小结

习题1

参考文献

第2章状态空间知识表示及其搜索技术

2.1经典问题

2.2状态空间表示法

2.2.1状态空间的基本构成

2.2.2状态空间的问题表示

2.3状态空间搜索的一般过程

2.3.1搜索的一般概念

2.3.2状态空间图搜索

2.4盲目式搜索

2.4.1宽度优先搜索

2.4.2深度优先搜索

2.4.3有界深度优先搜索

2.4.4等代价搜索

2.5启发式搜索

2.5.1估价函数与启发式信息

2.5.2局部择优搜索

2.5.3全局择优搜索

2.5.4A*算法

2.6搜索算法的评价标准

本章小结

习题2

参考文献

第3章问题归约知识表示及其搜索技术

3.1问题归约表示法

3.1.1问题的分解与等价变换

3.1.2问题归约的与/或图表示

3.2与/或图的一般搜索过程

3.3盲目式搜索

3.3.1宽度优先搜索

3.3.2深度优先搜索

3.4启发式搜索

3.4.1解树的代价

3.4.2希望树

3.5机器博弈

3.5.1机器博弈背景

3.5.2极大极小搜索

3.5.3αβ剪枝

本章小结

习题3

参考文献

第4章确定性推理

4.1推理的基本概念

4.1.1推理的概念

4.1.2推理的分类

4.1.3推理的策略

4.2推理的逻辑基础

4.2.1命题逻辑

4.2.2谓词逻辑

4.3自然演绎推理

4.4归结演绎推理

4.4.1海伯伦定理

4.4.2鲁滨逊归结原理

4.4.3归结策略

4.4.4归结反演

4.5基于规则的演绎推理

4.5.1规则正向演绎系统

4.5.2规则逆向演绎系统

4.5.3规则双向演绎系统

本章小结

习题4

参考文献

第5章不确定性推理

5.1不确定性推理的基本概念

5.1.1不确定性的表示与度量

5.1.2不确定性的算法

5.1.3不确定性推理方法分类

5.2概率推理

5.2.1概率的基本公式

5.2.2概率推理方法

5.3主观贝叶斯方法

5.3.1基于主观贝叶斯的不确定性表示

5.3.2主观贝叶斯方法的推理算法

5.4可信度方法

5.4.1基于可信度的不确定性表示

5.4.2可信度方法的推理算法

5.4.3带有阈值限度的不确定性推理

5.4.4加权的不确定性推理

5.5证据理论

5.5.1基于证据理论的不确定性

5.5.2证据理论的不确定推理模型

5.6模糊推理

5.6.1模糊集合

5.6.2模糊关系及其合成

5.6.3模糊推理

5.6.4模糊决策

本章小结

习题5

参考文献

第6章遗传算法

6.1进化计算

6.1.1进化计算的背景

6.1.2进化计算的分类

6.2遗传算法的生物学背景

6.2.1达尔文进化论与孟德尔学说

6.2.2生物进化与遗传算法的基本思想

6.3遗传算法的实现过程

6.3.1编码机制

6.3.2种群初始化

6.3.3适应度函数

6.3.4遗传算子

6.3.5环境选择

6.3.6停机准则

6.3.7基本步骤

6.4遗传算法求解优化问题实例

6.4.1优化问题

6.4.2求解连续优化问题

6.4.3求解组合优化问题

6.4.4求解多目标优化问题

6.4.5遗传算法参数讨论

6.4.6遗传算法工具箱

6.5遗传算法的改进

6.6遗传算法的应用

本章小结

习题6

参考文献

第7章群智能算法

7.1群智能基础

7.1.1群智能算法的基本思想

7.1.2典型群智能算法

7.2粒子群算法

7.2.1粒子群算法的背景

7.2.2粒子群算法的原理

7.2.3粒子群算法求解实例

7.2.4粒子群算法的各种改进

7.2.5粒子群算法的应用

7.3蚁群算法

7.3.1蚁群算法的起源

7.3.2蚁群算法的原理

7.3.3蚁群算法求解实例

7.3.4蚁群算法的各种改进

7.3.5蚁群算法的应用

7.4鱼群算法

7.4.1鱼群算法的背景

7.4.2鱼群算法的原理

7.4.3鱼群算法的求解实例

本章小结

习题7

参考文献

第8章人工神经网络

8.1人工神经网络的基本原理

8.1.1生物神经系统

8.1.2人工神经网络的模型

8.1.3人工神经网络的结构建模

8.2学习机理

8.2.1单层感知器及其学习算法

8.2.2BP神经网络及其学习算法

8.3人工神经网络的分类

8.3.1前向网络

8.3.2反馈网络

8.4人工神经网络的基本学习算法

8.4.1Hebb规则

8.4.2误差修正学习算法

8.4.3胜者为王学习规则

8.5从神经网络到深度学习

8.6深度网络

8.6.1深度卷积神经网络

8.6.2稀疏深度神经网络

8.6.3深度融合网络

本章小结

习题8

参考文献

第9章机器学习基础

9.1机器学习理论基础

9.1.1机器学习的定义和研究意义

9.1.2机器学习的发展史

9.2机器学习的方法

9.2.1机器学习系统的基本结构

9.2.2机器学习方法的分类

9.2.3几种机器学习方法介绍

9.3机器学习算法的应用

本章小结

习题9

参考文献

第10章模式识别

10.1模式识别的基本概念

10.1.1模式识别的定义

10.1.2模式识别与分类器

10.1.3有监督学习与无监督学习

10.1.4实例： 手写数字识别

10.2模式识别系统

10.2.1基本框架

10.2.2基本方法

10.3特征提取与选择

10.3.1基本概念

10.3.2特征评价

10.3.3特征选择算法

10.3.4特征提取

10.4分类器设计

10.4.1经典的有监督分类器

10.4.2经典的无监督分类器

10.5分类器的评价

10.5.1监督模式识别系统评价

10.5.2非监督模式识别系统评价

本章小结

习题 10

参考文献

第11章未来人工智能

11.1人工智能的发展阶段

11.2人工智能围棋

11.2.1AlphaGo

11.2.2AlphaGo Zero

11.3无人驾驶

11.3.1原理概述

11.3.2研究概况

11.4无人超市

11.4.1诞生背景

11.4.2Amazon Go

11.5情感机器人

11.5.1情感机器人的定义

11.5.2情感机器人的研究概况

11.6智能医疗

11.6.1智能医疗设备

11.6.2智能医疗系统

11.7智能家居

11.7.1背景

11.7.2发展现状

11.7.3主要功能

11.8智能艺术

11.8.1作诗

11.8.2绘画

11.9机器翻译

11.9.1翻译简史

11.9.2机译系统

11.9.3在线机译

11.10未来人工智能展望

11.10.1人工智能的未来趋势

11.10.2面临的挑战

本章小结

习题11

参考文献