人工智能导论（第2版）画线多

图书标准信息

• 作者 莫宏伟
• 出版社 人民邮电出版社
• 出版时间 2023
• 版次 2
• ISBN 9787115619310
• 定价 69.80元
• 装帧 平装
• 开本 16开
• 页数 268页
• 字数 491千字

【内容简介】

本书比较全面地介绍了人工智能基本理论、方法、技术及应用等知识。全书5大部分共13章，主要内容包括人工智能的基本概念、实现方法，人工智能哲学观，脑科学基础，人工神经网络，机器学的基本方法与，感知智能，认知智能，语言智能，行为智能（机器人），类脑智能，混合智能，智能制造、智能医疗、人工智能与新基建，以及人工智能伦理与法律。本书内容翔实、结构合理、案例丰富、图文并茂，语言通俗易懂，讲解详尽，能帮助读者系统、全面地认识和理解人工智能。
本书适合作为人工智能、计算机科学与技术、机器人工程、智能科学与技术等相关专业的课程教材，也可供从事人工智能交学科研究的相关人员及爱好者参使用。

【作者简介】

莫宏伟，哈尔滨工程大学工学博士、教授，类脑计算与人工智能研究中心主任，高校人工智能与大数据创新联盟常务理事，黑龙江省高等教育学会人工智能教育专业委员会理事长。长期从事人工智能导论、与方法的课程工作，主要研究领域涉及类脑计算、自然计算、智能机器人、视觉智能与认知智能等。完成自然科学、国科学技术预先研究等项目20余项，发表80余篇，出版专著6部，教材2部，授权发明专利8项。

【目录】

部分 学科与概念基础

01绪论

1.0 学导言

1.1 生命与智能

1.1.1 什么是智能

1.1.2 图灵测试与人工智能

1.1.3 人工智能图谱

1.2 人工智能的历史

1.2.1 阶段：初创时期（1936年—1956年）

1.2.2 第二阶段：形成时期（1957年—1969年）

1.2.3 第三阶段：发展时期（1970年—年）

1.2.4 第四阶段：大突破时期（1993年至今）

1.3 工智能发展历史

1.4 人工智能学科交与融合

1.5 人工智能实现方法

1.5.1 传统实现方法

1.5.2 数据驱动方法

1.6 人工智能主要研究内容

1.6.1 计算智能

1.6.2 感知智能

1.6.3 认知智能

1.6.4 行为智能

1.6.5 群体智能

1.6.6 混合智能

1.6.7 情感智能

1.6.8 类脑智能

1.6.9 人工智能伦理与法律

1.7 机器创造与博弈

1.8 人工智能发展趋势

1.9 本书内容结构

1.9.1 人工智能五维知识体系与本书内容

1.9.2 人工智能五个认识层次与本书内容

1.10 关键知识梳理

1.11 问题与实践

02人工智能哲学观

2.0 学导言

2.1 从哲学角度理解人工智能

2.1.1 与人工智能有关的哲学概念

2.1.2 与人工智能有关的主要哲学分支

2.1.3 大历史观——智能进化

2.1.4 人工智能的本质

2.2 人工智能局限的认识

2.2.1 弱人工智能与人类心智的差距

2.2.2 强人工智能与通用人工智能

2.3 关键知识梳理

2.4 问题与实践

03脑科学基础

3.0 学导言

3.1 脑与神经科学

3.2 脑神经系统

3.2.1 脑神经组织

3.2.2 神经元与信息传递

3.2.3 大脑皮层

3.3 脑的视觉与信息处理机制

3.3.1 脑的视觉结构

3.3.2 视觉皮层区域

3.4 脑的记忆机制

3.5 脑的学机制

3.6 脑功能新发现

3.6.1 大脑导航功能

3.6.2 大脑孕周发育

3.6.3 社会互动增强神经复杂

3.7 关键知识梳理

3.8 问题与实践

第2部分 技术基础

04人工神经网络

4.0 学导言

4.1 如何构建人工神经网络

4.1.1 神经元模型

4.1.2 感知器模型

4.2 人工神经网络的训练——bp算法

4.3 卷积神经网络

4.3.1 稀疏连接与全连接

4.3.2 权值共享与特征提取

4.3.3 卷积层

4.3.4 池化层

4.3.5 全连接层

4.3.6 激活函数层

4.3.7 损失函数

4.3.8 n算法

4.4 循环神经网络

4.5 长短时记忆网络

4.6 受限玻尔兹曼机

4.7 深度置信网络

4.8 关键知识梳理

4.9 问题与实践

05机器学

5.0 学导言

5.1 机器学能否实现机器智能

5.2 机器学的类型和应用

5.3 监督学与无监督学

5.3.1 k-近邻分类

5.3.2 svm

5.3.3 朴素贝叶斯分类器

5.3.4 k-均值聚类算法

5.3.5 森林算法

5.3.6 集成学

5.4 深度学

5.4.1 浅层学与深度学

5.4.2 深度学的应用——图像描述

5.5 生成对抗网络

5.5.1生成网络

5.5.2判别网络

5.6 深度学大模型

5.6.1 dall·e和clip

5.6.2 悟道1.0/2.0

5.6.3 女娲

5.7 迁移学

5.8 深度学缺陷与因果学

5.8.1深度学缺陷

5.8.2因果学概念及其作用

5.8.3结构因果模型

5.9 强化学

5.9.1 能够自适应学的机器人

5.9.2 强化学的应用

5.10 关键知识梳理

5.11 问题与实践

第3部分 重点方向与领域（机器智能）

06感知智能

6.0 学导言

6.1 数字图像处理技术

6.1.1 灰度直方图

6.1.2 图像滑处理

6.1.3 图像边缘检测

6.1.4 图像锐化

6.1.5 图像分割

6.1.6 图像特征提取

6.1.7 图像分析

6.2 计算机视觉与机器视觉

6.3 模式识别

6.3.1 模式识别方法

6.3.2 模式识别过程

6.4图像分类

6.4.1 图像分类概念

6.4.2 深度学与图像分类

6.5 目标检测与识别

6.6 无人驾驶汽车的环境感知

6.7 关键知识梳理

6.8 问题与实践

07认知智能

7.0 学导言

7.1 逻辑推理

7.1.1 命题与推理

7.1.2 推理类型

7.1.3 模糊推理

7.2 知识表示

7.2.1 谓词逻辑表示法

7.2.2 语义网络表示法

7.3 搜索技术

7.3.1 盲目搜索

7.3.2 启发式搜索

7.3.3 蒙特卡罗树搜索算法

7.4 知识图谱

7.4.1 知识图谱与认知智能

7.4.2 知识图谱基本技术

7.4.3 知识图谱架构

7.5 认知计算

7.6 认知智能的兴起

7.7 关键知识梳理

7.8 问题与实践

……