人工智能导论（第三版） / 人工智能应用丛书，高等院校人工智能系列“十四五”规划教材
￥52.00定价
作者： 徐洁磐
出版时间：2024-08
出版社：中国铁道出版社
- 中国铁道出版社
- 9787113310202
- 3版
- 531479
- 16开
- 2024-08
- 文理通用
- 本科 高职
作者简介
内容简介
“人工智能导论”是高等院校人工智能专业的入门课程。本书是根据人工智能技术及学科的迅速发展及广大读者的需要，继 2019 年首版、2021年第二版后修订再版的。本版编写的原则是：坚持教材的现代性，即新的技术路线与新的体系，并形成新一代人工智能技术；坚持教材的应用性，即将人工智能与其他学科、领域进行融合，将其应用到多个行业中去；坚持教材的引导性作用。
本书由四篇(共17章)组成。第一篇是基础理论篇，共九章(第1~9章)从整体角度介绍人工智能的基本概念与基础理论。第二篇是应用技术篇，共四章(第10~13章)，是基础理论与相关应用领域相融合所产生的新技术。第三篇是工程篇--开发应用，共三章(第14~16章)，介绍智能产品的开发及目前流行的四种应用。第四篇是展望篇，共一章(第17章)，对人工智能学科发展提供建议与看法。
本书适合作为高等院校人工智能、计算机类专业及相关融合型专业的“人工智能导论”课程的教材及高校人工智能公共课程的教材，也可供人工智能应用、开发人员的参考。
本书由四篇(共17章)组成。第一篇是基础理论篇，共九章(第1~9章)从整体角度介绍人工智能的基本概念与基础理论。第二篇是应用技术篇，共四章(第10~13章)，是基础理论与相关应用领域相融合所产生的新技术。第三篇是工程篇--开发应用，共三章(第14~16章)，介绍智能产品的开发及目前流行的四种应用。第四篇是展望篇，共一章(第17章)，对人工智能学科发展提供建议与看法。
本书适合作为高等院校人工智能、计算机类专业及相关融合型专业的“人工智能导论”课程的教材及高校人工智能公共课程的教材，也可供人工智能应用、开发人员的参考。
目录
第一篇基础理论篇
第1章总论2
1.1人工智能发展历史2
1.1.1人工智能出现前的萌芽期2
1.1.2人工智能发展的初期4
1.1.3人工智能发展的第二个时期5
1.1.4人工智能发展的第三个时期7
1.2人工智能概念8
1.2.1人工智能的定义8
1.2.2人工智能研究的内容10
1.2.3人工智能研究目标11
1.3人工智能发展三大学派11
1.4人工智能的学科体系13
1.4.1人工智能学科体系框架结构13
1.4.2人工智能基础理论———基于知识的研究14
1.4.3人工智能应用技术研究16
1.4.4计算机智能工程开发17
1.4.5计算机融合性工程开发———计算机智能应用系统18
小结19
习题21
第2章知识及知识表示22
2.1概述22
2.1.1知识、知识分类及知识模型22
2.2谓词逻辑表示法25
2.2.1谓词逻辑表示法的基本概念25
2.2.2谓词逻辑公式26
2.2.3谓词逻辑公式的解释26
2.2.4谓词逻辑永真公式27
2.2.5谓词逻辑推理28
2.2.6用谓词逻辑表示知识29
2.2.7谓词逻辑知识表示评价30
2.3状态空间表示法31
2.3.1状态空间的表示31
2.3.2状态空间与知识表示31
2.3.3状态空间表示法的实例32
2.3.4状态空间表示法的评价33
2.4知识图谱表示法34
2.4.1知识图谱概述34
2.4.2知识图谱表示34
2.4.3知识图谱与知识表示36
2.4.4知识图谱表示法的评价36
小结37
习题37
第3章知识组织与管理———知识库介绍39
3.1知识库概述39
3.1.1知识库的基本概念39
3.1.2知识库系统结构组成41
3.2知识库发展历史41
3.3典型知识库系统介绍42
小结44
习题45
第4章知识获取之搜索策略方法46
4.1概述46
4.2盲目搜索47
4.3启发式搜索48
4.3.1评估函数与启发信息49
4.3.2A算法50
4.3.3A
？算法50
4.4博弈树的启发式搜索50
4.4.1概述50
4.4.2极大极小过程51
4.4.3α-β剪枝53
小结54
习题54
实验54
第5章知识获取之推理方法55
5.1知识推理基本理论55
5.2谓词逻辑自然推理56
5.2.1永真推理56
5.2.2假设推理58
5.2.3反证推理59
？5.3谓词逻辑的自动定理证明60
5.3.1子句与子句集60
5.3.2归结原理62
5.3.3PROLOG语言简介66
5.4知识推理方法之评价68
小结68
习题69
实验69
第6章知识获取之机器学习方法70
6.1机器学习概述70
6.1.1学习的概念70
6.1.2机器学习的概念71
6.1.3机器学习方法72
6.2人工神经网络74
6.2.1人工神经网络介绍74
6.2.2人工神经网络中的反向传播模型———BP模型77
6.2.3基于反向传播模型的分类算法78
6.3决策树81
6.3.1决策树介绍81
6.3.2决策树算法83
6.3.3由决策树提取规则87
6.4贝叶斯方法88
6.4.1概述88
6.4.2贝叶斯理论与贝叶斯定理88
6.4.3朴素贝叶斯分类归纳方法89
？6.5支持向量机方法91
6.5.1支持向量机的基本概念介绍91
6.5.2支持向量机学习模型的研究93
？6.6关联规则方法97
6.6.1关联规则的基本概念97
6.6.2关联规则的算法———Apriori算法99
？6.7聚类方法103
？6.8迁移学习106
6.8.1迁移学习的基本概念106
6.8.2迁移学习的基本内容107
6.8.3迁移学习的评价108
6.9强化学习方法108
6.9.1强化学习的概念108
6.9.2强化学习Q-Learning算法109
6.9.3强化学习方法评价110
小结111
习题112
实验112
第7章深度学习与通用人工智能113
7.1浅层学习与深度学习113
7.2深度学习113
7.3卷积神经网络115
7.3.1卷积神经网络的原理116
7.3.2卷积神经网络的结构116
7.3.3卷积神经网络结构的模型实例121
7.3.4卷积神经网络的训练122
7.4通用人工智能125
7.4.1引言125
7.4.2大模型及其典型应用工具ChatGPT125
7.4.3多模态大模型及其典型应用GPT-4128
7.4.4生成视频及其典型应用———Sora129
小结129
习题131
实验131
第8章知识获取之知识图谱方法132
8.1知识图谱中的知识获取概述132
8.2知识图谱中的知识获取方法133
Ⅳ
8.3著名的知识图谱介绍135
8.3.1知识图谱分类135
8.3.2著名知识图谱介绍136
8.4知识图谱中的知识存储管理137
8.5知识图谱的应用138
小结139
习题140
实验140
第9章知识获取之Agent方法141
9.1Agent介绍141
9.1.1Agent的基本概念141
9.1.2Agent的分类143
9.1.3Agent应用144
9.2多Agent145
9.2.1多Agent的基本概念145
9.2.2多Agent的通信145
9.2.3多Agent的协作与协调146
9.2.4多Agent的应用147
9.3移动Agent147
9.3.1移动Agent的基本概念147
9.3.2移动Agent的应用148
9.4智能Agent148
9.4.1智能Agent的基本概念148
9.4.2智能Agent的应用148
小结149
习题150
第二篇应用技术篇
第10章知识工程与专家系统152
10.1知识工程与专家系统概述152
10.1.1知识工程的基本概念152
10.1.2专家系统的基本概念153
10.2专家系统组成154
10.3专家系统分类156
10.4专家系统开发156
10.4.1专家系统的开发工具156
10.4.2专家系统的开发人员157
10.4.3专家系统的开发步骤157
10.5传统专家系统与新一代专家系统159
小结159
习题161
第11章计算机视觉162
11.1计算机视觉概述162
11.2计算机视觉中的图像分析和理解165
11.3计算机视觉应用167
小结169
习题171
实验171
第12章自然语言处理172
12.1自然语言处理中的自然语言理解174
12.2自然语言处理中的自然语言生成175
12.3语音处理176
12.4自然语言处理应用实例176
12.4.1自然语言人机交互界面176
12.4.2自动文摘178
12.5自然语言处理的新发展178
小结178
习题179
实验179
第13章机器人180
13.1机器人概述180
13.1.1机器人定义180
13.1.2机器人分类182
13.1.3机器人三原则182
13.1.4机器人特性182
13.1.5群体机器人182
13.2机器人组织结构183
13.3机器人工作原理184
13.4机器人的应用185
小结188
习题190
第三篇工程篇———开发应用
第14章大数据技术193
14.1大数据技术概述193
14.1.1大数据的发展历史193
14.1.2大数据的基本概念194
14.2大数据基础平台196
14.3大数据软件平台———Hadoop196
14.4大数据管理199
14.4.1大数据管理系统标准199
14.4.2大数据管理的开发200
14.5大数据计算202
14.5.1两种不同的计算202
14.5.2三种不同的应用202
14.6大数据用户接口与可视化204
小结204
习题206
第15章知识获取开发———计算机智能系统207
15.1概述207
15.2知识获取系统开发的三大要素208
15.3计算机智能系统组成212
15.3.1基础平台212
15.3.2基本软件平台212
15.3.3智能应用软件216
15.3.4输入与输出217
15.4计算机智能系统开发流程217
15.5人工智能知识获取的三种典型方法219
小结220
习题221
第16章智能应用———计算机智能应用系统开发222
16.1计算机智能应用系统组成222
16.2计算机智能应用系统开发223
Ⅶ
16.3人工智能典型应用产品介绍225
16.3.1自动驾驶与网联车225
16.3.2人脸识别230
16.3.3机器翻译236
16.3.4智能医学图像处理238
小结243
习题245
第四篇展望篇
第17章人工智能发展展望248
17.1人工智能学科发展248
17.2人工智能所引发的社会问题及其解决252
小结254
习题255
参考文献256
第1章总论2
1.1人工智能发展历史2
1.1.1人工智能出现前的萌芽期2
1.1.2人工智能发展的初期4
1.1.3人工智能发展的第二个时期5
1.1.4人工智能发展的第三个时期7
1.2人工智能概念8
1.2.1人工智能的定义8
1.2.2人工智能研究的内容10
1.2.3人工智能研究目标11
1.3人工智能发展三大学派11
1.4人工智能的学科体系13
1.4.1人工智能学科体系框架结构13
1.4.2人工智能基础理论———基于知识的研究14
1.4.3人工智能应用技术研究16
1.4.4计算机智能工程开发17
1.4.5计算机融合性工程开发———计算机智能应用系统18
小结19
习题21
第2章知识及知识表示22
2.1概述22
2.1.1知识、知识分类及知识模型22
2.2谓词逻辑表示法25
2.2.1谓词逻辑表示法的基本概念25
2.2.2谓词逻辑公式26
2.2.3谓词逻辑公式的解释26
2.2.4谓词逻辑永真公式27
2.2.5谓词逻辑推理28
2.2.6用谓词逻辑表示知识29
2.2.7谓词逻辑知识表示评价30
2.3状态空间表示法31
2.3.1状态空间的表示31
2.3.2状态空间与知识表示31
2.3.3状态空间表示法的实例32
2.3.4状态空间表示法的评价33
2.4知识图谱表示法34
2.4.1知识图谱概述34
2.4.2知识图谱表示34
2.4.3知识图谱与知识表示36
2.4.4知识图谱表示法的评价36
小结37
习题37
第3章知识组织与管理———知识库介绍39
3.1知识库概述39
3.1.1知识库的基本概念39
3.1.2知识库系统结构组成41
3.2知识库发展历史41
3.3典型知识库系统介绍42
小结44
习题45
第4章知识获取之搜索策略方法46
4.1概述46
4.2盲目搜索47
4.3启发式搜索48
4.3.1评估函数与启发信息49
4.3.2A算法50
4.3.3A
？算法50
4.4博弈树的启发式搜索50
4.4.1概述50
4.4.2极大极小过程51
4.4.3α-β剪枝53
小结54
习题54
实验54
第5章知识获取之推理方法55
5.1知识推理基本理论55
5.2谓词逻辑自然推理56
5.2.1永真推理56
5.2.2假设推理58
5.2.3反证推理59
？5.3谓词逻辑的自动定理证明60
5.3.1子句与子句集60
5.3.2归结原理62
5.3.3PROLOG语言简介66
5.4知识推理方法之评价68
小结68
习题69
实验69
第6章知识获取之机器学习方法70
6.1机器学习概述70
6.1.1学习的概念70
6.1.2机器学习的概念71
6.1.3机器学习方法72
6.2人工神经网络74
6.2.1人工神经网络介绍74
6.2.2人工神经网络中的反向传播模型———BP模型77
6.2.3基于反向传播模型的分类算法78
6.3决策树81
6.3.1决策树介绍81
6.3.2决策树算法83
6.3.3由决策树提取规则87
6.4贝叶斯方法88
6.4.1概述88
6.4.2贝叶斯理论与贝叶斯定理88
6.4.3朴素贝叶斯分类归纳方法89
？6.5支持向量机方法91
6.5.1支持向量机的基本概念介绍91
6.5.2支持向量机学习模型的研究93
？6.6关联规则方法97
6.6.1关联规则的基本概念97
6.6.2关联规则的算法———Apriori算法99
？6.7聚类方法103
？6.8迁移学习106
6.8.1迁移学习的基本概念106
6.8.2迁移学习的基本内容107
6.8.3迁移学习的评价108
6.9强化学习方法108
6.9.1强化学习的概念108
6.9.2强化学习Q-Learning算法109
6.9.3强化学习方法评价110
小结111
习题112
实验112
第7章深度学习与通用人工智能113
7.1浅层学习与深度学习113
7.2深度学习113
7.3卷积神经网络115
7.3.1卷积神经网络的原理116
7.3.2卷积神经网络的结构116
7.3.3卷积神经网络结构的模型实例121
7.3.4卷积神经网络的训练122
7.4通用人工智能125
7.4.1引言125
7.4.2大模型及其典型应用工具ChatGPT125
7.4.3多模态大模型及其典型应用GPT-4128
7.4.4生成视频及其典型应用———Sora129
小结129
习题131
实验131
第8章知识获取之知识图谱方法132
8.1知识图谱中的知识获取概述132
8.2知识图谱中的知识获取方法133
Ⅳ
8.3著名的知识图谱介绍135
8.3.1知识图谱分类135
8.3.2著名知识图谱介绍136
8.4知识图谱中的知识存储管理137
8.5知识图谱的应用138
小结139
习题140
实验140
第9章知识获取之Agent方法141
9.1Agent介绍141
9.1.1Agent的基本概念141
9.1.2Agent的分类143
9.1.3Agent应用144
9.2多Agent145
9.2.1多Agent的基本概念145
9.2.2多Agent的通信145
9.2.3多Agent的协作与协调146
9.2.4多Agent的应用147
9.3移动Agent147
9.3.1移动Agent的基本概念147
9.3.2移动Agent的应用148
9.4智能Agent148
9.4.1智能Agent的基本概念148
9.4.2智能Agent的应用148
小结149
习题150
第二篇应用技术篇
第10章知识工程与专家系统152
10.1知识工程与专家系统概述152
10.1.1知识工程的基本概念152
10.1.2专家系统的基本概念153
10.2专家系统组成154
10.3专家系统分类156
10.4专家系统开发156
10.4.1专家系统的开发工具156
10.4.2专家系统的开发人员157
10.4.3专家系统的开发步骤157
10.5传统专家系统与新一代专家系统159
小结159
习题161
第11章计算机视觉162
11.1计算机视觉概述162
11.2计算机视觉中的图像分析和理解165
11.3计算机视觉应用167
小结169
习题171
实验171
第12章自然语言处理172
12.1自然语言处理中的自然语言理解174
12.2自然语言处理中的自然语言生成175
12.3语音处理176
12.4自然语言处理应用实例176
12.4.1自然语言人机交互界面176
12.4.2自动文摘178
12.5自然语言处理的新发展178
小结178
习题179
实验179
第13章机器人180
13.1机器人概述180
13.1.1机器人定义180
13.1.2机器人分类182
13.1.3机器人三原则182
13.1.4机器人特性182
13.1.5群体机器人182
13.2机器人组织结构183
13.3机器人工作原理184
13.4机器人的应用185
小结188
习题190
第三篇工程篇———开发应用
第14章大数据技术193
14.1大数据技术概述193
14.1.1大数据的发展历史193
14.1.2大数据的基本概念194
14.2大数据基础平台196
14.3大数据软件平台———Hadoop196
14.4大数据管理199
14.4.1大数据管理系统标准199
14.4.2大数据管理的开发200
14.5大数据计算202
14.5.1两种不同的计算202
14.5.2三种不同的应用202
14.6大数据用户接口与可视化204
小结204
习题206
第15章知识获取开发———计算机智能系统207
15.1概述207
15.2知识获取系统开发的三大要素208
15.3计算机智能系统组成212
15.3.1基础平台212
15.3.2基本软件平台212
15.3.3智能应用软件216
15.3.4输入与输出217
15.4计算机智能系统开发流程217
15.5人工智能知识获取的三种典型方法219
小结220
习题221
第16章智能应用———计算机智能应用系统开发222
16.1计算机智能应用系统组成222
16.2计算机智能应用系统开发223
Ⅶ
16.3人工智能典型应用产品介绍225
16.3.1自动驾驶与网联车225
16.3.2人脸识别230
16.3.3机器翻译236
16.3.4智能医学图像处理238
小结243
习题245
第四篇展望篇
第17章人工智能发展展望248
17.1人工智能学科发展248
17.2人工智能所引发的社会问题及其解决252
小结254
习题255
参考文献256
