- 电子工业出版社
- 9787121524035
- 1-1
- 16开
- 551
- 工学
- 计算机类
- 计算机科学与技术
- 本科 研究生及以上
内容简介
人工智能是计算机科学的前沿，是研究如何利用计算机系统实现人类智能的理论、方法和技术的学科。本书较系统地介绍了人工智能的基本内容，主要包括人工智能发展三次热潮、知识与知识表示、推理方式、搜索策略、专家系统、机器学习、深度学习、计算机视觉、自然语言处理与理解、知识图谱、智能体、群智能算法、生物特征识别和智能机器人等。本书注重基本概念、基本方法和应用实例的介绍。语言精炼、逻辑层次清晰，是大学“人工智能通识”课的教材。
目录
概述
·知识结构
·学习目标
第1章 概述
1.1人工智能产生与发展
1.1.1人类智能
1.1.2人工智能的产生
1.1.3人工智能发展的三个热潮
1.2 人工智能技术
1.2.1人工智能的内涵
1.2.2人工智能的外延
1.2.3强人工智能与弱人工智能
1.2.4图灵测试
1.2.5人工智能主要技术
1.3人工智能学派
1.3.1符号主义
1.3.2连接主义
1.3.3行为主义
1.4 人工智能伦理
1.4.1 人工智能伦理的意义
1.4.2 人工智能伦理的原则
1.4.3 新一代人工智能治理原则
1.4.4 人工智能伦理要素
1.4.5 主要的人工智能伦理问题
1.4.6人工智能效率和伦理的平衡
1.4.7人工智能的隐私权保护措施
1.5 人工智能应用
1.5.1人工智能实现方式
1.5.2人工智能应用场景
1.5.3 人工智能发展趋势
本章小结
思考与练习1
第2章知识表示
·知识结构
·学习目标
2.1知识的特征与分类
2.1.1人类知识的特征
2.1.2人类知识的分类
2.2知识表示的方法
2.2.1知识表示概念与原则
2.2.2知识表示方法分类
2.2.3知识表示全过程
2.2.4表示方法与选择因素
2.3产生式表示法
2.3.1产生式的结构
2.3.2产生式表示法举例
2.4谓词逻辑表示法
2.4.1 知识的谓词逻辑表示
2.4.2 谓词逻辑表示法举例
2.5 语义网表示法
2.5.1 语义网络特点与结构
2.5.2 事物与概念的表示
2.6框架表示法
2.6.1框架的基本结构与特点
2.6.2框架表示法举例
本章小结
思考与练习2
第3章 机器推理
·知识结构
·学习目标
3.1机器推理基础
3.1.1思维与数理逻辑
3.1.2概念与判断
3.1.3推理及分类
3.1.4逻辑推理
3.2非单调推理
3.2.1单调逻辑与单调推理
3.2.2非单调逻辑与非单调推理
3.2.3非单调推理与单调推理比较
3.2.4缺省推理
3.3 谓词逻辑推理
3.3.1谓词逻辑
3.3.2谓词逻辑推理规则
3.3.3谓词逻辑推理过程
3.4不确定性推理
3.4.1不确定性推理基础
3.4.2 Bayes推理
3.4.3信度推理
3.4.4模糊推理
3.5推理控制策略
3.5.1正向推理
3.5.2反向推理
3.5.3正反向混合推理
3.5.4冲突消解策略
本章小结
思考与练习3
第4章搜索策略
·知识结构
·学习目标
4.1搜索策略概述
4.1.1搜索与搜索过程
4.1.2常用的搜索策略
4.2盲目搜索策略
4.2.1宽度优先搜索
4.2.2深度优先搜索
4.2.3两种搜索策略比较
4.3启发式搜索策略
4.3.1启发信息与启发函数
4.3.2贪婪最佳优先搜索算法
4.3.3贪婪最佳优先搜索的问题
4.4 A*算法
4.4.1 A*算法功能与特性
4.4.2 A*搜索算法描述
4.4.3 A*算法寻路的分析
本章小结
思考与练习4
第5章专家系统
·知识结构
·学习目标
5.1专家系统的产生与发展
5.1.1专家系统的产生
5.1.2专家系统的发展
5.2专家系统的功能与与特点
5.2.1专家系统的功能
5.2.2专家系统的要素与特点
5.2.3专家系统的类型
5.3 专家系统的结构
5.3.1产生式系统
5.3.2专家系统的基本结构
5.4专家系统构建与开发环境
5.4.1基于骨架系统的专家系统
5.4.2 专家系统的开发环境
5.5专家系统案例
5.5.1基于规则的动物识别专家系统
5.5.2基于模糊规则的专家控制系统
本章小结
思考与练习5
第6章机器学习
·知识结构
·学习目标
6.1机器学习概述
6.1.1机器学习基础
6.1.2机器学习的方式
6.1.3学习算法与模型
6.2分类
6.2.1 分类的算法与类型
6.2.2 k-近邻分类算法
6.3聚类
6.3.1聚类算法类型与特点
6.3.2 K-平均聚类算法
6.3.3 K-平均聚类算法工作过程举例
本章小结
思考与练习6
第7章 深度学习
·知识结构
·学习目标
7.1深度学习基础
7.1.1深度学习概念与特点
7.1.2深度学习方式
7.1.3 深度学习模型的特点
7.2卷积神经网络
7.2.1卷积神经网络产生与特点
7.2.2卷积神经网结构
7.2.3卷积神经网络训练
7.3生成式对抗网络
7.3.1生成式对抗网络结构
7.3.2网络训练与损失函数
7.4 自编码器
7.4.1 自编码器工作原理
7.4.2 常用的自编码器
7.4.3 深度自编码器应用
本章小结
思考与练习7
第8章 智能体
·知识结构
·学习目标
8.1分布式人工智能概述
8.1.1分布式人工智能的特点
8.1.2分布式人工智能的
8.1.3智能体特征与结构
8.1.4理性智能体
8.2 智能体工作过程与分类
8.2.1 智能体工作过程
8.2.2 智能体分类
8.2.3 智能体环境
8.3多智能体
8.3.1多智能体系统的特点与分类
8.3.2 智能体通信方式
8.3.3智能体的协作与协调
8.4移动智能体
8.4.1移动智能体特点
8.4.2移动智能体的关键技术
8.4.3移动智能体计算模式与应用
本章小结
思考与练习8
第9章计算机视觉
·知识结构
·学习目标
9.1计算机视觉概述
9.1.1计算机视觉的内涵与外延
9.1.2 图像类型与语义差异
9.2图像分类
9.2.1图像识别与分类
9.2.2 图像分类的基本方法
9.2.3 基于深度学习的图像分类
9.2.4 AlexNet图像分类
9.2.5 图像识别和图像分类的应用
9.3目标检测
9.3.1目标检测任务
9.3.2 R-CNN目标检测算法任务
9.3.3 视觉目标检测应用
9.4视觉目标跟踪
9.4.1视觉目标跟踪任务与流程
9.4.2视觉目标跟踪方法
9.4.3 视觉应用
9.5图像语义分割
9.5.1语义分割定义与术语__
·知识结构
·学习目标
第1章 概述
1.1人工智能产生与发展
1.1.1人类智能
1.1.2人工智能的产生
1.1.3人工智能发展的三个热潮
1.2 人工智能技术
1.2.1人工智能的内涵
1.2.2人工智能的外延
1.2.3强人工智能与弱人工智能
1.2.4图灵测试
1.2.5人工智能主要技术
1.3人工智能学派
1.3.1符号主义
1.3.2连接主义
1.3.3行为主义
1.4 人工智能伦理
1.4.1 人工智能伦理的意义
1.4.2 人工智能伦理的原则
1.4.3 新一代人工智能治理原则
1.4.4 人工智能伦理要素
1.4.5 主要的人工智能伦理问题
1.4.6人工智能效率和伦理的平衡
1.4.7人工智能的隐私权保护措施
1.5 人工智能应用
1.5.1人工智能实现方式
1.5.2人工智能应用场景
1.5.3 人工智能发展趋势
本章小结
思考与练习1
第2章知识表示
·知识结构
·学习目标
2.1知识的特征与分类
2.1.1人类知识的特征
2.1.2人类知识的分类
2.2知识表示的方法
2.2.1知识表示概念与原则
2.2.2知识表示方法分类
2.2.3知识表示全过程
2.2.4表示方法与选择因素
2.3产生式表示法
2.3.1产生式的结构
2.3.2产生式表示法举例
2.4谓词逻辑表示法
2.4.1 知识的谓词逻辑表示
2.4.2 谓词逻辑表示法举例
2.5 语义网表示法
2.5.1 语义网络特点与结构
2.5.2 事物与概念的表示
2.6框架表示法
2.6.1框架的基本结构与特点
2.6.2框架表示法举例
本章小结
思考与练习2
第3章 机器推理
·知识结构
·学习目标
3.1机器推理基础
3.1.1思维与数理逻辑
3.1.2概念与判断
3.1.3推理及分类
3.1.4逻辑推理
3.2非单调推理
3.2.1单调逻辑与单调推理
3.2.2非单调逻辑与非单调推理
3.2.3非单调推理与单调推理比较
3.2.4缺省推理
3.3 谓词逻辑推理
3.3.1谓词逻辑
3.3.2谓词逻辑推理规则
3.3.3谓词逻辑推理过程
3.4不确定性推理
3.4.1不确定性推理基础
3.4.2 Bayes推理
3.4.3信度推理
3.4.4模糊推理
3.5推理控制策略
3.5.1正向推理
3.5.2反向推理
3.5.3正反向混合推理
3.5.4冲突消解策略
本章小结
思考与练习3
第4章搜索策略
·知识结构
·学习目标
4.1搜索策略概述
4.1.1搜索与搜索过程
4.1.2常用的搜索策略
4.2盲目搜索策略
4.2.1宽度优先搜索
4.2.2深度优先搜索
4.2.3两种搜索策略比较
4.3启发式搜索策略
4.3.1启发信息与启发函数
4.3.2贪婪最佳优先搜索算法
4.3.3贪婪最佳优先搜索的问题
4.4 A*算法
4.4.1 A*算法功能与特性
4.4.2 A*搜索算法描述
4.4.3 A*算法寻路的分析
本章小结
思考与练习4
第5章专家系统
·知识结构
·学习目标
5.1专家系统的产生与发展
5.1.1专家系统的产生
5.1.2专家系统的发展
5.2专家系统的功能与与特点
5.2.1专家系统的功能
5.2.2专家系统的要素与特点
5.2.3专家系统的类型
5.3 专家系统的结构
5.3.1产生式系统
5.3.2专家系统的基本结构
5.4专家系统构建与开发环境
5.4.1基于骨架系统的专家系统
5.4.2 专家系统的开发环境
5.5专家系统案例
5.5.1基于规则的动物识别专家系统
5.5.2基于模糊规则的专家控制系统
本章小结
思考与练习5
第6章机器学习
·知识结构
·学习目标
6.1机器学习概述
6.1.1机器学习基础
6.1.2机器学习的方式
6.1.3学习算法与模型
6.2分类
6.2.1 分类的算法与类型
6.2.2 k-近邻分类算法
6.3聚类
6.3.1聚类算法类型与特点
6.3.2 K-平均聚类算法
6.3.3 K-平均聚类算法工作过程举例
本章小结
思考与练习6
第7章 深度学习
·知识结构
·学习目标
7.1深度学习基础
7.1.1深度学习概念与特点
7.1.2深度学习方式
7.1.3 深度学习模型的特点
7.2卷积神经网络
7.2.1卷积神经网络产生与特点
7.2.2卷积神经网结构
7.2.3卷积神经网络训练
7.3生成式对抗网络
7.3.1生成式对抗网络结构
7.3.2网络训练与损失函数
7.4 自编码器
7.4.1 自编码器工作原理
7.4.2 常用的自编码器
7.4.3 深度自编码器应用
本章小结
思考与练习7
第8章 智能体
·知识结构
·学习目标
8.1分布式人工智能概述
8.1.1分布式人工智能的特点
8.1.2分布式人工智能的
8.1.3智能体特征与结构
8.1.4理性智能体
8.2 智能体工作过程与分类
8.2.1 智能体工作过程
8.2.2 智能体分类
8.2.3 智能体环境
8.3多智能体
8.3.1多智能体系统的特点与分类
8.3.2 智能体通信方式
8.3.3智能体的协作与协调
8.4移动智能体
8.4.1移动智能体特点
8.4.2移动智能体的关键技术
8.4.3移动智能体计算模式与应用
本章小结
思考与练习8
第9章计算机视觉
·知识结构
·学习目标
9.1计算机视觉概述
9.1.1计算机视觉的内涵与外延
9.1.2 图像类型与语义差异
9.2图像分类
9.2.1图像识别与分类
9.2.2 图像分类的基本方法
9.2.3 基于深度学习的图像分类
9.2.4 AlexNet图像分类
9.2.5 图像识别和图像分类的应用
9.3目标检测
9.3.1目标检测任务
9.3.2 R-CNN目标检测算法任务
9.3.3 视觉目标检测应用
9.4视觉目标跟踪
9.4.1视觉目标跟踪任务与流程
9.4.2视觉目标跟踪方法
9.4.3 视觉应用
9.5图像语义分割
9.5.1语义分割定义与术语__
