人工智能基础

第1章概述/1
1.1人工智能的产生与发展1
1.1.1人工智能的产生1
1.1.2人工智能发展的三次热潮2
1.2人工智能的内涵与外延3
1.2.1图灵测试3
1.2.2人工智能的内涵3
1.2.3人工智能的外延5
1.2.4人工智能的层次结构6
1.2.5强人工智能与弱人工智能6
1.3人工智能的三大学派7
1.3.1符号主义学派7
1.3.2连接主义学派8
1.3.3行为主义学派8
1.4人工智能的数学基础9
1.4.1数学是人工智能的基石9
1.4.2人工智能的常用数学9
1.5人工智能的应用12
1.5.1人工智能的实现方式12
1.5.2人工智能的主要应用场景13
1.5.3人工智能的发展趋势15
本章小结16
第2章知识与知识表示/17
2.1知识的特征与分类17
2.1.1知识的特征17
2.1.2知识的分类18
2.2计算机表示知识的方法20
2.2.1知识表示的原则20
2.2.2知识表示的方法分类21
2.2.3知识表示的全过程21〖1〗人工智能基础目录〖3〗〖3〗
2.3产生式表示法22
2.3.1产生式的结构22
2.3.2产生式表示法举例23
2.4一阶谓词逻辑表示法24
2.4.1知识的谓词逻辑表示24
2.4.2谓词逻辑表示法举例26
2.5语义网络表示法26
2.5.1语义网络的特点与结构26
2.5.2语义网络表示法举例28
2.6框架表示法29
2.6.1框架的基本结构与特点29
2.6.2框架表示法举例31
2.7状态空间表示法31
2.7.1描述问题状态31
2.7.2状态空间表示法举例32
本章小结33
第3章机器推理/34
3.1机器推理基础34
3.1.1思维与数理逻辑34
3.1.2概念与判断35
3.1.3推理及其分类36
3.1.4逻辑推理37
3.2非单调推理39
3.2.1单调逻辑与单调推理39
3.2.2非单调逻辑与非单调推理40
3.2.3非单调推理与单调推理的比较41
3.3谓词逻辑推理41
3.3.1谓词逻辑41
3.3.2谓词逻辑的自然推理规则44
3.3.3谓词逻辑的自然推理方法45
3.4不确定性推理46
3.4.1不确定性推理基础46
3.4.2贝叶斯推理48
3.4.3信度推理50
3.4.4模糊推理53
3.5推理控制策略60
3.5.1正向推理60
3.5.2反向推理61
3.5.3双向推理63
3.5.4冲突消解策略63
本章小结65
第4章搜索策略/66
4.1搜索策略概述66
4.1.1搜索与搜索过程66
4.1.2常用的搜索策略67
4.2盲目搜索策略68
4.2.1广度优先搜索策略68
4.2.2深度优先搜索策略69
4.2.3两种搜索策略比较71
4.3启发式搜索策略71
4.3.1启发信息与启发函数72
4.3.2贪婪*佳优先搜索算法72
4.3.3贪婪*佳优先搜索的问题74
4.4Dijkstra算法75
4.4.1标号实现方式76
4.4.2表实现方式77
4.5A算法80
4.5.1A算法的功能与特性80
4.5.2A搜索算法81
4.5.3A算法寻路的探测84
本章小结85
第5章专家系统/86
5.1专家系统的产生与发展86
5.1.1专家系统的产生86
5.1.2专家系统的发展87
5.2专家系统的功能与特点87
5.2.1专家系统的功能87
5.2.2专家系统的要素与特点88
5.2.3专家系统的类型90
5.3专家系统的结构91
5.3.1产生式系统91
5.3.2专家系统的基本结构94
5.4专家系统的构建与开发环境98
5.4.1基于骨架系统的专家系统构建98
5.4.2专家系统的开发环境99
5.5专家系统的案例101
5.5.1基于规则的动物识别专家系统101
5.5.2基于模糊规则的专家控制系统103
本章小结106
第6章机器学习/107
6.1机器学习概述107
6.1.1机器学习基础107
6.1.2机器学习的方式116
6.2决策树121
6.2.1决策树的结构与算法要素121
6.2.2决策树生成算法122
6.3集成学习127
6.3.1集成学习的策略与特点127
6.3.2Bagging算法127
6.4k*近邻分类131
6.4.1k*近邻分类算法131
6.4.2k*近邻分类算法的优缺点133
6.5聚类133
6.5.1聚类算法的类型与特点133
6.5.2k均值聚类算法135
6.6马尔可夫模型137
6.6.1马尔可夫过程137
6.6.2隐马尔可夫模型139
6.7朴素贝叶斯分类142
6.7.1贝叶斯定理143
6.7.2朴素贝叶斯分类流程144
本章小结146
第7章神经网络模型/147
7.1神经网络模型基础147
7.1.1神经网络模型的定义与特性147
7.1.2学习与适应152
7.2前馈神经网络160
7.2.1感知机160
7.2.2BP学习算法161
7.2.3前馈神经网络的复杂性164
7.3自组织神经网络165
7.3.1竞争学习神经网络模型166
7.3.2Kohonen神经网络166
7.4反馈神经网络168
7.4.1反馈神经网络简介168
7.4.2霍普菲尔德神经网络169
本章小结170
第8章深度学习/171
8.1深度学习概述171
8.1.1深度学习的概念与特点172
8.1.2深度学习的方式174
8.1.3深度学习模型的特点175
8.2卷积神经网络175
8.2.1卷积神经网络的特点175
8.2.2卷积神经网络的结构177
8.2.3卷积神经网络的训练186
8.3循环神经网络189
8.3.1循环神经网络的结构189
8.3.2随时间反向传播学习算法190
8.3.3循环神经网络的扩展193
8.3.4循环神经网络的应用195
8.4生成式对抗网络195
8.4.1生成式对抗网络的结构196
8.4.2网络的训练与损失函数196
8.5自动编码器198
8.5.1自编码器工作原理198
8.5.2常用的自编码器201
8.5.3深度自编码器应用202
本章小结203
第9章计算机视觉/204
9.1计算机视觉概述204
9.1.1计算机视觉的内涵与外延204
9.1.2图像类型与语义差异206
9.2图像分类208
9.2.1图像识别与分类208
9.2.2图像分类的基本方法208
9.2.3基于深度学习的图像分类210
9.3目标检测214
9.3.1目标检测的任务214
9.3.2RCNN目标检测算法215
9.3.3Fast RCNN目标检测算法218
9.3.4Faster RCNN目标检测算法220
9.3.5三种算法的比较222
9.4视觉目标跟踪222
9.4.1视觉目标跟踪概述222
9.4.2跟踪视觉目标的方法224
9.4.3基于卷积神经网络的目标跟踪方法225
9.5语义分割227
9.5.1语义分割的定义与术语227
9.5.2语义分割的方法228
本章小结232
第10章自然语言处理/233
10.1自然语言处理概述233
10.1.1自然语言处理技术的发展233
10.1.2自然语言处理的内容235
10.2词法分析236
10.2.1中文分词237
10.2.2词性标注241
10.2.3命名实体识别242
10.2.4文本关键词提取方法245
10.2.5文本表示250
10.3句法分析256
10.3.1完全句法分析256
10.3.2局部句法分析262
10.3.3依存句法分析262
10.4语义分析264
10.4.1词汇级语义分析265
10.4.2句子级语义分析266
10.5自然语言处理的应用269
10.5.1中文自然语言的处理过程269
10.5.2自然语言处理的基本应用场景271
本章小结271
第11章知识图谱/272
11.1知识图谱概述272
11.1.1知识图谱理论的形成273
11.1.2知识图谱表示274
11.1.3本体274
11.1.4知识图谱的优势277
11.1.5知识存储277
11.2知识图谱的架构278
11.2.1知识图谱的逻辑架构278
11.2.2知识图谱的技术架构279
11.3知识图谱构建284
11.3.1知识图谱的构建方式285
11.3.2知识图谱的设计原则与构建策略286
11.3.3知识图谱的自动构建287
11.4知识图谱推理288
11.4.1知识图谱推理的任务288
11.4.2基于规则的关系推理288
11.4.3基于表示学习的推理289
11.4.4基于图结构的关系推理292
11.5知识图谱的应用293
本章小结296
第12章智能体/297
12.1分布式人工智能概述297
12.1.1分布式人工智能系统的特点297
12.1.2分布式人工智能的分类298
12.1.3智能体的特征与结构299
12.2智能体的工作过程与分类301
12.2.1智能体的基本工作过程301
12.2.2智能体的分类302
12.2.3智能体的环境306
12.3多智能体307
12.3.1多智能体系统的定义与特点307
12.3.2多智能体系统的分类308
12.3.3多智能体的通信方式309
12.3.4多智能体的协作与协调311
12.4移动智能体311
12.4.1移动智能体的特点311
12.4.2移动智能体的主要技术312
12.4.3移动智能体的分布式计算模式313
本章小结314
第13章群智能/315
13.1群智能计算概述315
13.1.1群智能算法的产生与发展315
13.1.2群智能算法的理论框架317
13.2蚁群算法318
13.2.1蚁群寻食的过程318
13.2.2蚁群算法的设计320
13.2.3基于蚁群算法的TSP问题求解324
13.2.4蚁群算法的特点328
13.3粒子群算法329
13.3.1粒子群算法概述329
13.3.2粒子群算法的构建330
13.3.3粒子群算法的应用334
本章小结336
第14章生物特征识别/337
14.1生物识别概述337
14.1.1生物特征的特点与识别目标337
14.1.2生物识别的主要技术338
14.2人脸识别338
14.2.1人脸识别原理339
14.2.2人脸特征识别技术341
14.2.3人脸识别基本过程344
14.3虹膜识别346
14.3.1虹膜识别原理346
14.3.2虹膜识别过程346
14.4指纹识别347
14.4.1指纹识别原理347
14.4.2指纹识别过程348
14.5步态识别349
14.5.1步态识别原理349
14.5.2步态识别过程350
14.5.3步态识别技术的特点351
本章小结351
第15章智能机器人/352
15.1智能机器人概述352
15.1.1智能机器人的分类353
15.1.2智能机器人的要素354
15.1.3智能机器人的技术355
15.2导航定位技术355
15.2.1自主定位导航的任务355
15.2.2智能自主定位导航技术356
15.3机器人的感知358
15.3.1机器人的视觉358
15.3.2机器人的触觉359
15.3.3机器人的听觉360
15.3.4多感知器信息的融合360
15.4机器人交互技术360
15.4.1语音交互361
15.4.2情感交互362
15.4.3体感交互363
本章小结363
参考文献/364