人工智能及其应用(第7版)

第1章绪论
1.1人工智能的定义与发展
1.1.1人工智能的定义
1.1.2人工智能的起源与发展
1.1.3中国人工智能的发展
1.2人工智能的核心要素、学科体系和系统分类
1.2.1人工智能的核心要素
1.2.2人工智能的学科体系
1.2.3人工智能系统的分类
1.3人工智能的研究目标和内容
1.3.1人工智能的研究目标
1.3.2人工智能研究的基本内容
1.4人工智能的研究与应用领域
1.5本书概要
1.6小结
习题1 第1篇基于知识的人工智能
第2章知识表示方法
2.1状态空间表示
2.1.1问题状态描述
2.1.2状态图示法
2.2问题归约表示
2.2.1问题归约描述
2.2.2与或图表示
2.3谓词逻辑表示
2.3.1谓词演算
2.3.2谓词公式
2.3.3置换与合一
2.4语义网络表示
2.4.1二元语义网络的表示
2.4.2多元语义网络的表示
2.4.3语义网络的推理过程
2.5本体技术
2.5.1本体的概念
2.5.2本体的组成与分类
2.5.3本体的建模
2.6知识图谱
2.6.1知识图谱的定义与架构
2.6.2知识图谱的关键技术
2.6.3知识图谱的应用领域
2.7小结
习题2 第3章知识搜索与推理
3.1图搜索策略
3.2盲目搜索
3.2.1宽度优先搜索
3.2.2深度优先搜索
3.2.3等代价搜索
3.3启发式搜索
3.3.1启发式搜索策略和估价函数
3.3.2有序搜索
3.3.3A*算法
3.4消解原理
3.4.1子句集的求取
3.4.2消解推理规则
3.4.3含有变量的消解式
3.4.4消解反演求解过程
3.5规则演绎系统
3.5.1正向规则演绎系统
3.5.2逆向规则演绎系统
3.5.3双向规则演绎系统
3.6不确定性推理
3.6.1不确定性的表示与度量
3.6.2不确定性的算法
3.7概率推理
3.7.1概率的基本性质和计算公式
3.7.2概率推理方法
3.8主观贝叶斯方法
3.8.1知识不确定性的表示
3.8.2证据不确定性的表示
3.8.3主观贝叶斯方法的推理过程
3.9小结
习题3 第4章基于知识的机器学习
4.1机器学习的定义和发展历史
4.1.1机器学习的定义
4.1.2机器学习的发展史
4.2机器学习的主要策略与基本结构
4.2.1机器学习的主要策略
4.2.2机器学习系统的基本结构
4.3归纳学习
4.3.1归纳学习的模式和规则
4.3.2归纳学习方法
4.4类比学习
4.4.1类比推理和类比学习形式
4.4.2类比学习过程与研究类型
4.5解释学习
4.5.1解释学习过程和算法
4.5.2解释学习举例
4.6强化学习
4.6.1强化学习概述
4.6.2Q学习
4.7小结
习题4 第2篇基于数据的人工智能
第5章群体智能与进化计算
5.1粒群优化算法
5.1.1群体智能和粒群优化概述
5.1.2粒群优化算法
5.2蚁群算法
5.2.1蚁群算法理论
5.2.2蚁群算法的研究与应用
5.3进化算法与遗传算法
5.3.1进化算法原理
5.3.2进化算法框架
5.3.3遗传算法的编码与解码
5.3.4遗传算法的遗传算子
5.3.5遗传算法的执行过程
5.3.6遗传算法的执行实例
5.4小结
习题5 第6章数据处理和人工神经网络
6.1数据处理概述
6.1.1数据类型
6.1.2数据预处理
6.1.3特征工程
6.2人工神经网络
6.2.1人工神经网络研究的进展
6.2.2人工神经网络的基本结构
6.3神经网络学习
6.3.1基于反向传播网络的学习
6.3.2基于Hopfield网络的学习
6.4小结
习题6 第7章基于数据的机器学习
7.1线性回归
7.2决策树
7.2.1决策树的模型与学习
7.2.2特征选择
7.2.3决策树的生成算法
7.2.4决策树的剪枝
7.3支持向量机
7.3.1间隔与支持向量
7.3.2对偶问题
7.3.3软间隔与正则化
7.3.4核函数
7.4集成学习
7.4.1随机森林
7.4.2Adaboost算法
7.5聚类
7.5.1距离计算
7.5.2k均值聚类
7.5.3样例说明
7.6深度学习
7.6.1深度学习的定义与特点
7.6.2深度学习的常用模型
7.6.3深度学习的总结与展望
7.7小结
习题7 第3篇人工智能的算法与编程
第8章逻辑型人工智能编程语言
8.1逻辑型编程语言概述
8.2LISP语言
8.2.1LISP的特点和数据结构
8.2.2LISP的基本函数
8.2.3递归和迭代
8.3PROLOG语言
8.3.1PROLOG语法与数据结构
8.3.2PROLOG程序设计原理
8.4小结
习题8 第9章解释型语言和深度学习开源框架
9.1Python语言
9.1.1Python 简介
9.1.2Python的基本语法
9.1.3Python第三方开源工具包
9.2深度学习框架
9.2.1深度学习框架的发展
9.2.2深度学习开源框架比较
9.2.3深度学习框架基本功能
9.3小结
习题9 第4篇人工智能的计算能力
第10章人工智能的算力及架构
10.1人工智能算力的定义、分类和评估
10.1.1人工智能算力的定义
10.1.2人工智能算力和芯片的分类
10.1.3人工智能算力的评估
10.2人工智能芯片的发展
10.2.1人工智能芯片的发展历史
10.2.2人工智能芯片的发展态势
10.3人工智能算力网络
10.3.1人工智能算力网络的定义和特征
10.3.2人工智能算力网络的基本架构和工作机制
10.3.3人工智能算力网络的关键技术
10.3.4人工智能算力网络应用示例
10.4普适人工智能算力网络
10.4.1普适人工智能算力网络的基本架构
10.4.2普适人工智能算力网络的应用示例
10.5小结
习题10 第5篇人工智能的研究与应用领域
第11章专家系统
11.1专家系统概述
11.1.1专家系统的定义与特点
11.1.2专家系统的结构和建造步骤
11.2基于规则的专家系统
11.2.1基于规则的专家系统的工作模型和结构
11.2.2基于规则的专家系统的特点
11.3基于模型的专家系统
11.3.1基于模型的专家系统的提出
11.3.2基于神经网络的专家系统
11.4基于Web的专家系统
11.4.1基于Web的专家系统的结构
11.4.2基于Web的专家系统的实例
11.5智慧医疗诊断系统
11.5.1智慧医疗诊断系统与专家系统
11.5.2智慧医疗诊断系统的一般架构和流程
11.5.3智慧医疗诊断系统示例
11.6小结
习题11 第12章智能规划
12.1智能规划概述
12.1.1规划的概念和作用
12.1.2规划的分类
12.2任务规划
12.2.1积木世界的机器人规划
12.2.2基于消解原理的规划
12.2.3分层规划
12.2.4基于专家系统的规划
12.3路径规划
12.3.1机器人路径规划的主要方法和发展趋势
12.3.2基于免疫进化和示例学习的机器人路径规划
12.3.3基于蚁群算法的机器人路径规划
12.4移动机器人导航
12.4.1移动机器人导航的主要方法
12.4.2移动机器人导航的发展趋势
12.4.3基于机器学习的机器人导航
12.5轨迹规划简介
12.6小结
习题12 第13章机器感知
13.1计算机视觉
13.1.1图像工程概述
13.1.2图像采集和处理
13.1.3图像分类
13.1.4目标检测与跟踪
13.1.5图像分割
13.1.6图像理解
13.2自然语言理解
13.2.1自然语言理解概述
13.2.2自然语言理解研究的基本方法和进展
13.2.3词法分析
13.2.4句法分析
13.2.5语义分析
13.2.6文本的自动翻译——机器翻译
13.2.7自然语言理解系统的主要模型
13.2.8自然语言理解应用实例ChatGPT
13.3语音识别
13.3.1语音识别技术的发展过程
13.3.2语音识别基本原理
13.3.3语音识别关键技术和方法
13.3.4语音识别技术展望
13.4基于深度学习的自然语言处理
13.4.1基于深度学习的语音处理技术
13.4.2基于深度学习的其他自然语言处理技术
13.4.3基于深度学习的自然语言处理示例
13.5小结
习题13 第6篇人工智能展望
第14章人工智能的效益与安全
14.1人工智能的巨大效益
14.1.1人工智能对经济、科技和文教的影响
14.1.2人工智能对社会、生态和健康的影响
14.2人工智能的安全问题
14.3小结
习题14 第15章人工智能的发展趋势
15.1快速发展的人工智能产业化
15.1.1人工智能产业化的主要领域
15.1.2人工智能产业化的现状
15.1.3人工智能产业化的发展趋势
15.2人工智能技术的深度融合
15.2.1人工智能知识和数据的深度融合
15.2.2机器学习中人工智能技术的融合
15.2.3深度强化学习中人工智能技术的融合
15.2.4深度学习与传统人工智能技术的融合
15.3小结
习题15 结束语 参考文献 索引