基本介紹
- 書名：人工智慧及其套用（第四版）
- 作者：王萬良
- 類別：電氣/電子信息/自動化類
- 出版社：高等教育出版社
- 出版時間：2020年6月8日
- 開本：16 開
- 裝幀：平裝
- ISBN：9787040536683
- 字數：70萬字
成書過程,內容簡介,教材目錄,教學資源,教材特色,教材使用,作者簡介,
成書過程
為了適應飛速發展的人工智慧技術，編者在《人工智慧及其套用（第三版）》的基礎上進一步修訂，使語言更加準確、講解更加清楚、教材更加成熟，特別是將一些最新的人工智慧技術引進教材，包括發展起來的知識圖譜、量子進化算法、量子粒子群最佳化算法、卷積神經網路、膠囊網路、生成對抗網路、深度學習等。2020年6月8日，該教材由高等教育出版社出版。
內容簡介
該教材共11章。
第1章除了介紹人工智慧的基本概念。發展簡史，著重介紹目前人工智慧的主要研究內容與各種套用領域，以開闊讀者的視野，引導讀者進入人工智慧各個研究領域。
第2章介紹一階謂詞邏輯、產生式、框架、語義網路、知識圖譜等基本的知識表示方法。
第3章介紹基於謂詞邏輯的確定性推理方法，詳細介紹了在自動定理證明中具有重要地位的魯賓孫歸結原理。通過多個典型例題說明將謂詞公式化為子句集的步驟，詳細講述了利用歸結原理證明定理和求解問題的方法。
第4章介紹不確定性推理方法，主要介紹了比較實用的主觀Bayes、可信度、證據理論、模糊邏輯推理等方法。
第5章介紹了基於搜尋的問題求解策略。
第6章進化算法，介紹了遺傳算法為代表的適用於大規模最佳化的進化計算，包括差分進化算法、量子進化算法。
第7章群智慧型算法，包括粒子群最佳化、量子粒子群最佳化算法、蟻群算法等。
第8章人工神經網路，著重介紹套用廣泛的BP神經網路及其學習算法和Hopfield神經網路及其在聯想記憶與最佳化求解中的套用。介紹了神經網路在軟測量與求解旅行商問題、生產調度等複雜工程最佳化問題中的套用，啟發讀者如何套用神經網路解決複雜工程實際問題。最後介紹了作為深度學習基礎的卷積神經網路、膠囊網路、生成對抗網路等當前最熱點的研究內容及其套用。
第9章機器學習，介紹了機器學習、知識發現與數據挖掘的概念、符號學習、深度學習。
第10章專家系統，介紹了專家系統的概念、工作原理、建立方法，簡單介紹了幾個典型的專家系統實例以及開發工具。
第11章介紹了日益廣泛套用的自然語言處理技術，包括自然語言理解的概念與基本方法、基於深度學習的機器翻譯以及基於隱馬爾可夫模型的語音識別方法及其最新研究進展。
附錄A中給出了該教材習題的簡要解答。附錄B中給出了人工智慧課程實驗指導書，供開設實驗時使用。
教材目錄
前輔文 第1章緒論 1.1人工智慧的基本概念 1.1.1智慧型的概念 1.1.2智慧型的特徵 1.1.3人工智慧 1.2人工智慧的發展簡史 1.2.1孕育（1956年之前） 1.2.2形成（1956—1969年） 1.2.3艱難發展（1970—2010年） 1.2.4大數據驅動人工智慧發展期（2011年至今） 1.3人工智慧研究的基本內容 1.4人工智慧的主要研究領域 1.5小結 思考題 第2章知識表示與知識圖譜 2.1知識與知識表示的概念 2.1.1知識的概念 2.1.2知識的特性 2.1.3知識的分類 2.1.4知識的表示 2.2一階謂詞邏輯表示法 2.2.1命題 2.2.2謂詞 2.2.3謂詞公式 2.2.4謂詞公式的性質 2.2.5一階謂詞邏輯知識表示方法 2.2.6一階謂詞邏輯表示法的特點 2.3產生式表示法 2.3.1產生式 2.3.2產生式系統 2.3.3產生式系統的例子——動物識別系統 2.3.4產生式表示法的特點 2.4框架表示法 2.4.1框架的一般結構 2.4.2用框架表示知識的例子 2.4.3框架表示法的特點 2.5語義網路表示法 2.5.1語義網路 2.5.2基本命題的語義網路表示 2.5.3連線詞在語義網路中的表示方法 2.5.4變元和量詞在語義網路中的表示方法 2.5.5語義網路表示法示例 2.5.6語義網路的推理過程 2.5.7語義網路表示法的特點 2.6知識圖譜 2.6.1知識圖譜的定義 2.6.2知識圖譜的架構與構建 2.6.3知識抽取 2.6.4知識圖譜的典型套用 2.7小結 思考題 習題 第3章確定性推理方法 3.1推理的基本概念 3.1.1推理的定義 3.1.2推理方式及其分類 3.1.3推理的方向 3.1.4衝突消解策略 3.2自然演繹推理 3.3謂詞公式化為子句集的方法 3.4海伯倫定理 3.5魯賓孫歸結原理 3.6歸結反演 3.7套用歸結原理求解問題 3.8小結 思考題 習題 第4章不確定性推理方法 4.1不確定性推理中的基本問題 4.2機率方法 4.2.1經典機率方法 4.2.2逆機率方法 4.3主觀Bayes方法 4.3.1知識不確定性的表示 4.3.2證據不確定性的表示 4.3.3組合證據不確定性的算法 4.3.4不確定性的傳遞算法 4.3.5結論不確定性的合成算法 4.4可信度方法 4.4.1可信度的概念 4.4.2C-F模型 4.5證據理論 4.5.1機率分配函式 4.5.2信任函式 4.5.3似然函式 4.5.4信任函式與似然函式的關係 4.5.5機率分配函式的正交和（證據的組合） 4.5.6基於證據理論的不確定性推理 4.6模糊推理方法 4.6.1模糊邏輯的提出與發展 4.6.2模糊集合 4.6.3模糊集合的運算 4.6.4模糊關係與模糊關係的合成 4.6.5模糊推理 4.6.6模糊決策 4.6.7模糊推理的套用 4.7模糊控制 4.7.1模糊控制器的輸入、輸出變數 4.7.2模糊控制規則 4.7.3模糊推理與決策 4.7.4全自動洗衣機的模糊控制 4.8小結 思考題 習題 第5章搜尋求解策略 5.1搜尋的概念 5.1.1搜尋的基本問題與主要過程 5.1.2搜尋策略 5.2狀態空間知識表示方法 5.2.1狀態空間表示法 5.2.2狀態空間的圖描述 5.3盲目的圖搜尋策略 5.3.1回溯策略 5.3.2寬度優先搜尋策略 5.3.3深度優先搜尋策略 5.4啟發式圖搜尋策略 5.4.1啟發式策略 5.4.2啟發信息和估價函式 5.4.3A搜尋算法 5.4.4A*搜尋算法及其特性分析 5.5與/或圖搜尋策略 5.6小結 思考題 習題 第6章進化算法及其套用 6.1進化算法的產生與發展 6.1.1進化算法的概念 6.1.2進化算法的生物學背景 6.1.3進化算法的設計原則 6.2基本遺傳算法 6.2.1遺傳算法的基本思想 6.2.2遺傳算法的發展歷史 6.2.3編碼 6.2.4群體設定 6.2.5適應度函式 6.2.6選擇 6.2.7交叉 6.2.8變異 6.2.9模式定理 6.2.10遺傳算法的一般步驟 6.2.11遺傳算法的特點 6.3遺傳算法的改進算法 6.3.1雙倍體遺傳算法 6.3.2雙種群遺傳算法 6.3.3自適應遺傳算法 6.4基於遺傳算法的生產調度方法 6.4.1基於遺傳算法的流水車間調度方法 6.4.2基於遺傳算法的混合流水車間調度方法 6.5差分進化算法及其套用 6.5.1差分進化算法 6.5.2差分進化算法的流程 6.5.3差分進化算法的改進 6.6量子進化算法及其套用 6.6.1量子進化算法的基本概念 6.6.2基本量子進化算法 6.6.3基本量子進化算法的流程 6.6.4基於量子進化算法的生產調度方法 6.7小結 思考題 習題 第7章群智慧型算法及其套用 7.1群智慧型算法產生的背景 7.2粒子群最佳化算法 7.2.1粒子群最佳化算法的基本原理 7.2.2粒子群最佳化算法的參數分析 7.3量子粒子群最佳化算法 7.3.1基本量子粒子群最佳化算法 7.3.2改進量子粒子群最佳化算法 | 7.4粒子群最佳化算法的套用 7.4.1粒子群最佳化算法套用領域 7.4.2粒子群最佳化算法在PID參數整定中的套用 7.4.3粒子群最佳化算法求解車輛路徑問題 7.5基本蟻群算法 7.5.1基本蟻群算法模型 7.5.2蟻群算法的參數選擇 7.6改進蟻群算法 7.6.1螞蟻-Q系統 7.6.2蟻群系統 7.6.3最大-最小螞蟻系統 7.6.4自適應蟻群算法 7.7蟻群算法的套用 7.8小結 思考題 第8章人工神經網路及其套用 8.1神經元與神經網路 8.1.1生物神經元的結構 8.1.2神經元數學模型 8.1.3神經網路的結構與工作方式 8.1.4神經網路的學習 8.2BP神經網路及其學習算法 8.2.1BP神經網路的結構 8.2.2BP學習算法 8.2.3BP算法的實現 8.3BP神經網路的套用 8.3.1BP神經網路在模式識別中的套用 8.3.2BP神經網路在軟測量中的套用 8.4Hopfield神經網路及其改進 8.4.1離散型Hopfield神經網路 8.4.2連續型Hopfield神經網路及其VLSI實現 8.4.3隨機神經網路 8.4.4混沌神經網路 8.5Hopfield神經網路的套用 8.5.1Hopfield神經網路在聯想記憶中的套用 8.5.2Hopfield神經網路最佳化方法 8.6Hopfield神經網路最佳化方法求解JSP 8.6.1作業車間調度問題 8.6.2JSP的Hopfield神經網路及其求解 8.6.3作業車間生產調度舉例 8.6.4基於隨機神經網路的生產調度方法 8.7卷積神經網路及其套用 8.7.1深度神經網路的提出 8.7.2卷積神經網路的結構 8.7.3卷積神經網路的卷積運算 8.7.4卷積神經網路的局部連線 8.7.5卷積神經網路的權值共享 8.7.6卷積神經網路的多卷積核 8.7.7卷積神經網路的池化 8.7.8卷積神經網路的實現與套用 8.7.9卷積神經網路在手寫數字識別中的套用 8.8膠囊網路 8.8.1膠囊網路的基本思想 8.8.2膠囊網路的基本結構 8.8.3膠囊網路的學習運算 8.8.4膠囊網路測試結果 8.8.5膠囊網路研究新進展 8.9生成對抗網路及其套用 8.9.1生成對抗網路的基本原理 8.9.2生成對抗網路的結構與訓練 8.9.3生成對抗網路在圖像處理中的套用 8.9.4生成對抗網路在語言處理中的套用 8.9.5生成對抗網路在視頻生成中的套用 8.9.6生成對抗網路在醫療中的套用 8.10小結 思考題 習題 第9章機器學習 9.1機器學習的基本概念 9.1.1學習 9.1.2機器學習 9.1.3機器學習系統 9.1.4機器學習的發展 9.1.5機器學習的分類 9.2符號學習 9.2.1機械式學習 9.2.2指導式學習 9.2.3歸納學習 9.2.4示例學習 9.2.5觀察與發現學習 9.2.6類比學習 9.2.7解釋學習 9.3知識發現與數據挖掘 9.3.1知識發現與數據挖掘的概念 9.3.2知識發現的一般過程 9.3.3知識發現的任務 9.3.4知識發現的方法 9.3.5知識發現的對象 9.4深度學習 9.4.1深度學習的提出 9.4.2人腦視覺機理 9.4.3特徵 9.4.4深度學習的基本思想 9.4.5深度學習的訓練過程 9.4.6自編碼器 9.4.7自編碼器的變體 9.4.8受限玻爾茲曼機 9.5小結 思考題 第10章專家系統 10.1專家系統的產生和發展 10.2專家系統的概念 10.2.1專家系統的定義 10.2.2專家系統的特點 10.2.3專家系統的類型 10.2.4專家系統的套用 10.3專家系統的工作原理 10.3.1專家系統的一般結構 10.3.2知識庫 10.3.3推理機 10.3.4綜合資料庫 10.3.5知識獲取機構 10.3.6人機接口 10.3.7解釋機構 10.4知識獲取的主要過程與模式 10.4.1知識獲取的過程 10.4.2知識獲取的模式 10.5專家系統的建立 10.5.1適合於專家系統求解的問題 10.5.2專家系統的設計原則與開發步驟 10.5.3專家系統的評價 10.6專家系統實例 10.6.1醫學專家系統——MYCIN 10.6.2地質勘探專家系統——PROSPECTOR 10.7專家系統的開發工具 10.7.1骨架系統 10.7.2通用型知識表達語言 10.7.3專家系統開發環境 10.7.4專家系統程式設計語言 10.8小結 思考題 第11章自然語言理解及其套用 11.1自然語言理解的概念與發展歷史 11.2語言處理過程的層次 11.3詞法分析 11.4句法分析 11.4.1喬姆斯基的形式文法 11.4.2句法分析樹 11.4.3轉移網路 11.4.4擴充轉移網路 11.5語義分析 11.5.1語義文法 11.5.2格文法 11.6基於語料庫的大規模文本處理 11.6.1語料庫及其特徵 11.6.2漢語自動分詞方法 11.6.3漢語詞性的標註方法 11.6.4漢語詞義的標註方法 11.7機器翻譯 11.7.1機器翻譯方法概述 11.7.2循環神經網路 11.7.3長短期記憶神經網路 11.7.4基於循環神經網路的機器翻譯 11.8語音識別 11.8.1語音識別的概念 11.8.2語音信號採集與預處理 11.8.3語音信號特徵參數提取 11.8.4向量量化 11.8.5識別 11.9基於隱馬爾可夫模型的語音識別方法 11.9.1隱馬爾可夫模型 11.9.2隱馬爾可夫模型語音識別方法 11.10小結 思考題 習題 附錄A部分習題解答 附錄B實驗指導書 參考文獻 |
教學資源
課程資源
《人工智慧及其套用（第四版）》配套有Abook數字課程資源，與紙質教材一體化設計。數字課程涵蓋課程介紹、電子教案、四色彩圖、程式運行視頻等板塊。
| 作品名稱 | 出版時間 | 出版單位 | 策劃編輯 | 責任編輯 | 技術編輯 |
|---|---|---|---|---|---|
人工智慧及其套用（第四版）數字課程 | 2020年6月 | 高等教育出版社 | 平慶慶 | 歐陽舟 | 李翠玲 |
教材特色
（1）語言簡明。該教材儘量用通俗的語言深入淺出地講解，語言流暢，使讀者能夠有興趣、有耐心閱讀該教材，領略人工智慧的思想與基本方法。
（2）內容基本實用，注重套用。由於人工智慧正處於迅速發展階段，內容非常龐雜。該教材在內容選擇上，既考慮基本實用的內容，又兼顧先進的人工智慧方法，如深度學習、群智慧型最佳化算法等。教材中儘可能理論聯繫實際，引導學生學習套用新理論解決工程問題的方法。
（3）精選例題和習題，引導學生解答。該教材精選了一些例題，有助於讀者加深對人工智慧理論與方法的理解。精選了習題，並在教材末給出了答案，對有些難題給出了解答，也彌補了人工智慧教材中習題少的缺陷。
（4）編排醒目。每章開始設定了導讀，使讀者在學習該章之前就知道為什麼要學習該章內容，以及該章主要介紹哪些內容。每章最後扼要總結了該章的重要概念、公式、定理與方法。
（5）增加了實驗指導書。目前部分學校開設了實驗，為了方便實驗教學，附錄B中給出了人工智慧課程常用的實驗指導書﹐供開設實驗時使用。
（6）製作微視頻，供讀者自學。為了配合該教材的教與學，作者製作了高質量的教學課件，錄製了由作者主講的該教材全部教學內容的錄像，製作成微視頻，通過掃描二維碼可以線上看，供讀者自學使用。
教材使用
- 讀者使用
（1）看作者的講課視頻。通過掃描書中的二維碼，能夠觀看相應內容的講課錄像。作者將慕課的思想引進教材，每段視頻為5~15分鐘，講解一個概念或者方法。
（2）理解書中的公式。讀者學習人工智慧時，往往習慣於像學其他課程那樣努力推導書中的公式，但許多時候不知道如何推導出這些公式。其實，人工智慧中的許多方法是模擬人的思維方法，無法用推導得到的。許多公式是按照人處理問題的基本思路構建的，可以構建不同的公式，只要符合處理問題的基本思想就行。
（3）學習內容的選擇。該教材用於人工智慧及其套用課程的學習。由於書中幾大部分內容相對獨立，可以容易地根據自己的興趣與需要學習其中的部分內容，仍可保持課程體系結構的完整性。建議讀者首先完整閱讀本書第Ⅰ章，對人工智慧的領域有一個總體的了解。特定興趣和學習時間有限的讀者，可以僅僅學習書中的相應章節，而不必循序學習。例如，希望了解進化算法、群智慧型算法等最佳化算法的讀者可以僅閱讀第6章和第7章。希望了解神經網路的讀者可以僅閱讀第8章。但第2~4章是一個完整的單元，應該循序學習。如果希望學習9.4深度學習，則應該首先學習8.1神經網路的相關內容，以及卷積神經網路、生成對抗網路、膠囊網路等。
- 教師使用
（1）進行工程案例教學。人工智慧具有非常廣泛的套用，可以結合教材中人工智慧套用實例，或者再選擇一些能夠為本科生理解的人工智慧套用實例，引導學生套用新理論解決工程問題。教師可以結合自己人工智慧的科學研究與工程實踐增加一些工程案例，或者選擇自己比較熟悉，符合所教專業的一些人工智慧案例，作為補充內容進行介紹，從而豐富教學內容﹐增加學生興趣，培養學生創新能力。
（2）開展項目式教學。人工智慧套用可以複雜也可以簡單，非常適合進行項目式教學實踐。在課程教學中可以選擇一些簡單的人工智慧套用項目，要求學生進行人工智慧技術設計。
（3）開展研究型教學。人工智慧是模擬人解決問題的方法，非常適合進行研究型教學。啟發學生將人的思維形式化，研究新的人工智慧算法，提高學生創新能力。
王萬良：浙江工業大學計算機科學與技術學院教授。國家教學名師獎獲得者、國家萬人計畫首批教學名師、省高校中青年學科帶頭人，省151人才工程（第一層次），享受國務院政府特殊津貼。
