人工智慧套用教程

《人工智慧套用教程》是2023年清華大學出版社出版的圖書，作者是王萬良、王錚。

基本介紹

• 中文名：人工智慧套用教程
• 作者：王萬良、王錚
• 出版社：清華大學出版社
• 出版時間：2023年3月1日
• 定價：59.90 元
• ISBN：9787302628194

內容簡介

本書全面介紹人工智慧的基本理論、技術及套用。全書共10章，主要內容包括人工智慧概論、知識表示與知識圖譜、確定性與不確定性推理、搜尋策略、遺傳算法、群智慧型算法、人工神經網路、機器學習與深度學習、專家系統、自然語言理解，附錄部分給出了實用性強的12個實驗。本書強調人工智慧知識的基礎性、整體性、綜合性和廣博性，使學生掌握人工智慧的主要思想和套用人工智慧技術解決專業領域問題的基本技術，培養創新精神。 本書的適用對象廣泛，可作為高等學校各專業“人工智慧基礎”課程的教材，也可供對人工智慧技術感興趣的廣大讀者閱讀。

圖書目錄

第1章人工智慧概論1

1.1你了解人類的智慧型嗎1

1.1.1智慧型的概念1

1.1.2智慧型的特徵3

1.2人工智慧的孕育和誕生6

1.2.1人工智慧的孕育期6

1.2.2人工智慧的誕生——達特茅斯會議8

1.2.3人工智慧的定義與圖靈測試9

1.3人工智慧的發展11

1.3.1人工智慧的形成期11

1.3.2幾起幾落的曲折發展期12

1.3.3大數據驅動的飛速發展期14

1.4從兩場標誌性人機博弈看人工智慧的發展15

1.4.1人工智慧研究中的“小白鼠”15

1.4.2“深藍”戰勝西洋棋棋王卡斯帕羅夫15

1.4.3阿爾法狗無師自通橫掃世界圍棋大師17

1.5人工智慧研究的基本內容19

1.6人工智慧的主要套用領域21

1.7人工智慧倫理36

1.7.1人工智慧倫理的提出與發展37

1.7.2人工智慧倫理的典型案例與成因分析38

1.7.3人工智慧倫理的治理原則40

1.7.4人工智慧倫理的治理措施42

1.8本章小結44

討論題44人工智慧套用教程目錄第2章知識表示與知識圖譜45

2.1你了解人類知識嗎45

2.1.1什麼是知識45

2.1.2知識的相對正確性46

2.1.3知識的不確定性47

2.1.4計算機表示知識的方法49

2.2一階謂詞邏輯表示法50

2.2.1命題50

2.2.2謂詞51

2.2.3謂詞公式53

2.2.4一階謂詞邏輯知識表示方法56

2.2.5一階謂詞邏輯表示法的特點57

2.3產生式表示法58

2.3.1產生式59

2.3.2產生式系統60

2.3.3產生式表示法的特點62

2.4框架表示法63

2.4.1框架的一般結構64

2.4.2用框架表示知識的例子65

2.4.3框架表示法的特點68

2.5知識圖譜68

2.5.1知識圖譜的提出69

2.5.2知識圖譜的定義69

2.5.3知識圖譜的表示71

2.5.4知識圖譜的架構72

2.5.5知識圖譜的典型套用72

2.6本章小結74

討論題76

習題77第3章模擬人類思維的推理方法78

3.1推理的定義78

3.2推理的分類79

3.2.1從推出知識的路徑分類79

3.2.2從知識的確定性分類81

3.3推理的方向81

3.3.1正向推理82

3.3.2逆向推理84

3.3.3混合推理85

3.4推理中的衝突消解策略87

3.5基於謂詞邏輯的確定性推理90

3.5.1自然演繹推理90

3.5.2魯濱遜歸結原理92

3.5.3歸結反演93

3.5.4歸結求解96

3.6基於統計分析的不確定性推理99

3.6.1不確定性推理的概念99

3.6.2可信度方法103

3.6.3可信度方法舉例106

3.7基於模糊理論的不確定性推理107

3.7.1模糊邏輯的提出與發展107

3.7.2模糊集合的定義與表示109

3.7.3隸屬函式111

3.7.4模糊關係113

3.7.5模糊關係的合成115

3.7.6模糊推理116

3.7.7模糊決策117

3.7.8模糊推理的套用118

3.8本章小結119

討論題121

習題121

第4章搜尋策略125

4.1搜尋的概念125

4.2如何用狀態空間表示搜尋對象126

4.2.1狀態空間知識表示方法126

4.2.2狀態空間的圖描述128

4.3回溯策略131

4.4盲目的圖搜尋策略133

4.4.1寬度優先搜尋策略133

4.4.2深度優先搜尋策略134

4.5啟發式圖搜尋策略137

4.5.1啟發式策略137

4.5.2啟發信息和估價函式140

4.5.3A搜尋算法142

4.5.4A搜尋算法143

4.5.5蒙特卡洛樹搜尋算法145

4.6本章小結147

討論題148

習題149

第5章模擬生物進化的遺傳算法150

5.1進化算法的生物學背景150

5.2遺傳算法152

5.2.1遺傳算法的發展歷史152

5.2.2遺傳算法的基本思想153

5.2.3編碼154

5.2.4種群設定156

5.2.5適應度函式157

5.2.6選擇158

5.2.7交叉161

5.2.8變異163

5.3遺傳算法的主要改進算法164

5.3.1雙倍體遺傳算法165

5.3.2雙種群遺傳算法166

5.3.3自適應遺傳算法167

5.4基於遺傳算法的生產調度方法169

5.4.1基於遺傳算法的流水車間調度方法169

5.4.2基於遺傳算法的混合流水車間調度方法171

5.5本章小結176

討論題177

習題178

第6章模擬生物群體行為的群智慧型算法179

6.1群智慧型算法的生物學背景179

6.2模擬鳥群行為的粒子群最佳化算法181

6.2.1基本粒子群最佳化算法181

6.2.2粒子群最佳化算法的套用183

6.3模擬蟻群行為的蟻群最佳化算法185

6.3.1蟻群最佳化算法的生物學背景186

6.3.2基本蟻群最佳化算法186

6.3.3蟻群最佳化算法的套用190

6.4本章小結192

討論題193

第7章模擬生物神經系統的人工神經網路194

7.1人工神經元與人工神經網路194

7.1.1生物神經元結構194

7.1.2生物神經元的數學模型195

7.1.3人工神經網路的結構與學習197

7.2機器學習的先驅——赫布學習規則198

7.3掀起人工神經網路第一次高潮的感知器200

7.4掀起人工神經網路第二次高潮的BP學習算法202

7.4.1BP學習算法的提出202

7.4.2BP神經網路203

7.4.3BP學習算法204

7.4.4BP學習算法在模式識別中的套用207

7.5本章小結209

討論題209

習題210

第8章機器學習與深度學習213

8.1機器學習的基本概念213

8.1.1學習213

8.1.2機器學習214

8.1.3學習系統214

8.1.4機器學習的發展217

8.2機器學習的分類218

8.2.1機器學習的一般分類方法218

8.2.2監督學習與無監督學習220

8.2.3弱監督學習222

8.3知識發現與數據挖掘225

8.3.1知識發現與數據挖掘的概念226

8.3.2知識發現的一般過程226

8.3.3知識發現的任務227

8.3.4知識發現的對象228

8.4動物視覺機理與深度學習的提出230

8.4.1淺層學習的局限性230

8.4.2深度學習的提出231

8.5卷積神經網路與膠囊網路233

8.5.1卷積神經網路的結構233

8.5.2卷積的物理、生物與生態學等意義234

8.5.3卷積神經網路的卷積運算235

8.5.4卷積神經網路中的關鍵技術237

8.5.5卷積神經網路的套用240

8.5.6膠囊網路241

8.5.7基於深度學習的計算機視覺244

8.6生成對抗網路及其套用246

8.6.1生成對抗網路的基本原理247

8.6.2生成對抗網路的結構與訓練248

8.6.3生成對抗網路在圖像處理中的套用250

8.6.4生成對抗網路在語言處理中的套用254

8.6.5生成對抗網路在視頻生成中的套用258

8.6.6生成對抗網路在醫療中的套用259

8.7本章小結260

討論題262

習題262

第9章專家系統263

9.1專家系統的產生和發展263

9.2專家系統的概念265

9.2.1專家系統的定義265

9.2.2專家系統的特點266

9.2.3專家系統的類型268

9.3專家系統的工作原理269

9.3.1專家系統的一般結構269

9.3.2知識庫270

9.3.3推理機271

9.3.4綜合資料庫271

9.3.5知識獲取機構271

9.3.6解釋機構272

9.3.7人機接口273

9.4簡單的動物識別專家系統273

9.4.1知識庫建立273

9.4.2綜合資料庫建立和推理過程275

9.5專家系統開發工具——骨架系統276

9.5.1骨架系統的概念276

9.5.2EMYCIN骨架系統277

9.5.3KAS骨架系統278

9.6專家系統開發環境280

9.7本章小結281

討論題282

第10章自然語言理解283

10.1自然語言理解的概念與發展283

10.1.1自然語言理解的概念283

10.1.2自然語言理解的發展歷史284

10.2語言處理過程的層次287

10.3機器翻譯方法概述289

10.4循環神經網路293

10.4.1循環神經網路的結構293

10.4.2循環神經網路的訓練294

10.4.3長短期記憶神經網路295

10.5基於循環神經網路的機器翻譯295

10.6語音識別297

10.6.1語音識別的概念297

10.6.2語音識別的主要過程298

10.6.3語音識別的方法301

10.7本章小結302

討論題303

附錄A人工智慧實驗指導書304

實驗1產生式系統實驗304

實驗2洗衣機模糊推理系統實驗305

實驗3A算法求解N數碼問題實驗306

實驗4A算法求解迷宮尋路問題實驗308

實驗5遺傳算法求函式最大值實驗309

實驗6遺傳算法求解TSP問題實驗312

實驗7粒子群算法求函式最小值實驗314

實驗8蟻群算法求解TSP問題實驗315

實驗9BP神經網路分類實驗315

實驗10卷積神經網路分類實驗316

實驗11膠囊網路分類實驗317

實驗12用生成對抗網路生成數字圖像實驗318