《人工智慧導論》是2021年人民郵電出版社出版的圖書。
基本介紹
- 中文名：人工智慧導論
- 作者：呂雲翔 、梁澤眾、尹文志、孔孝剛、陳妙然
- 出版時間：2021年
- 出版社：人民郵電出版社
- ISBN：9787115540928
- 定價：49.8 元
- 開本：16 開
- 裝幀：平裝
內容簡介,作者簡介,圖書目錄,
內容簡介
本書從人工智慧的基本定義出發，由淺入深地闡述了人工智慧的理論、策略、研究方法和套用領域，以梳理知識脈絡和要點的方式，詳細介紹了知識表示、邏輯推理及方法、非確定性推理及方法、搜尋策略、機器學習等方面的內容。作為導論書籍，本書概念論述清楚，內容豐富，通俗易懂，在較為全面介紹人工智慧的基礎上對一些傳統內容進行了取捨。為滿足讀者進一步學習的需要，除第1章之外，每章後一個小節都配有案例分析，便於讀者在所學知識的基礎上懂得如何運用知識。
作者簡介
呂雲翔 比利時布魯塞爾自由大學（VUB）套用科學學院套用信息技術專業碩士、經濟學院工商管理專業碩士。現任北航軟體學院副教授，從事教學與科研工作。具有多年的軟體開發、項目管理、計算機教學經驗，對IT行業具有較全面的認識。先後以作者編著和翻譯了多本教材。研究領域包括：人工智慧、大數據和軟體工程。
圖書目錄
第1章 緒論 1
1.1 什麼是人工智慧 1
1.2 人工智慧的發展簡史 2
1.3 人工智慧的研究目標 7
1.4 人工智慧的研究方法 7
1.4.1 符號主義研究方法 7
1.4.2 連線主義研究方法 8
1.4.3 行為主義研究方法 8
1.5 人工智慧的基本研究內容 9
1.5.1 智慧型感知 9
1.5.2 智慧型推理 9
1.5.3 智慧型學習 10
1.5.4 智慧型行動 10
習題 11
第2章 知識表示 12
2.1 知識表示概述 12
2.1.1 什麼是知識 13
2.1.2 知識表示 14
2.2 狀態空間表示法 15
2.2.1 問題狀態描述 16
2.2.2 狀態圖示法 17
2.3 謂詞邏輯表示法 18
2.3.1 謂詞邏輯表示法的邏輯基礎 19
2.3.2 連線詞和量詞 20
2.3.3 謂詞邏輯表示法的步驟 21
2.3.4 謂詞邏輯表示法的特點 22
2.4 語義網路表示法 23
2.4.1 語義基元 23
2.4.2 語義網路中常用的語義联系 23
2.4.3 語義網路的知識表示方法 25
2.4.4 語義網路的推理過程 29
2.4.5 語義網路表示法的特點 30
2.5 框架表示法 30
2.5.1 框架的基本結構 31
2.5.2 基於框架的推理過程 31
2.5.3 框架表示法的特點 33
2.6 案例：知識圖譜 33
習題 35
第3章 邏輯推理及方法 37
3.1 邏輯推理概述 37
3.1.1 邏輯推理的定義 37
3.1.2 邏輯推理的分類 38
3.1.3 邏輯推理的控制策略 44
3.2 邏輯推理的基礎 45
3.2.1 謂詞公式 45
3.2.2 謂詞公式的範式 49
3.2.3 置換與合一 50
3.3 歸結演繹推理 54
3.3.1 子句集 54
3.3.2 魯濱遜歸結原理 59
3.3.3 歸結反演 63
3.3.4 歸結策略 65
3.4 非歸結演繹推理 69
3.4.1 自然演繹推理 69
3.4.2 與或形演繹推理 72
3.5 案例：家庭財務分配管理系統 78
習題 80
第4章 非確定性推理及方法 81
4.1 什麼是非確定性推理 81
4.2 基本的機率推理 84
4.2.1 經典機率方法 85
4.2.2 逆機率方法 85
4.3 主觀貝葉斯推理 87
4.3.1 非確定性表示 88
4.3.2 非確定性傳遞 91
4.3.3 結論非確定性的組合 93
4.4 基於可信度的推理 93
4.4.1 非確定性表示 94
4.4.2 非確定性計算 96
4.4.3 非確定性更新 96
4.4.4 結論非確定性的組合 97
4.5 證據理論 97
4.5.1 DS理論 98
4.5.2 非確定性表示 103
4.5.3 非確定性計算 104
4.5.4 非確定性更新 104
4.6 模糊推理 105
4.6.1 模糊理論 106
4.6.2 模糊匹配 110
4.6.3 模糊推理 111
4.7 案例：基於樸素貝葉斯方法的垃圾
郵件過濾 112
習題 114
第5章 搜尋策略 115
5.1 搜尋的基本概念 115
5.2 基於狀態空間的盲目搜尋 116
5.2.1 狀態空間的一般性搜尋 117
5.2.2 狀態空間的廣度優先搜尋 118
5.2.3 狀態空間的深度優先搜尋 120
5.3 基於狀態空間的啟發式搜尋 122
5.3.1 動態規劃 122
5.3.2 A*算法 124
5.3.3 爬山法 126
5.3.4 模擬退火算法 127
5.4 基於樹的盲目搜尋 129
5.4.1 與或樹的一般性搜尋 130
5.4.2 與或樹的廣度優先搜尋 131
5.4.3 與或樹的深度優先搜尋 133
5.5 基於樹的啟發式搜尋 134
5.5.1 與或樹的有序搜尋 134
5.5.2 博弈樹搜尋 139
5.5.3 博弈樹的剪枝最佳化 142
5.6 案例：無人駕駛中的搜尋策略 142
習題 144
第6章 機器學習 146
6.1 機器學習概述 146
6.2 決策樹 148
6.2.1 決策樹和決策樹構造 148
6.2.2 ID3生成算法 152
6.2.3 使用決策樹實現分類 153
6.3 貝葉斯模型 156
6.3.1 貝葉斯機率 156
6.3.2 樸素貝葉斯模型 157
6.3.3 貝葉斯網路 159
6.4 支持向量機 160
6.4.1 超平面分割和最大間隔 160
6.4.2 線性可分支持向量機 161
6.4.3 非線性可分支持向量機 162
6.4.4 支持向量機實現多分類 163
6.5 聚類算法 164
6.5.1 聚類解決的問題 164
6.5.2 K-Means 165
6.5.3 層次聚類 167
6.5.4 聚類分析的醫學套用 169
6.6 神經網路與深度學習 169
6.6.1 神經元、感知器、人工神經
網路 169
6.6.2 徑向神經網路 170
6.6.3 Hopfield神經網路 171
6.6.4 玻爾茲曼機 172
6.6.5 自組織映射網路 172
6.6.6 BP神經網路 173
6.6.7 深度學習，究竟“深”在
何處 174
6.6.8 卷積神經網路 175
6.6.9 循環神經網路 178
6.6.10 生成式對抗網路 179
6.6.11 讓“渣”畫質的圖像以
假亂真 180
6.7 強化學習 181
6.7.1 強化學習“強化”了什麼 181
6.7.2 Q-Learning算法 181
6.7.3 DQN算法 182
6.7.4 讓計算機自己玩遊戲 183
6.8 案例：賬號過濾 184
習題 186
第7章 人工智慧的其他套用領域 189
7.1 計算機視覺 189
7.1.1 視覺與視覺圖像 190
7.1.2 圖像特徵的提取 193
7.1.3 視覺模型與圖像識別 196
7.2 自然語言處理 198
7.2.1 打破機器與人的語言障礙 198
7.2.2 詞法分析 199
7.2.3 句法分析 199
7.2.4 語義分析 199
7.2.5 語料庫的建立與處理 200
7.3 智慧型體 201
7.3.1 智慧型體的研究與發展 201
7.3.2 智慧型體通信 204
7.3.3 多智慧型體系統的協調與協作 207
7.4 案例：病斑葉片識別 209
習題 211
參考文獻 212
