基本介紹
- 中文名：人工智慧導論
- 作者：廉師友
- 出版社：清華大學出版社
- ISBN：9787302556039
內容簡介,目錄,
內容簡介
本書首先概述了人工智慧的基本概念、研究內容、研究方法、分支領域、套用前景、歷史沿革、現狀與趨勢等，勾畫了人工智慧學科的總體架構；然後概略而簡要地闡述了各個分支的基本原理、基本技術、研究課題和發展概況。全書分為6篇19章，內容全面、系統、經典而新穎。
本書結構合理，層次分明，條理清楚，理例結合，圖文並茂，深入淺出，詳略得當，紙電結合，易讀易懂，易教易學。本書適用於人工智慧專業和計算機類、自動化類及電子信息類各專業的人工智慧基礎或前導性課程；本書也可作為非人工智慧專業的研究生教材或教參，亦可供其他專業的師生和科研及工程技術人員自學或參考。
目錄
第1篇 概述與工具
第1章人工智慧概述
1.1 什麼是人工智慧
1.1.1 人工智慧概念的一般描述
1.1.2 圖靈測試和中文屋子
1.1.3 腦智慧型和群智慧型
1.1.4 符號智慧型和計算智慧型
1.1.5 統計智慧型和互動智慧型
1.2 為什麼要研究人工智慧
1.2.1 研究人工智慧的意義
1.2.2 人工智慧的研究目標和策略
1.3 人工智慧的相關學科
1.4 人工智慧的研究內容
1.4.1 搜尋與求解
1.4.2 知識與推理
1.4.3 學習與發現
1.4.4 發明與創造
1.4.5 感知與回響
1.4.6 理解與交流
1.4.7 記憶與聯想
1.4.8 競爭與協作
1.4.9 系統與建造
1.4.10 套用與工程
1.5 人工智慧的研究途徑與方法
1.5.1 心理模擬，符號推演
1.5.2 生理模擬，神經計算
1.5.3 行為模擬，控制進化
1.5.4 群體模擬，仿生計算
1.5.5 博採廣鑒，自然計算
1.5.6 著眼數據，統計建模
1.6 人工智慧的套用
1.6.1 難題求解
1.6.2 自動規劃、調度與配置1.6.3 機器博弈
1.6.4 機器翻譯與機器寫作
1.6.5 機器定理證明
1.6.6 自動程式設計
1.6.7 智慧型控制
1.6.8 智慧型管理
1.6.9 智慧型決策
1.6.10 智慧型通信
1.6.11 智慧型預測
1.6.12 智慧型仿真
1.6.13 智慧型設計與製造
1.6.14 智慧型車輛與智慧型交通
1.6.15 智慧型診斷與治療
1.6.16 智慧型生物信息處理
1.6.17 智慧型教育
1.6.18 智慧型人-機接口
1.6.19 模式識別
1.6.20 智慧型機器人
1.6.21 數據挖掘與知識發現
1.6.22 計算機輔助創新
1.6.23 計算機文藝創作
1.7 人工智慧的分支領域與研究方向
1.8 人工智慧學科發展概況
1.8.1 孕育與誕生
1.8.2 符號主義先聲奪人
1.8.3 連線主義不畏坎坷
1.8.4 計算智慧型異軍突起
1.8.5 統計智慧型奉獻默默
1.8.6 智慧型主體一統江湖，Agent & Robot
1.8.7 知識工程東山再起，機器學習領銜高歌
1.8.8 現狀與趨勢
習題一
第2章 人工智慧程式設計語言
2.1 概述
2.1.1 函式型語言
2.1.2 邏輯型語言
2.1.3 面向對象語言
2.1.4 計算型語言
2.1.5 混合型語言
2.2 知識工程經典語言PROLOG
2.2.1 PROLOG的語句
2.2.2 PROLOG的程式
2.2.3 PROLOG程式的運行機理
2.3 機器學習流行語言Python
2.3.1 Python語言的特點和優勢
2.3.2 Python程式舉例
習題二
第2篇 搜尋與求解
第3章圖搜尋與問題求解
3.1 狀態圖與狀態圖搜尋
3.1.1 狀態圖
3.1.2 狀態圖搜尋
3.1.3 窮舉式搜尋
3.1.4 啟發式搜尋
3.1.5 加權狀態圖搜尋
3.1.6 A算法和A*算法
3.1.7 狀態圖搜尋策略小結
3.2 狀態圖搜尋問題求解
3.2.1 問題的狀態圖表示
3.2.2 狀態圖問題求解程式舉例
3.3 與或圖與與或圖搜尋
3.3.1 與或圖
3.3.2 與或圖搜尋
3.3.3 啟發式與或樹搜尋
3.4 與或圖搜尋問題求解
3.4.1 問題的與或圖表示
3.4.2 與或圖問題求解程式舉例
3.5 博弈樹搜尋
3.5.1 博弈樹的概念
3.5.2 極小極大分析法
3.5.3 α-β剪枝技術
習題三
第4章 基於遺傳算法的隨機最佳化搜尋
4.1 基本概念
4.2 基本遺傳算法
4.3 遺傳算法套用舉例
4.4 遺傳算法的特點與優勢習題四
第3篇 知識與推理
第5章基於一階謂詞的機器推理
5.1 一階謂詞邏輯
5.1.1 謂詞，函式，量詞
5.1.2 謂詞公式
5.1.3 永真式與推理規則
5 .1.4 自然語言命題的謂詞形式表示
5.1.5 基於謂詞公式的形式演繹推理
5.2 歸結演繹推理
5.2.1 子句與子句集
5.2.2 命題邏輯中的歸結原理
5.2.3 替換與合一
5.2.4 謂詞邏輯中的歸結原理
5.3 套用歸結原理求取問題答案
5.4 歸結策略*
5.4.1 問題的提出
5.4.2 幾種常用的歸結策略
5.4.3 歸結策略的類型
5.5 歸結反演程式舉例*
5.6 Horn子句邏輯與邏輯程式設計語言*
5.6.1 子句的蘊涵表示形式
5.6.2 Horn子句邏輯與電腦程式語言
延伸學習導引
習題五
第6章基於產生式規則的機器推理
6.1 產生式規則
6.1.1 產生式規則與推理網路
6.1.2基於產生式規則的推理模式
6.2 產生式系統
6.2.1 系統結構
6.2.2 運行過程
6.2.3 控制策略與常用算法
6.2.4 程式實現
6.3 產生式系統與圖搜尋問題求解
習題六
第7章幾種結構化知識表示及其推理
7.1 元組
7.2 框架
7.2.1 框架的概念
7.2.2 框架的表達能力
7.2.3 基於框架的推理
7.2.4 框架的程式語言實現
7.3 語義網路
7.3.1 語義網路的概念
7.3.2 語義網路的表達能力
7.3.3 基於語義網路的推理
7.3.4 語義網路的程式語言實現
7.4 知識圖譜
7.5 類與對象
習題七
第8章不確定和不確切性知識的表示與推理
8.1 概述
8.2 不確定性知識的表示及推理
8.2.1 不確定性知識的表示
8.2.2 不確定性推理
8.3 幾種經典的不確定性推理模型*
8.3.1 確定性理論
8.3.2 主觀貝葉斯方法
8.3.3 證據理論
8.4 基於貝葉斯網路的機率推理
8.4.1 什麼是貝葉斯網路
8.4.2 用貝葉斯網路表示不確定性知識
8.4.3 基於貝葉斯網路的機率推理
8.5 不確切性知識的表示及推理
8.5.1 軟語言值及其數學模型
8.5.2 不確切性知識的表示
8.5.3 基於軟語言規則的推理*
8.5.4 基於模糊集合與模糊關係的模糊推理*
8.5.5 對模糊推理的簡單評述*
延伸學習導引
習題八
第4篇 學習與發現
第9章機器學習：符號學習與互動學習
9.1 機器學習概述
9.1.1 機器學習的概念
9.1.2 機器學習的原理
9.1.3 機器學習的分類
9.2 幾種典型的（符號）學習方法
9.2.1 記憶學習
9.2.2 示例學習
9.2.3 演繹學習
9.2.4 類比學習
9.2.5 解釋（分析）學習
9.2.6 發現學習
9.3 決策樹學習
9.3.1 什麼是決策樹
9.3.2 怎樣學習決策樹
9.3.3 決策樹學習的ID3算法
9.3.4 決策樹學習的發展
9.4 強化學習
9.4.1 簡單原理
9.4.2 價值函式，Q函式和Q學習算法
9.4.3 強化學習的發展
習題九
第10章統計學習
10.1 概述
10.2 幾種基本判別模型的學習
10.2.1 回歸問題的線性函式模型學習，梯度下降法
10.2.2 分類問題的線性判別函式模型學習
10.2.3 分類問題的Logistic回歸模型學習，梯度上升法
10.3 監督學習中幾個進一步的問題
10.3.1 監督學習的主要工作及步驟
10.3.2 準則函式的演變
10.3.3 過擬合，欠擬合，正則化
10.3.4 模型與學習方法的分類
10.4 支持向量機簡介
10.4.1 最大間隔超平面
10.4.2 線性可分支持向量機
10.4.3 線性支持向量機和非線性支持向量機
延伸學習導引
習題十
第11章神經網路學習
11.1 從生物神經元到人工神經元
11.2 神經網路及其學習
11.2.1 神經網路的拓撲結構與功能
11.2.2 神經網路的學習機理與方法
11.2.3 神經網路模型及其分類
11.3 感知器及其學習舉例
11.4 BP網路及其學習舉例
11.5 深度學習
11.5.1 什麼是深度學習
11.5.2 深度學習的優勢
11.5.3 深度學習的發展和擴展
11.5.4 深度學習框架與平台
延伸學習導引
習題十一
第12章 數據挖掘與知識發現
12.1 引言
12.2 概述
12.2.1 數據挖掘的一般過程
12.2.2 數據挖掘的對象
12.2.3 數據挖掘的任務
12.2.4 數據挖掘的方法
12.2.5 數據挖掘工具與平台
12.3 關聯規則發現
12.3.1 什麼是關聯規則
12.3.2 關聯規則的發現機理和方法
12.3.3 發現關聯規則的Apriori算法
12.3.4 關聯規則的類型和挖掘算法
12.4 k-均值聚類算法
12.5 大數據挖掘與分散式學習
12.5.1 分散式並行計算模型和框架
12.5.2 Spache Hadoop（MapReduce）簡介
12.5.3 基於 MapReduce的分散式機器學習
習題十二
第5篇 感知與回響，理解與交流
第13章模式識別
13.1概述
13.1.1 模式、模式類與模式識別
13.1.2 模式的表示
13.1.3 模式識別系統工作原理
13.1.4 模式識別方法分類
13.2 統計模式識別
13.2.1 距離分類法
13.2.2 幾何分類法
13.2.3 機率分類法
13.3 樸素貝葉斯分類算法
13.4 機率密度函式估計
13.4.1 概述
13.4.2 最大似然估計
延伸學習導引
習題十三
第14章數-語互換*
14.1 數-語轉換——從感知到表達
14.2 語-數轉換——從決策到行動
14.3 帶數-語互換接口的推理系統
延伸學習導引
習題十四
第15章 自然語言處理
15.1 自然語言處理的途徑、方法和學派
15.2 基於規則的自然語言理解
15.2.1 簡單句理解
15.2.2 複合句理解
15.2.3 轉換文法和轉換網路
15.3 統計語言模型
延伸學習導引
習題十五
第6篇 系統與建造
第16章專家（知識）系統
16.1 基本概念
16.1.1 什麼是專家系統
16.1.2 專家系統的特點
16.1.3 專家系統的類型
16.1.4 專家系統與基於知識的系統
16.1.5 專家系統與知識工程
16.2 系統結構
16.2.1 概念結構
16.2.2 實際結構
16.2.3 黑板模型
16.2.4 網路與分散式結構
16.3 實例分析*
16.4 系統設計與實現
16.4.1 一般步驟與方法
16.4.2 快速原型與增量式開發
16.4.3 知識獲取
16.4.4 知識表示與知識描述語言設計
16.4.5 知識庫與知識庫管理系統設計
16.4.6 推理機與解釋機制設計
16.4.7 系統結構設計
16.4.8 人機界面設計
16.5 開發工具與環境
16.5.1 開發工具
16.5.2 開發環境
16.6 專家系統的發展
16.6.1 深層知識專家系統
16.6.2 自學習專家系統
16.6.3 神經網路專家系統
16.6.4 大型協同分散式專家系統
習題十六
第17章 Agent系統
17.1 什麼是Agent
17.1.1 Agent的概念
17.1.2 Agent的類型
17.2 Agent的結構
17.3 Agent實例──Web Agent
17.4 多Agent系統
17.4.1 多Agent系統的特徵和研究內容
17.4.2 多Agent系統的體系結構
17.4.3 多Agent的合作與學習
17.5 Agent的實現
17.6 Agent技術的發展與套用
習題十七
第18章智慧型機器人
18.1 智慧型機器人的概念
18.2 機器人感知
18.3 機器人規劃
18.4 機器人控制
18.5 機器人系統的軟體結構
18.6 機器人程式設計與語言
18.6.1 機器人程式設計
18.6.2 機器人程式設計語言
18.7 機器人技術進展
習題十八
第19章智慧型計算機與智慧型化網路
19.1 智慧型計算機
19.1.1智慧型硬體平台和智慧型作業系統
19.1.2LISP機和PROLOG機
19.1.3 人工智慧晶片
19.1.4神經網路計算機，類腦晶片
19.1.5智慧型計算機發展展望
19.2 智慧型化網路
19.2.1 智慧型網
19.2.2 智慧型Web
19.2.3 網路的智慧型化管理與控制
19.2.4 網上信息的智慧型化檢索
19.2.5 推薦系統
習題十九
上機實習及指導
實習一 PROLOG語言編程練習
實習二 圖搜尋問題求解編程練習
實習三 小型專家系統編程練習
實習四 Python語言統計學習編程練習
實習五 Python語言神經網路學習編程練習
實習六 深度學習框架套用練習
附錄函式型程式設計語言LISP
中-英文名詞對照及索引
主要參考文獻
