人工智慧導論(2022年機械工業出版社出版的圖書)

本詞條是多義詞,共18個義項
更多義項 ▼ 收起列表 ▲

《人工智慧導論》是2022年機械工業出版社出版的圖書。

基本介紹

  • 中文名:人工智慧導論
  • 出版時間:2022年4月1日
  • 出版社:機械工業出版社
  • ISBN:9787111701811
內容簡介,圖書目錄,

內容簡介

  《人工智慧導論》共8章,從人工智慧的基本定義開始,由淺入深地向讀者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,在較為全面介紹人工智慧領域進展的基礎上對一些傳統內容進行了取捨。詳細介紹了知識表示、邏輯推理、非確定性推理、搜尋策略、機器學習、大數據以及人工智慧套用案例等方面的內容。為滿足讀者進一步學習的需要,除第1章和第8章之外,每章最後都配有綜合案例分析,便於讀者在所學知識的基礎上懂得如何運用。
  《人工智慧導論》既適合作為高等院校人工智慧課程的教材,也適合計算機愛好者閱讀。

圖書目錄

前言
第1章緒論
1.1什麼是人工智慧
1.1.1什麼是智慧型
1.1.2人工智慧的定義
1.2人工智慧的發展歷程
1.2.1圖靈測試
1.2.2人工智慧的誕生
1.2.3人工智慧的興衰史
1.3人工智慧的三大學派
1.3.1符號主義
1.3.2連線主義
1.3.3行為主義
1.4人工智慧的要素
1.5人工智慧的主要技術方向
1.6人工智慧的套用領域
習題
第2章知識表示
2.1有關知識的概述
2.1.1什麼是知識
2.1.2知識表示
2.2狀態空間表示法
2.2.1問題狀態描述
2.2.2狀態圖表示法
2.3謂詞邏輯表示法
2.3.1謂詞邏輯表示法的邏輯基礎
2.3.2連線詞和量詞
2.3.3謂詞邏輯表示法的步驟
2.3.4謂詞邏輯表示法的特點
2.4語義網路表示法
2.4.1語義基元
2.4.2語義網路中常用的語義關係
2.4.3語義網路的知識表示方法
2.4.4語義網路的推理過程
2.4.5語義網路表示法的特點
2.5框架表示法
2.5.1框架的基本結構
2.5.2基於框架的推理過程
2.5.3框架表示法的特點
2.6案例:知識圖譜
習題
第3章邏輯推理及方法
3.1邏輯推理的概述
3.1.1邏輯推理的定義
3.1.2邏輯推理的分類
3.1.3邏輯推理的控制策略及方向
3.2邏輯推理的基礎
3.2.1謂詞公式
3.2.2謂詞公式的範式
3.2.3置換與合一
3.3歸結演繹推理
3.3.1子句集
3.3.2魯濱遜歸結原理
3.3.3歸結反演
3.3.4歸結策略
3.4自然演繹推理
3.5與或形演繹推理
3.5.1與或形正向演繹推理
3.5.2與或形反向演繹推理
3.5.3與或形雙向演繹推理
3.6案例:家庭財務分配管理系統
習題
第4章非確定性推理及方法
4.1為什麼是非確定性推理
4.2基本的機率推理
4.2.1經典機率方法
4.2.2逆機率方法
4.3主觀貝葉斯推理
4.3.1非確定性表示
4.3.2非確定性傳遞
4.3.3結論非確定性的組合
4.4基於可信度的推理
4.4.1非確定性表示
4.4.2非確定性計算
4.4.3非確定性的更新
4.4.4結論非確定性的組合
4.5證據理論
4.5.1D-S理論
4.5.2非確定性表示
4.5.3非確定性計算
4.5.4非確定性更新
4.6模糊推理
4.6.1模糊理論
4.6.2模糊匹配
4.6.3模糊推理方法
4.7案例:基於樸素貝葉斯方法的垃圾郵件過濾
習題
第5章搜尋策略
5.1搜尋的基本概念
5.2基於狀態空間的盲目搜尋
5.2.1狀態空間的搜尋過程
5.2.2狀態空間的廣度優先搜尋
5.2.3狀態空間的深度優先搜尋
5.3基於狀態空間的啟發式搜尋
5.3.1動態規劃
5.3.2A*算法
5.3.3爬山法
5.3.4模擬退火算法
5.4基於樹的盲目搜尋
5.4.1與或樹的一般性搜尋
5.4.2與或樹的廣度優先搜尋
5.4.3與或樹的深度優先搜尋
5.5基於樹的啟發式搜尋
5.5.1與或樹的有序搜尋
5.5.2博弈樹搜尋
5.5.3博弈樹的剪枝最佳化
5.6案例:無人駕駛中的搜尋策略
習題
第6章機器學習
6.1機器學習概述
6.1.1關鍵術語
6.1.2機器學習的分類
6.1.3機器學習的模型構造過程
6.2監督學習
6.2.1線性回歸
6.2.2邏輯斯諦回歸
6.2.3最小近鄰法
6.2.4線性判別分析法
6.2.5樸素貝葉斯分類器
6.2.6決策樹分類算法
6.2.7支持向量機分類算法
6.3非監督學習
6.3.1劃分式聚類方法
6.3.2層次化聚類方法
6.3.3基於密度的聚類方法
6.4強化學習
6.4.1強化學習與監督學習和非監督學習
6.4.2強化學習問題描述
6.4.3強化學習問題分類
6.5神經網路和深度學習
6.5.1感知器模型
6.5.2前饋神經網路
6.5.3卷積神經網路
6.5.4其他類型結構的神經網路
6.6案例:銀行貸款用戶篩選
習題
第7章大數據
7.1大數據概述
7.1.1“大數據”的三要素
7.1.2大數據技術棧的發展歷程
7.2數據獲取——網路爬蟲
7.2.1爬蟲的發展
7.2.2爬蟲的原理
7.2.3Robots協定
7.3數據分析
7.3.1數據分析項目的落地
7.3.2數據分析方法
7.3.3數據分析工具
7.3.4現狀與未來
7.4數據挖掘
7.4.1數據挖掘的流程
7.4.2數據挖掘工具
7.5大數據技術的重要組件
7.5.1HDFS: Hadoop分散式檔案系統
7.5.2MapReduce:分散式運算框架
7.5.3HBase:可拓展的資料庫系統
7.5.4Spark RDD
7.6數據可視化
7.7案例:使用機器學習算法實現基於用戶行為數據的用戶分類器
習題
第8章人工智慧套用案例
8.1人臉識別套用
8.1.1人臉識別簡介
8.1.2人臉識別具體套用
8.2文字識別套用
8.2.1文字識別簡介
8.2.2文字識別的套用
8.3語音識別套用
8.3.1語音識別簡介
8.3.2語音識別的套用
8.4自然語言處理套用
8.4.1自然語言處理簡介
8.4.2自然語言處理的套用
8.5對話機器人
8.6智慧城市
習題
參考文獻

相關詞條

熱門詞條

聯絡我們