人工智慧概論(2020年清華大學出版社出版的圖書)

《人工智慧概論》是2020年8月1日清華大學出版社出版的圖書，作者是廉師友。

基本介紹

• 中文名：人工智慧概論
• 作者：廉師友
• 出版社：清華大學出版社
• ISBN：9787302553861

內容簡介

本書簡明扼要地闡述了人工智慧的基本原理，勾畫了人工智慧理論和技術體系的基本框架，內容涵蓋了人工智慧各個分支領域的基本知識和主要內容，並體現了人工智慧的z新進展。本書內容基礎、簡明、新穎，為讀者進一步學習和研發提供了入門知識，並指引了方向。本書結構風格獨特、新穎，條理清楚，語言精練，圖文並茂，理例結合，深入淺出，易讀易懂，易教易學。本書適合於大學各專業作為人工智慧通識課教材使用，亦可作為人工智慧的普及讀物供廣大讀者自學或參考。

圖書目錄

第1章人工智慧的概念、內容和方法

1.1什麼是人工智慧

1.1.1人工智慧的概念

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人工智慧的分支領域與研究方向

習題1

第2章人工智慧的套用與發展概況

2.1人工智慧的套用

2.1.1難題求解

2.1.2自動規劃、調度與配置

2.1.3機器博弈

2.1.4機器翻譯與機器寫作

2.1.5機器定理證明

2.1.6自動程式設計

2.1.7智慧型控制

2.1.8智慧型管理

2.1.9智慧型決策

2.1.10智慧型通信

2.1.11智慧型預測

2.1.12智慧型仿真

2.1.13智慧型設計與製造

2.1.14智慧型車輛與智慧型交通

2.1.15智慧型診斷與治療

2.1.16智慧型生物信息處理

2.1.17智慧型教育

2.1.18智慧型人機接口

2.1.19模式識別

2.1.20智慧型機器人

2.1.21數據挖掘與知識發現

2.1.22計算機輔助創新

2.1.23計算機文藝創作

2.2人工智慧學科發展概況

2.2.1孕育與誕生

2.2.2符號主義先聲奪人

2.2.3連線主義不畏坎坷

2.2.4計算智慧型異軍突起

2.2.5統計智慧型默默奉獻

2.2.6智慧型主體一統江湖，Agent & Robot

2.2.7知識工程東山再起，機器學習領銜高歌

2.2.8現狀與趨勢

習題2

第3章圖搜尋與問題求解

3.1概述

3.2狀態圖與狀態圖搜尋

3.2.1狀態圖

3.2.2狀態圖搜尋

3.2.3窮舉式搜尋

3.2.4啟發式搜尋

3.3狀態圖搜尋問題求解

3.3.1問題的狀態圖表示

3.3.2狀態圖搜尋問題求解程式舉例

延伸學習導引

習題3

第4章知識表示與機器推理(一)

4.1概述

4.1.1知識及其表示

4.1.2機器推理

4.2一階謂詞及其推理

4.2.1謂詞、函式、量詞

4.2.2謂詞公式

4.2.3自然語言命題的謂詞形式表示

4.2.4基於謂詞公式的形式演繹推理

4.3產生式規則及其推理

4.3.1產生式規則

4.3.2基於產生式規則的推理

4.4語義網路

4.4.1語義網路的概念

4.4.2語義網路的表達能力

4.4.3基於語義網路的推理

4.5知識圖譜

延伸學習導引

習題4

第5章知識表示與機器推理(二)

5.1不確定性和不確切性信息處理

5.2不確定性知識的表示及推理

5.2.1不確定性知識的表示

5.2.2不確定性推理

5.3不確切性知識的表示及推理*

5.3.1軟語言值及其數學模型

5.3.2不確切性知識的表示

5.3.3基於軟語言規則的推理

延伸學習導引

習題5

第6章機器學習與知識發現(一)

6.1概述

6.2基本原理與分類

6.2.1機器學習的概念

6.2.2機器學習的原理

6.2.3機器學習的分類

6.3符號學習

6.3.1記憶學習

6.3.2示例學習

6.3.3演繹學習

6.3.4類比學習

6.3.5決策樹學習*

6.4強化學習

6.4.1簡單原理

6.4.2Q學習算法*

6.4.3強化學習的發展概況

延伸學習導引

習題6

第7章機器學習與知識發現(二)

7.1統計學習

7.1.1概述

7.1.2回歸問題的線性函式模型學習，梯度下降法

7.1.3分類問題的線性判別函式模型學習

7.2神經網路學習

7.2.1從生物神經元到人工神經元

7.2.2神經網路及其學習

7.2.3神經網路模型及其分類

7.2.4BP網路及其學習舉例*

7.3深度學習

7.3.1什麼是深度學習

7.3.2深度學習的優勢

7.3.3深度學習的發展和擴展

7.4數據挖掘與知識發現

7.4.1數據挖掘的一般過程

7.4.2數據挖掘的對象

7.4.3數據挖掘的任務

7.4.4數據挖掘的方法

延伸學習導引

習題7

第8章機器感知與語言交流

8.1引言

8.2模式識別

8.2.1基本原理與方法

8.2.2距離分類法

8.2.3幾何分類法

8.2.4機率分類法

8.3自然語言處理

8.3.1自然語言處理的途徑、方法和學派

8.3.2基於規則的自然語言理解

8.3.3統計語言模型

延伸學習導引

習題8

第9章人工智慧套用系統

9.1概述

9.2專家(知識)系統

9.2.1什麼是專家系統

9.2.2專家系統的結構

9.2.3專家系統與基於知識的系統及知識工程

9.2.4專家系統的建造

9.2.5專家系統的發展

9.3Agent系統

9.3.1什麼是Agent

9.3.2Agent的結構

9.3.3Agent實例——Web Agent

9.3.4多Agent系統

9.3.5Agent技術的發展與套用

9.4智慧型機器人

9.4.1智慧型機器人的基本原理

9.4.2機器人技術進展

延伸學習導引

習題9

第10章智慧型計算機與智慧型化網路

10.1智慧型計算機

10.1.1智慧型硬體平台和智慧型作業系統

10.1.2人工智慧晶片

10.1.3神經網路計算機，類腦晶片

10.1.4智慧型計算機發展展望

10.2智慧型化網路

10.2.1智慧型網

10.2.2智慧型Web

10.2.3網路的智慧型化管理與控制

10.2.4網上信息的智慧型化檢索

10.2.5推薦系統

延伸學習導引

習題10

第11章人工智慧程式語言與開發平台

11.1概述

11.1.1函式型語言

11.1.2邏輯型語言

11.1.3面向對象型語言

11.1.4計算型語言

11.1.5混合型語言

11.2知識工程經典語言PROLOG*

11.2.1PROLOG語句

11.2.2PROLOG程式

11.2.3PROLOG程式的運行機理

11.3機器學習流行語言Python*

11.3.1Python語言的特點和優勢

11.3.2Python程式舉例

11.4深度學習框架與平台*

延伸學習導引

習題11

中英文名詞對照及索引

參考文獻