人工智慧（第3版）(2018年清華大學出版社出版的圖書)

《人工智慧(第3版)》是2018年清華大學出版社出版的圖書，作者是賁可榮、張彥鐸。本書不僅可用作高等學校計算機專業本科生和研究生學習計算機算法設計的教材，而且也適合廣大工程技術人員和自學讀者學習參考。

基本介紹

• 中文名：人工智慧(第3版)
• 作者：賁可榮、張彥鐸
• 出版社：清華大學出版社
• ISBN：9787302511984

內容簡介

本書內容豐富，觀點新穎，理論聯繫實際。不僅可用作高等學校計算機專業本科生和研究生學習計算機算法設計的教材，而且也適合廣大工程技術人員和自學讀者學習參考。

圖書目錄

目錄

第1章緒論1

1.1人工智慧的定義與概況1

1.2人類智慧型與人工智慧5

1.2.1智慧型信息處理系統的假設6

1.2.2人類智慧型的計算機模擬7

1.2.3弱人工智慧和強人工智慧10

1.3人工智慧各學派的認知觀10

1.4人工智慧的研究與套用領域12

1.4.1智慧型感知13

1.4.2智慧型推理15

1.4.3智慧型學習19

1.4.4智慧型行動24

1.5人工智慧發展展望29

1.5.1新一輪人工智慧的發展特徵29

1.5.2未來40年的人工智慧問題31

1.5.3人工智慧魯棒性和倫理34

1.5.4新一代人工智慧發展規劃35

習題37

第2章知識表示和推理39

2.1概述39

2.1.1知識和知識表示39

2.1.2知識策略智慧型41

2.1.3人工智慧對知識表示方法的要求42

2.1.4知識的分類42

2.1.5知識表示語言問題43

2.1.6現代邏輯學的基本研究方法44人工智慧（第3版）目錄2.2命題邏輯46

2.2.1語法47

2.2.2語義47

2.2.3命題演算形式系統PC49

2.3謂詞邏輯50

2.3.1語法51

2.3.2語義52

2.3.3謂詞邏輯形式系統FC55

2.3.4一階謂詞邏輯的套用57

2.4歸結推理58

2.4.1命題演算中的歸結推理58

2.4.2謂詞演算中的歸結推理61

2.4.3謂詞演算歸結反演的合理性和完備性70

2.4.4案例： 一個基於邏輯的財務顧問74

2.5產生式系統76

2.5.1產生式系統的表示77

2.5.2案例： 九宮圖遊戲78

2.5.3案例： 傳教士和野人問題79

2.5.4產生式系統的控制策略82

2.6語義網路84

2.6.1基本命題的語義網路表示84

2.6.2連線詞在語義網路中的表示86

2.6.3語義網路的推理88

2.6.4語義網路表示的特點90

2.7框架90

2.7.1框架的構成90

2.7.2框架系統的推理92

2.7.3框架表示的特點93

2.8腳本93

2.8.1腳本概念94

2.8.2案例： 飯店腳本94

2.9知識圖譜96

2.9.1知識圖譜及其表示97

2.9.2百度知識圖譜技術方案98

2.9.3案例： 知識圖譜在網際網路金融行業中的套用101

2.10基於知識的系統103

2.10.1知識獲取103

2.10.2知識組織105

2.10.3知識套用106

2.10.4常識知識和大規模知識處理108

2.10.5常識推理108

2.10.6案例： 知識圖譜套用110

2.11小結112

習題112

第3章搜尋技術123

3.1概述123

3.2盲目搜尋方法128

3.3啟發式搜尋129

3.3.1啟發性信息和評估函式130

3.3.2好優先搜尋算法131

3.3.3貪婪好優先搜尋算法132

3.3.4A算法和A算法132

3.3.5疊代加深A算法136

3.4問題歸約和ANDOR圖啟發式搜尋136

3.4.1問題歸約的描述137

3.4.2問題的ANDOR圖表示138

3.4.3AO算法139

3.5博弈143

3.5.1極大極小過程144

3.5.2α-β過程146

3.5.3效用值估計方法149

3.6案例分析149

3.6.1八皇后問題149

3.6.2洞穴探寶151

3.6.3五子棋153

習題158

第4章高級搜尋161

4.1爬山法搜尋161

4.2模擬退火搜尋164

4.2.1模擬退火搜尋的基本思想164

4.2.2模擬退火算法165

4.2.3模擬退火算法關鍵參數和操作的設計167

4.3遺傳算法168

4.3.1遺傳算法的基本思想169

4.3.2遺傳算法的基本操作170

4.4案例分析175

4.4.1爬山算法求解旅行商問題175

4.4.2模擬退火算法求解旅行商問題176

4.4.3遺傳算法求解旅行商問題177

習題178

第5章不確定知識表示和推理180

5.1概述180

5.1.1什麼是不確定推理181

5.1.2不確定推理要解決的基本問題181

5.1.3不確定性推理方法分類183

5.2非單調邏輯184

5.2.1非單調邏輯的產生185

5.2.2預設推理邏輯186

5.2.3非單調邏輯系統188

5.2.4非單調規則190

5.2.5案例： 有經紀人的交易191

5.3主觀Bayes方法194

5.3.1全機率公式和Bayes公式194

5.3.2主觀 Bayes方法196

5.4確定性理論201

5.4.1建造醫學專家系統時的問題201

5.4.2CF模型202

5.4.3案例： 帆船分類專家系統207

5.5證據理論212

5.5.1假設的不確定性212

5.5.2證據的不確定性與證據組合215

5.5.3規則的不確定性216

5.5.4不確定性的傳遞與組合216

5.5.5證據理論案例217

5.6模糊邏輯和模糊推理219

5.6.1模糊集合及其運算219

5.6.2模糊關係220

5.6.3語言變數221

5.6.4模糊邏輯和模糊推理222

5.6.5案例： 抵押申請評估決策支持系統226

5.7小結232

習題233

第6章Agent238

6.1概述238

6.2Agent及其結構240

6.2.1Agent的定義240

6.2.2Agent要素及特性241

6.2.3Agent的結構特點243

6.2.4Agent的結構分類244

6.3Agent套用案例246

6.4Agent通信250

6.4.1通信方式250

6.4.2Agent通信語言ACL251

6.5協調與協作256

6.5.1引言256

6.5.2契約網258

6.5.3協作規劃260

6.6移動Agent263

6.6.1移動Agent產生的背景264

6.6.2定義和系統組成266

6.6.3實現技術267

6.6.4移動Agent系統275

6.6.5移動Agent技術的套用場景276

6.7多Agent系統開發框架JADE278

6.7.1程式模型280

6.7.2可重用開發包281

6.7.3開發和運行的支持工具283

6.8案例： 火星探礦機器人284

6.8.1需求分析284

6.8.2設計與實現286

6.9小結291

習題292

第7章機器學習299

7.1機器學習概述299

7.1.1學習中的元素300

7.1.2目標函式的表示301

7.1.3學習任務的類型303

7.1.4機器學習的定義和發展史304

7.1.5機器學習的主要策略306

7.1.6機器學習系統的基本結構307

7.2基於符號的機器學習308

7.2.1歸納學習308

7.2.2決策樹學習312

7.2.3基於範例的學習318

7.2.4解釋學習323

7.2.5案例： 通過EBG學習概念cup324

7.2.6強化學習325

7.3基於神經網路的機器學習327

7.3.1神經網路概述327

7.3.2基於反向傳播網路的學習332

7.3.3案例： 基於反向傳播網路擬合曲線341

7.3.4深度學習348

7.3.5案例： 深度學習在計算機視覺中的套用353

7.3.6競爭網路358

7.3.7案例： 學習向量量化解決分類問題368

7.4基於統計的機器學習369

7.4.1支持向量機369

7.4.2案例： XOR問題378

7.4.3統計關係學習380

7.5小結382

習題384

第8章自然語言處理技術393

8.1自然語言理解的一般問題393

8.1.1自然語言理解的概念及意義393

8.1.2自然語言理解研究的發展395

8.1.3自然語言理解的層次396

8.2詞法分析399

8.3句法分析402

8.3.1短語結構文法和Chomsky文法體系402

8.3.2句法分析樹404

8.3.3轉移網路405

8.4語義分析406

8.4.1語義文法406

8.4.2格文法407

8.5大規模真實文本的處理408

8.5.1語料庫語言學及其特點408

8.5.2統計學方法的套用及所面臨的問題410

8.5.3漢語語料庫加工的基本方法411

8.5.4語義資源建設414

8.6信息搜尋416

8.6.1信息搜尋概述416

8.6.2搜尋引擎418

8.6.3智慧型搜尋引擎423

8.6.4搜尋引擎的發展趨勢429

8.7機器翻譯433

8.7.1機器翻譯系統概述433

8.7.2機器翻譯的基本模式和方法436

8.7.3統計機器翻譯439

8.7.4利用深度學習改進統計機器翻譯441

8.7.5端到端神經機器翻譯442

8.7.6未來展望443

8.8語音識別444

8.8.1智慧型語音技術概述444

8.8.2組成單詞讀音的基本單元445

8.8.3信號處理446

8.8.4單個單詞的識別449

8.8.5隱馬爾可夫模型450

8.8.6深度學習在語音識別中的套用451

8.9機器閱讀理解453

8.9.1機器閱讀理解評測數據集453

8.9.2機器閱讀理解的一般方法453

8.9.3機器閱讀理解研究展望455

8.10機器寫作456

8.10.1機器原創稿件457

8.10.2機器二次創作457

8.10.3機器寫作展望459

8.11聊天機器人459

8.11.1聊天機器人套用場景460

8.11.2聊天機器人系統的組成結構及關鍵技術461

8.11.3聊天機器人研究存在的挑戰465

8.12小結465

習題467

第9章智慧型規劃470

9.1規劃問題470

9.2狀態空間搜尋規劃474

9.3偏序規劃477

9.4命題邏輯規劃481

9.5分層任務網路規劃484

9.6非確定性規劃486

9.7時態規劃488

9.8多Agent規劃491

9.9案例分析495

9.9.1規劃問題的建模與規劃系統的求解過程495

9.9.2Shakey世界497

9.10小結499

習題499

第10章機器人學502

10.1概述502

10.1.1機器人的分類503

10.1.2機器人的特性504

10.1.3機器人學的研究領域504

10.2機器人系統505

10.2.1機器人系統的組成505

10.2.2機器人的工作空間507

10.2.3機器人的性能指標509

10.3機器人的編程模式與語言510

10.4機器人的套用與展望511

10.4.1機器人套用512

10.4.2機器人發展展望515

10.5案例分析： 仿真機器人運動控制算法519

10.5.1仿真平台使用介紹519

10.5.2仿真平台與策略程式的關係522

10.5.3策略程式的結構522

10.5.4動作函式及說明526

10.5.5策略527

10.5.6各種定位球狀態的判斷方法530

10.5.7比賽規則531

10.6小結533

習題533

第11章網際網路智慧型535

11.1概述535

11.2語義網與本體538

11.2.1語義網的層次模型538

11.2.2本體的基本概念540

11.2.3本體描述語言542

11.2.4本體知識管理框架542

11.2.5本體知識管理系統Protégé543

11.2.6本體知識管理系統KAON544

11.3Web技術的演化545

11.3.1Web 1.0546

11.3.2Web 2.0547

11.3.3Web 3.0549

11.3.4互聯的社會550

11.4Web挖掘551

11.4.1Web內容挖掘553

11.4.2Web結構挖掘554

11.4.3Web使用挖掘555

11.4.4網際網路信息可信度問題556

11.4.5案例： 反恐作戰數據挖掘556

11.4.6案例： 微博博主特徵行為數據挖掘557

11.5集體智慧型559

11.5.1社群智慧型560

11.5.2集體智慧型系統561

11.5.3全球腦562

11.5.4網際網路大腦（雲腦）563

11.5.5智聯網566

11.5.6案例： 智慧型網聯汽車568

11.5.7案例： 城市計算569

11.6小結571

習題572

附錄A人工智慧程式語言Python577

A.1人工智慧程式語言概述577

A.2Python語言優勢580

A.3Python人工智慧相關庫580

A.4Python語法簡介582

附錄B手寫體識別案例585

B.1MNIST數據集586

B.2Softmax回歸模型587

B.3Softmax回歸的程式實現589

B.4模型的訓練590

B.5模型的評價591

B.6完整代碼及運行結果592

參考文獻594

作者簡介

賁可榮，海軍工程大學教授、博士生導師，中國計算機學會理論計算機科學專委副主任、軟體工程專委委員，擔任軍隊人工智慧專業組專家，獲軍隊院校育才獎金獎。碩士、博士先後師從南京大學莫紹揆先生、國防科技大學陳火旺先生，打下了紮實的理論基礎。

張彥鐸，武漢工程大學黨委常委、副校長、教授，湖北省有突出貢獻的中青年專家，中國人工智慧學會智慧型機器人專業委員會委員、機器人足球技術專業委員會委員，國際機器人足球聯盟中國分會華中地區召集人。