《計(jì)算機(jī)科學(xué)與技術(shù)系列·高等院校規(guī)劃教材：人工智能導(dǎo)論》系統(tǒng)地闡述了人工智能的基本理論、基本技術(shù)、研究方法和應(yīng)用領(lǐng)域等內(nèi)容，比較全面地反映了近：20年來(lái)人工智能研究領(lǐng)域的進(jìn)展，并根據(jù)人工智能的發(fā)展動(dòng)向?qū)σ恍﹤鹘y(tǒng)內(nèi)容作了取舍，詳細(xì)介紹了機(jī)器學(xué)習(xí)方面的內(nèi)容。全書分為8章，內(nèi)容涉及人工智能的基本概念、知識(shí)工程、確定性推理和不確定性推理、搜索策略、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)，以及模式識(shí)別、自然語(yǔ)言處理和智能體等方面。每章后面都附有習(xí)題，以供讀者練習(xí)。
《人工智能導(dǎo)論》可作為計(jì)算機(jī)專業(yè)本科生和其他相關(guān)學(xué)科本科生、研究生的教材，也可作為有關(guān)科技人員的參考用書。
《計(jì)算機(jī)科學(xué)與技術(shù)系列·高等院校規(guī)劃教材：人工智能導(dǎo)論》分為8章，內(nèi)容涉及人工智能的基本概念、知識(shí)工程、確定性推理和不確定性推理、搜索策略、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)，以及模式識(shí)別、自然語(yǔ)言處理和智能體等方面。每章后面都附有習(xí)題，以供讀者練習(xí)。
前言
第1章 緒論
1.1 什么是人工智能
1.1.1 關(guān)于智能
1.1.2 人工智能的研究目標(biāo)
1.2 人工智能發(fā)展簡(jiǎn)史
1.3 人工智能研究方法
1.3.1 人工智能研究的特點(diǎn)
1.3.2 人工智能研究的途徑
1.3.3 人工智能研究的資源
1.4 人工智能研究及應(yīng)用領(lǐng)域
1.4.1 問(wèn)題求解與博弈
1.4.2 專家系統(tǒng)
1.4.3 自動(dòng)定理證明
1.4.4 機(jī)器學(xué)習(xí)
1.4.5 人工神經(jīng)網(wǎng)絡(luò)
1.4.6 模式識(shí)別
1.4.7 計(jì)算機(jī)視覺
1.4.8 自然語(yǔ)言處理
1.4.9 智能體
1.4.10 智能控制
1.4.11 機(jī)器人學(xué)
1.4.12 人工生命
1.5 本章小結(jié)
1.6 習(xí)題
第2章 知識(shí)工程
2.1 概述
2.2 知識(shí)表示方法
2.2.1 經(jīng)典邏輯表示法
2.2.2 產(chǎn)生式表示法
2.2.3 層次結(jié)構(gòu)表示法
2.2.4 網(wǎng)絡(luò)結(jié)構(gòu)表示法
2.2.5 其他表示法
2.3 知識(shí)獲取與管理
2.3.1 知識(shí)獲取的任務(wù)
2.3.2 知識(shí)獲取的方式
2.3.3 知識(shí)管理
2.3.4 本體論
2.4 基于知識(shí)的系統(tǒng)
2.4.1 什么是知識(shí)系統(tǒng)
2.4.2 專家系統(tǒng)
2.4.3 知識(shí)系統(tǒng)舉例
2.5 本章小結(jié)
2.6 習(xí)題
第3章 確定性推理
3.1 概述
3.1.1 推理方式與分類
3.1.2 推理控制策略
3.1.3 知識(shí)匹配
3.2 自然演繹推理
3.3 歸結(jié)演繹推理
3.3.1 海伯倫理論
3.3.2 魯賓遜歸結(jié)原理
3.3.3 歸結(jié)反演
3.3.4 歸結(jié)策略
3.3.5 應(yīng)用歸結(jié)原理求解問(wèn)題
3.4 與或形演繹推理
3.4.1 與或形正向演繹推理
3.4.2 與或形逆向演繹推理
3.4.3 與或形雙向演繹推理
3.5 本章小結(jié)
3.6 習(xí)題
第4章 不確定性推理
4.1 概述
4.2 基本概率方法
4.3 主觀貝葉斯方法
4.3.1 不確定性的表示
4.3.2 不確定性的傳遞算法
4.3.3 結(jié)論不確定性的合成算法
4.4 可信度方法
4.4.1 基本可信度模型
4.4.2 帶閾值限度的可信度模型
4.4.3 加權(quán)的可信度模型
4.4.4 前件帶不確定性的可信度模型
4.5 模糊推理
4.5.1 模糊理論
4.5.2 簡(jiǎn)單模糊推理
4.5.3 模糊三段論推理
4.5.4 多維模糊推理
4.5.5 多重模糊推理
4.5.6 帶有可信度因子的模糊推理
4.6 證據(jù)理論
4.6.1 D-S理論
4.6.2 基于證據(jù)理論的不確定性推理
4.7 粗糙集理論
4.7.1 粗糙集理論的基本概念
4.7.2 粗糙集在知識(shí)發(fā)現(xiàn)中的應(yīng)用
4.8 本章小結(jié)
4.9 習(xí)題
第5章 搜索策略
5.1 概述
5.1.1 什么是搜索
5.1.2 狀態(tài)空間表示法
5.1.3 與或樹表示法
5.2 狀態(tài)空間搜索
5.2.1 狀態(tài)空間的一般搜索過(guò)程
5.2.2 廣度優(yōu)先搜索
5.2.3 深度優(yōu)先搜索
5.2.4 有界深度優(yōu)先搜索
5.2.5 啟發(fā)式搜索
5.2.6 A*算法
5.3 與或樹搜索
5.3.1 與或樹的一般搜索過(guò)程
5.3.2 與或樹的廣度優(yōu)先搜索
5.3.3 與或樹的深度優(yōu)先搜索
5.3.4 與或樹的有序搜索
5.3.5 博弈樹的啟發(fā)式搜索
5.3.6 剪枝技術(shù)
5.4 本章小結(jié)
5.5 習(xí)題
第6章 機(jī)器學(xué)習(xí)
6.1 概述
6.1.1 什么是機(jī)器學(xué)習(xí)
6.1.2 機(jī)器學(xué)習(xí)方法的分類
6.1.3 機(jī)器學(xué)習(xí)的基本問(wèn)題
6.1.4 評(píng)估學(xué)習(xí)結(jié)果
6.2 決策樹學(xué)習(xí)
6.2.1 決策樹表示法
6.2.2 ID3算法
6.2.3 決策樹學(xué)習(xí)的常見問(wèn)題
6.2.4 用決策樹學(xué)習(xí)客戶分類
6.3 貝葉斯學(xué)習(xí)
6.3.1 貝葉斯法則
6.3.2 樸素貝葉斯方法
6.3.3 貝葉斯網(wǎng)絡(luò)
6.3.4 EM算法
6.3.5 用貝葉斯方法過(guò)濾垃圾郵件
6.4 統(tǒng)計(jì)學(xué)習(xí)
6.4.1 統(tǒng)計(jì)學(xué)習(xí)理論
6.4.2 支持向量機(jī)
6.4.3 核函數(shù)
6.4.4 基于支持向量機(jī)的車牌識(shí)別
6.5 遺傳算法
6.5.1 進(jìn)化計(jì)算
6.5.2 遺傳算法原理
6.5.3 問(wèn)題編碼策略
6.5.4 遺傳算子
6.5.5 遺傳算法的理論分析
6.5.6 用遺傳算法解決TSP問(wèn)題
6.6 聚類
6.6.1 聚類問(wèn)題
6.6.2 分層聚類方法
6.6.3 劃分聚類方法
6.6.4 基于密度的聚類方法
6.6.5 基于網(wǎng)格的聚類方法
6.6.6 股票信息的聚類分析
6.7 特征選擇與提取
6.7.1 特征選擇
6.7.2 常用的特征函數(shù)
6.7.3 主成分分析
6.8 其他學(xué)習(xí)方法
6.8.1 強(qiáng)化學(xué)習(xí)
6.8.2 隱馬爾可夫模型
6.9 本章小結(jié)
6.10 習(xí)題
第7章 人工神經(jīng)網(wǎng)絡(luò)
7.1 概述
7.1.1 人腦神經(jīng)系統(tǒng)
7.1.2 人工神經(jīng)網(wǎng)絡(luò)的研究?jī)?nèi)容與特點(diǎn)
7.1.3 人工神經(jīng)網(wǎng)絡(luò)的基本形態(tài)
7.2 感知器
7.2.1 簡(jiǎn)單感知器
7.2.2 多層感知器
7.3 前饋神經(jīng)網(wǎng)絡(luò)
7.3.1 反向傳播算法
7.3.2 反向傳播算法中的問(wèn)題
7.3.3 徑向基函數(shù)網(wǎng)絡(luò)
7.4 反饋神經(jīng)網(wǎng)絡(luò)
7.4.1 Hopfield網(wǎng)絡(luò)
7.4.2 離散型Hopfield網(wǎng)絡(luò)
7.4.3 連續(xù)型Hopfield網(wǎng)絡(luò)
7.4.4 Hopfield網(wǎng)絡(luò)中的問(wèn)題
7.4.5 用Hopfield網(wǎng)絡(luò)解決TSP問(wèn)題
7.5 隨機(jī)神經(jīng)網(wǎng)絡(luò)
7.5.1 模擬退火算法
7.5.2 波爾茲曼機(jī)
7.6 自組織神經(jīng)網(wǎng)絡(luò)
7.6.1 競(jìng)爭(zhēng)學(xué)習(xí)
7.6.2 自組織特征映射網(wǎng)絡(luò)
7.7 本章小結(jié)
7.8 習(xí)題
第8章 人工智能的其他領(lǐng)域
8.1 模式識(shí)別
8.1.1 模式識(shí)別的基本問(wèn)題
8.1.2 統(tǒng)計(jì)模式識(shí)別
8.1.3 句法模式識(shí)別
8.1.4 模糊模式識(shí)別
8.1.5 神經(jīng)網(wǎng)絡(luò)模式識(shí)別
8.1.6 模式識(shí)別的應(yīng)用
8.2 自然語(yǔ)言處理
8.2.1 自然語(yǔ)言處理的基本問(wèn)題
8.2.2 語(yǔ)法分析
8.2.3 語(yǔ)義分析
8.2.4 大規(guī)模文本處理
8.2.5 自然語(yǔ)言處理的應(yīng)用
8.3 智能體
8.3.1 智能體模型
8.3.2 多智能體系統(tǒng)的模型
8.3.3 多智能體系統(tǒng)的協(xié)作、協(xié)商與協(xié)調(diào)
8.3.4 多智能體系統(tǒng)的學(xué)習(xí)與規(guī)劃
8.3.5 智能體間的通信
8.3.6 智能體的應(yīng)用
8.4 本章小結(jié)
8.5 習(xí)題
參考文獻(xiàn)
新書資訊