人工智能原理及應用

《人工智能原理及應用/雲南省普通高等學校“十二五”規劃教材》是作者在科學研究與教學實踐的基礎上，吸納了國內外人工智能領域專家學者的經驗，歸納、整理、提煉而形成的，主要講述了人工智能的基本概念和基本原理，給出了在相應領域的算法及應用。全書共8章，主要內容有：人工智能的基本概念、知識表示和問題求解、自動規劃求解系統、機器學習、自然語言處理技術、智能信息處理技術、分佈式人工智能和Agent技術、知識發現與數據挖掘等。《人工智能原理及應用/雲南省普通高等學校“十二五”規劃教材》可作為計算機類及相關專業本科高年級學生或研究生的教材，也可供從事計算機科學、人工智能等方面工作的科技人員參考。 ^[1] 

第1章 緒論

1．1 人工智能概念和發展

1．1．1 人工智能的概念

1．1．2 人工智能的發展簡史

1．2 人工智能的研究學派

1．2．1 符號主義

1．2．2 聯結主義

1．2．3 行為主義

1．3 人工智能的研究目標

1．4 人工智能的研究領域

1．4．1 模式識別

1．4．2 自動定理證明

1．4．3 機器視覺

1．4．4 專家系統

1．4．5 機器人

1．4．6 自然語言處理

1．4．7 博弈

1．4．8 人工神經網絡

1．4．9 問題求解

1．4．10 機器學習

1．4．11 基於Agent的人工智能

第2章 知識表示和問題求解

2．1 知識及知識表示的基本概念

2．1．1 知識的概念

2．1．2 知識表示

2．1．3 知識的分類

2．1．4 知識的使用

2．1．5 對知識表示方法的衡量

2．2 狀態空間知識表示及求解

2．2．1 狀態空間表示法

2．2．2 圖搜索策略

2．3 產生式系統及推理

2．3．1 產生式系統的構成

2．3．2 產生式系統的求解問題策略

2．4 問題歸約法

2．4．1 問題歸約表示

2．4．2 與／或圖表示

2．5 謂詞邏輯表示及歸結原理

2．5．1 命題邏輯

2．5．2 謂詞邏輯

2．5．3 一階謂詞演算的基本體系

2．5．4 推理規則

2．5．5 歸結原理

2．6 語義網絡

2．6．1 語義網絡的構成及特點

2．6．2 語義網絡的表示

2．6．3 語義網絡的推理

2．6．4 語義網絡表示的優缺點特點

2．7 其他知識表示與問題求解方法

2．7．1 框架

2．7．2 腳本

2．7．3 過程

第3章 自動規劃求解系統

3．1 規劃

3．1．1 規劃的概念

3．1．2 規劃的特性及作用

3．1．3 系統規劃求解的方法與途徑

3．1．4 系統規劃求解的任務

3．2 機器規劃成功性基本原理

3．2．1 概述

3．2．2 總規劃的設計與分層規劃原理

3．2．3 規劃問題求解與最優規劃原理

3．3 機器人規劃求解應用舉例

第4章 機器學習

4．1 機器學習的概念

4．1．1 什麼是學習

4．1．2 機器學習與人類學習的區別

4．1．3 機器學習實現的困難

4．2 機器學習的研究目標

4．2．1 通用學習算法

4．2．2 認知模型

4．2．3 工程目標

4．3 機器學習系統

4．3．1 什麼是機器學習系統

4．3．2 機器學習的基本模型

4．4 機器學習的分類

4．5 實例學習

4．5．1 概述

4．5．2 實例學習的兩個空間模型

4．5．3 實例學習示例

第5章 自然語言處理技術

5．1 自然語言處理概述

5．1．1 漢語信息處理技術方面的進展

5．1．2 少數民族語言文字信息處理技術方面的進展

5．1．3 自然語言處理的研究領域和方向

5．2 自然語言理解

5．2．1 自然語言分析的層次

5．2．2 自然語言理解的層次

5．3 詞法分析

5．3 句法分析

5．3．1 短語結構文法

5．3．2 喬姆斯基文法體系

5．3．3 句法分析樹

5．3．4 轉移網絡

5．4 語義分析

5．4．1 語義文法

5．4．2 格文法

5．5 大規模真實文本的處理

5．6 信息搜索

5．6．1 搜索引擎

5．6．2 智能搜索引擎

5．7 機器翻譯

5．7．1 基於詞的統計機器翻譯

5．7．2 基於短語的統計機器翻譯

5．8 語音識別

5．8．1 信號處理

5．8．2 識別

第6章 智能信息處理技術

6．1 神經網絡

6．1．1 神經網絡的模型和學習算法

6．1．2 幾種典型神經網絡簡介

6．1．3 神經網絡的應用

6．2 深度學習

6．2．1 深度學習的模型和學習算法

6．2．2 深度學習的應用

6．3 遺傳算法

6．3．1 遺傳算法的概念

6．3．2 基本遺傳算法

6．3．3 遺傳算法應用

6．4 粗糙集方法

6．4．1 粗糙集的基本概念

6．4．2 粗糙集對缺失數據的補齊方法

6．5 模糊計算技術

6．5．1 模糊集合

6．5．2 模糊集合的表示方法

6．5．3 模糊集合的運算

6．5．4 隸屬函數

6．5．5 模糊模式識別

6．6 雲模型理論

6．7 支持向量機

6．7．1 線性分類

6．7．2 核函數

6．7．3 SVM的應用

第7章 分佈式人工智能和Agent技術

7．1 分佈式人工智能

7．2 Agent系統

7．2．1 Agent的基本概念及特性

7．2．2 Agent的分類及能力

7．3 多Agent系統

7．3．1 多Agent系統的基本概念及特性

7．3．2 多Agent系統的研究內容

第8章 知識發現與數據挖掘

8．1 知識發現

8．2 數據挖掘

8．2．1 數據挖掘技術的產生及定義

8．2．2 數據挖掘的功能

8．2．3 常用的數據挖掘方法

8．3 大數據處理

8．3．1 大數據計算框架——MapReduce

8．3．2 Hadoop平台及相關生態系統

8．3．3 Spark計算框架及相關生態系統

8．3．4 流式大數據

8．3．5 大數據挖掘與分析

主要參考文獻