人工智能

本書系統地介紹了人工智能的基本原理、方法和應用技術，全面反映了國內外人工智能研究領域的進展和發展方向。全書共12章。第1章簡要介紹了人工智能的概況。第2~6章闡述了人工智能的基本原理和方法，重點論述了知識表示、自動推理、機器學習和神經網絡等。第7章和第8章介紹了專家系統、自然語言處理等應用技術。第9~11章闡述了當前人工智能的研究熱點，包括分佈式人工智能與智能體、智能機器人和互聯網智能等。第12章探討了類腦智能，展望人工智能的發展。　　本書力求科學性、實用性和先進性，可讀性好。內容由淺入深、循序漸進，條理清晰，讓學生在有限的時間內掌握人工智能的基本原理與應用技術，提高對人工智能習題的求解能力。　　本書可以作為高等院校計算機科學與技術、自動化等相關專業的研究生和高年級本科生的人工智能課程教材，也可以供從事人工智能研究與應用的科技人員學習參考。 ^[1] 

出版説明

前言

第1章緒論

1.1什麼是人工智能

1.2人工智能的起源與發展歷史

1.3人工智能研究的基本內容

1.3.1認知建模

1.3.2知識表示

1.3.3自動推理

1.3.4機器學習

1.4人工智能研究的主要學派

1.4.1符號主義

1.4.2連接主義

1.4.3行為主義

1.5人工智能的應用

1.6小結和展望

習題

第2章知識表示

2.1概述

2.2謂詞邏輯

2.3產生式系統

2.4語義網絡

2.4.1語義網絡的概念和結構

2.4.2複雜知識的表示

2.4.3常用的語義聯繫

2.5框架

2.5.1框架結構

2.5.2框架網絡

2.5.3推理方法

2.6狀態空間

2.7面向對象的知識表示

2.8腳本

2.8.1腳本描述

2.8.2概念依賴關係

2.9本體

2.10小結習題

第3章自動推理

3.1概述

3.2三段論推理

3.3盲目搜索

3.3.1深度優先搜索

3.3.2寬度優先搜索

3.3.3迭代加深搜索

3.4回溯策略

3.5啓發式搜索

3.5.1啓發性信息和評估函數

3.5.2爬山算法

3.5.3模擬退火算法

3.5.4最好優先算法

3.5.5通用圖搜索算法

3.5.6A*算法

3.5.7迭代加深A*算法

3.6與或圖啓發式搜索

3.6.1問題歸約的描述

3.6.2與或圖表示

3.6.3AO*算法

3.7博弈搜索

3.7.1極大極小過程

3.7.2α-β過程

3.8歸結演繹推理

3.8.1子句型

3.8.2置換和合一

3.8.3合一算法

3.8.4歸結式

3.8.5歸結反演

3.8.6答案的提取

3.8.7歸結反演的搜索策略

3.9產生式系統

3.9.1產生式系統的基本結構

3.9.2正向推理

3.9.3反向推理

3.9.4混合推理

3.10自然演繹推理

3.11非單調推理

3.11.1默認推理

3.11.2限制推理

3.12小結習題

第4章不確定性推理

4.1概述

4.1.1不確定性知識分類

4.1.2不確定性推理的基本問題

4.1.3不確定性推理方法分類

4.2可信度方法

4.2.1建造醫學專家系統時的問題

4.2.2可信度模型

4.2.3確定性方法的説明

4.3主觀貝葉斯方法

4.3.1貝葉斯公式

4.3.2知識不確定性的表示

4.3.3證據不確定性的表示

4.3.4組合證據不確定性的計算

4.3.5不確定性的傳遞算法

4.3.6結論不確定性的合成

4.4證據理論

4.4.1假設的不確定性

4.4.2證據的組合函數

4.4.3規則的不確定性

4.4.4不確定性的組合

4.5模糊邏輯和模糊推理

4.5.1模糊集合及其運算

4.5.2語言變量

4.5.3模糊邏輯

4.5.4模糊推理

4.6小結習題

第5章機器學習

5.1機器學習概述

5.1.1簡單的學習模型

5.1.2什麼是機器學習

5.1.3機器學習的研究概況

5.2歸納學習

5.2.1歸納學習的基本概念

5.2.2變型空間學習

5.2.3決策樹

5.3類比學習

5.3.1相似性

5.3.2轉換類比

5.3.3基於案例的推理

5.3.4遷移學習

5.4統計學習

5.4.1邏輯迴歸

5.4.2支持向量機

5.4.3提升方法

5.5強化學習

5.5.1強化學習模型

5.5.2學習自動機

5.5.3自適應動態程序設計

5.5.4Q-學習

5.6進化計算

5.6.1達爾文進化算法

5.6.2遺傳算法

5.6.3進化策略

5.6.4進化規劃

5.7羣體智能

5.7.1蟻羣算法

5.7.2粒子羣優化

5.8知識發現

5.9小結習題

第6章神經網絡

6.1概述

6.2神經信息處理的基本原理

6.3感知機

6.3.1基本神經元

6.3.2感知機模型

6.4前饋神經網絡

6.4.1前饋神經網絡模型

6.4.2誤差反向傳播算法

6.4.3BP算法的若干改進

6.5Hopfield網絡

6.5.1離散 Hopfield 網絡

6.5.2連續Hopfield網絡

6.6隨機神經網絡

6.6.1模擬退火算法

6.6.2玻耳茲曼機

6.7深度學習

6.7.1人腦視覺機理

6.7.2自編碼器

6.7.3受限玻耳茲曼機

6.7.4深度信念網絡

6.7.5卷積神經網絡

6.8自組織神經網絡

6.8.1網絡的拓撲結構

6.8.2網絡自組織算法

6.8.3監督學習

6.9小結習題

第7章專家系統

7.1專家系統概述

7.1.1什麼是專家系統

7.1.2專家系統的特點

7.1.3專家系統的發展史

7.2專家系統的基本結構

7.3專家系統MYCIN

7.3.1諮詢子系統

7.3.2靜態數據庫

7.3.3控制策略

7.4專家系統工具CLIPS

7.4.1概述

7.4.2CLIPS中的知識表示

7.4.3CLIPS運行

7.4.4Rete匹配算法

7.5專家系統工具JESS

7.6面向對象專家系統工具OKPS

7.6.1OKPS中的知識表示

7.6.2推理控制語言ICL

7.7專家系統建造

7.7.1需求分析

7.7.2系統設計

7.7.3知識庫構建

7.7.4系統開發

7.7.5系統測試

7.8新型專家系統

7.8.1分佈式專家系統

7.8.2協同式專家系統

7.8.3神經網絡專家系統

7.8.4基於互聯網的專家系統

7.9小結習題

第8章自然語言處理

8.1概述

8.1.1什麼是自然語言處理

8.1.2自然語言處理的發展

8.1.3自然語言處理的層次

8.2詞法分析

8.3句法分析

8.3.1短語結構語法

8.3.2喬姆斯基形式語法

8.3.3句法分析樹

8.3.4轉移網絡

8.3.5擴充轉移網絡

8.4語義分析

8.4.1語義文法

8.4.2格文法

8.5語用分析

8.6語料庫

8.6.1語料庫語言學

8.6.2統計方法的應用

8.6.3漢語語料庫加工

8.7信息檢索

8.8機器翻譯

8.9問答系統

8.10小結習題

第9章分佈式人工智能與智能體

9.1概述

9.2分佈式問題求解

9.2.1分佈式人工智能的興起

9.2.2分佈式問題求解系統分類

9.2.3分佈式問題求解過程

9.3智能體理論

9.3.1理性智能體

9.3.2BDI智能體模型

9.4智能體結構

9.4.1智能體基本結構

9.4.2慎思智能體

9.4.3反應智能體

9.4.4層次智能體

9.5智能體通信語言ACL

9.5.1智能體間通信概述

9.5.2FIPA ACL消息

9.6協調和協作

9.6.1引言

9.6.2合同網

9.6.3基於生態學的協作

9.6.4基於對策論的協商

9.6.5基於意圖的協商

9.7移動智能體

9.8多智能體環境MAGE

9.9小結習題

第10章智能機器人

10.1概述

10.2智能機器人的體系結構

10.3機器人視覺系統

10.3.1視覺系統分類

10.3.2定位技術

10.3.3自主視覺導航

10.3.4視覺伺服系統

10.4機器人規劃

10.4.1任務規劃

10.4.2分層任務網絡規劃

10.4.3路徑規劃

10.4.4軌跡規劃

10.5情感機器人

10.6發育機器人

10.7機器人應用

10.8智能機器人發展趨勢

10.9小結習題

第11章互聯網智能

11.1概述

11.2語義Web

11.2.1語義Web的層次模型

11.2.2本體的基本概念

11.2.3本體描述語言OWL

11.3本體知識管理

11.3.1知識管理系統Protégé

11.3.2知識管理系統KMSphere

11.4Web技術的演化

11.5Web挖掘

11.5.1Web內容挖掘

11.5.2Web結構挖掘

11.5.3Web使用挖掘

11.6搜索引擎

11.6.1搜索引擎原理

11.6.2知識圖譜

11.7集體智能

11.7.1引言

11.7.2社羣智能

11.7.3集體智能系統

11.7.4全球腦

11.8小結

習題

第12章類腦智能

12.1概述

12.2大數據智能

12.3認知計算

12.4歐盟人腦計劃

12.5美國腦計劃

12.6腦模擬系統Spaun

12.7神經形態芯片

12.8類腦智能路線圖

習題

附錄課程實習

參考文獻 ^[1]