书籍详情
人工智能概论（通识课版）
作者：廉师友 著
出版社：清华大学出版社
出版时间：2020-08-01
ISBN：9787302553861
定价：¥39.80
购买这本书可以去
内容简介
本书简明扼要地阐述了人工智能的基本原理，勾画了人工智能理论和技术体系的基本框架，内容涵盖了人工智能各个分支领域的基本知识和主要内容，并体现了人工智能的z新进展。本书内容基础、简明、新颖，为读者进一步学习和研发提供了入门知识，并指引了方向。本书结构风格独特、新颖，条理清楚，语言精练，图文并茂，理例结合，深入浅出，易读易懂，易教易学。本书适合于大学各专业作为人工智能通识课教材使用，亦可作为人工智能的普及读物供广大读者自学或参考。
作者简介
曾为西安石油大学计算机学院副教授，硕士生导师，学科带头人。科研、教学多次获奖，发表论文30余篇，学术专著3部，其中不确切性信息处理原理一书由科学出版社出版，该书第二版的英文版由国际知名科技出版集团斯普林格出版，还编著教材7部，其中人工智能技术导论第三版为国家十一五规划教材，这三版教材从2000起连续发行至今。
目录
第1章人工智能的概念、内容和方法
1.1什么是人工智能
1.1.1人工智能的概念
1.1.2图灵测试和中文屋子
1.1.3脑智能和群智能
1.1.4符号智能和计算智能
1.1.5统计智能和交互智能
1.2为什么要研究人工智能
1.2.1研究人工智能的意义
1.2.2人工智能的研究目标和策略
1.3人工智能的相关学科
1.4人工智能的研究内容
1.4.1搜索与求解
1.4.2知识与推理
1.4.3学习与发现
1.4.4发明与创造
1.4.5感知与响应
1.4.6理解与交流
1.4.7记忆与联想
1.4.8竞争与协作
1.4.9系统与建造
1.4.10应用与工程
1.5人工智能的研究途径与方法
1.5.1心理模拟，符号推演
1.5.2生理模拟，神经计算
1.5.3行为模拟，控制进化
1.5.4群体模拟，仿生计算
1.5.5博采广鉴，自然计算
1.5.6着眼数据，统计建模
1.6人工智能的分支领域与研究方向
习题1
第2章人工智能的应用与发展概况
2.1人工智能的应用
2.1.1难题求解
2.1.2自动规划、调度与配置
2.1.3机器博弈
2.1.4机器翻译与机器写作
2.1.5机器定理证明
2.1.6自动程序设计
2.1.7智能控制
2.1.8智能管理
2.1.9智能决策
2.1.10智能通信
2.1.11智能预测
2.1.12智能仿真
2.1.13智能设计与制造
2.1.14智能车辆与智能交通
2.1.15智能诊断与治疗
2.1.16智能生物信息处理
2.1.17智能教育
2.1.18智能人机接口
2.1.19模式识别
2.1.20智能机器人
2.1.21数据挖掘与知识发现
2.1.22计算机辅助创新
2.1.23计算机文艺创作
2.2人工智能学科发展概况
2.2.1孕育与诞生
2.2.2符号主义先声夺人
2.2.3连接主义不畏坎坷
2.2.4计算智能异军突起
2.2.5统计智能默默奉献
2.2.6智能主体一统江湖，Agent & Robot
2.2.7知识工程东山再起，机器学习领衔高歌
2.2.8现状与趋势
习题2
第3章图搜索与问题求解
3.1概述
3.2状态图与状态图搜索
3.2.1状态图
3.2.2状态图搜索
3.2.3穷举式搜索
3.2.4启发式搜索
3.3状态图搜索问题求解
3.3.1问题的状态图表示
3.3.2状态图搜索问题求解程序举例
延伸学习导引
习题3
第4章知识表示与机器推理(一)
4.1概述
4.1.1知识及其表示
4.1.2机器推理
4.2一阶谓词及其推理
4.2.1谓词、函数、量词
4.2.2谓词公式
4.2.3自然语言命题的谓词形式表示
4.2.4基于谓词公式的形式演绎推理
4.3产生式规则及其推理
4.3.1产生式规则
4.3.2基于产生式规则的推理
4.4语义网络
4.4.1语义网络的概念
4.4.2语义网络的表达能力
4.4.3基于语义网络的推理
4.5知识图谱
延伸学习导引
习题4
第5章知识表示与机器推理(二)
5.1不确定性和不确切性信息处理
5.2不确定性知识的表示及推理
5.2.1不确定性知识的表示
5.2.2不确定性推理
5.3不确切性知识的表示及推理*
5.3.1软语言值及其数学模型
5.3.2不确切性知识的表示
5.3.3基于软语言规则的推理
延伸学习导引
习题5
第6章机器学习与知识发现(一)
6.1概述
6.2基本原理与分类
6.2.1机器学习的概念
6.2.2机器学习的原理
6.2.3机器学习的分类
6.3符号学习
6.3.1记忆学习
6.3.2示例学习
6.3.3演绎学习
6.3.4类比学习
6.3.5决策树学习*
6.4强化学习
6.4.1简单原理
6.4.2Q学习算法*
6.4.3强化学习的发展概况
延伸学习导引
习题6
第7章机器学习与知识发现(二)
7.1统计学习
7.1.1概述
7.1.2回归问题的线性函数模型学习，梯度下降法
7.1.3分类问题的线性判别函数模型学习
7.2神经网络学习
7.2.1从生物神经元到人工神经元
7.2.2神经网络及其学习
7.2.3神经网络模型及其分类
7.2.4BP网络及其学习举例*
7.3深度学习
7.3.1什么是深度学习
7.3.2深度学习的优势
7.3.3深度学习的发展和扩展
7.4数据挖掘与知识发现
7.4.1数据挖掘的一般过程
7.4.2数据挖掘的对象
7.4.3数据挖掘的任务
7.4.4数据挖掘的方法
延伸学习导引
习题7
第8章机器感知与语言交流
8.1引言
8.2模式识别
8.2.1基本原理与方法
8.2.2距离分类法
8.2.3几何分类法
8.2.4概率分类法
8.3自然语言处理
8.3.1自然语言处理的途径、方法和学派
8.3.2基于规则的自然语言理解
8.3.3统计语言模型
延伸学习导引
习题8
第9章人工智能应用系统
9.1概述
9.2专家(知识)系统
9.2.1什么是专家系统
9.2.2专家系统的结构
9.2.3专家系统与基于知识的系统及知识工程
9.2.4专家系统的建造
9.2.5专家系统的发展
9.3Agent系统
9.3.1什么是Agent
9.3.2Agent的结构
9.3.3Agent实例——Web Agent
9.3.4多Agent系统
9.3.5Agent技术的发展与应用
9.4智能机器人
9.4.1智能机器人的基本原理
9.4.2机器人技术进展
延伸学习导引
习题9
第10章智能计算机与智能化网络
10.1智能计算机
10.1.1智能硬件平台和智能操作系统
10.1.2人工智能芯片
10.1.3神经网络计算机，类脑芯片
10.1.4智能计算机发展展望
10.2智能化网络
10.2.1智能网
10.2.2智能Web
10.2.3网络的智能化管理与控制
10.2.4网上信息的智能化检索
10.2.5推荐系统
延伸学习导引
习题10
第11章人工智能编程语言与开发平台
11.1概述
11.1.1函数型语言
11.1.2逻辑型语言
11.1.3面向对象型语言
11.1.4计算型语言
11.1.5混合型语言
11.2知识工程经典语言PROLOG*
11.2.1PROLOG语句
11.2.2PROLOG程序
11.2.3PROLOG程序的运行机理
11.3机器学习流行语言Python*
11.3.1Python语言的特点和优势
11.3.2Python程序举例
11.4深度学习框架与平台*
延伸学习导引
习题11
中英文名词对照及索引
参考文献
1.1什么是人工智能
1.1.1人工智能的概念
1.1.2图灵测试和中文屋子
1.1.3脑智能和群智能
1.1.4符号智能和计算智能
1.1.5统计智能和交互智能
1.2为什么要研究人工智能
1.2.1研究人工智能的意义
1.2.2人工智能的研究目标和策略
1.3人工智能的相关学科
1.4人工智能的研究内容
1.4.1搜索与求解
1.4.2知识与推理
1.4.3学习与发现
1.4.4发明与创造
1.4.5感知与响应
1.4.6理解与交流
1.4.7记忆与联想
1.4.8竞争与协作
1.4.9系统与建造
1.4.10应用与工程
1.5人工智能的研究途径与方法
1.5.1心理模拟，符号推演
1.5.2生理模拟，神经计算
1.5.3行为模拟，控制进化
1.5.4群体模拟，仿生计算
1.5.5博采广鉴，自然计算
1.5.6着眼数据，统计建模
1.6人工智能的分支领域与研究方向
习题1
第2章人工智能的应用与发展概况
2.1人工智能的应用
2.1.1难题求解
2.1.2自动规划、调度与配置
2.1.3机器博弈
2.1.4机器翻译与机器写作
2.1.5机器定理证明
2.1.6自动程序设计
2.1.7智能控制
2.1.8智能管理
2.1.9智能决策
2.1.10智能通信
2.1.11智能预测
2.1.12智能仿真
2.1.13智能设计与制造
2.1.14智能车辆与智能交通
2.1.15智能诊断与治疗
2.1.16智能生物信息处理
2.1.17智能教育
2.1.18智能人机接口
2.1.19模式识别
2.1.20智能机器人
2.1.21数据挖掘与知识发现
2.1.22计算机辅助创新
2.1.23计算机文艺创作
2.2人工智能学科发展概况
2.2.1孕育与诞生
2.2.2符号主义先声夺人
2.2.3连接主义不畏坎坷
2.2.4计算智能异军突起
2.2.5统计智能默默奉献
2.2.6智能主体一统江湖，Agent & Robot
2.2.7知识工程东山再起，机器学习领衔高歌
2.2.8现状与趋势
习题2
第3章图搜索与问题求解
3.1概述
3.2状态图与状态图搜索
3.2.1状态图
3.2.2状态图搜索
3.2.3穷举式搜索
3.2.4启发式搜索
3.3状态图搜索问题求解
3.3.1问题的状态图表示
3.3.2状态图搜索问题求解程序举例
延伸学习导引
习题3
第4章知识表示与机器推理(一)
4.1概述
4.1.1知识及其表示
4.1.2机器推理
4.2一阶谓词及其推理
4.2.1谓词、函数、量词
4.2.2谓词公式
4.2.3自然语言命题的谓词形式表示
4.2.4基于谓词公式的形式演绎推理
4.3产生式规则及其推理
4.3.1产生式规则
4.3.2基于产生式规则的推理
4.4语义网络
4.4.1语义网络的概念
4.4.2语义网络的表达能力
4.4.3基于语义网络的推理
4.5知识图谱
延伸学习导引
习题4
第5章知识表示与机器推理(二)
5.1不确定性和不确切性信息处理
5.2不确定性知识的表示及推理
5.2.1不确定性知识的表示
5.2.2不确定性推理
5.3不确切性知识的表示及推理*
5.3.1软语言值及其数学模型
5.3.2不确切性知识的表示
5.3.3基于软语言规则的推理
延伸学习导引
习题5
第6章机器学习与知识发现(一)
6.1概述
6.2基本原理与分类
6.2.1机器学习的概念
6.2.2机器学习的原理
6.2.3机器学习的分类
6.3符号学习
6.3.1记忆学习
6.3.2示例学习
6.3.3演绎学习
6.3.4类比学习
6.3.5决策树学习*
6.4强化学习
6.4.1简单原理
6.4.2Q学习算法*
6.4.3强化学习的发展概况
延伸学习导引
习题6
第7章机器学习与知识发现(二)
7.1统计学习
7.1.1概述
7.1.2回归问题的线性函数模型学习，梯度下降法
7.1.3分类问题的线性判别函数模型学习
7.2神经网络学习
7.2.1从生物神经元到人工神经元
7.2.2神经网络及其学习
7.2.3神经网络模型及其分类
7.2.4BP网络及其学习举例*
7.3深度学习
7.3.1什么是深度学习
7.3.2深度学习的优势
7.3.3深度学习的发展和扩展
7.4数据挖掘与知识发现
7.4.1数据挖掘的一般过程
7.4.2数据挖掘的对象
7.4.3数据挖掘的任务
7.4.4数据挖掘的方法
延伸学习导引
习题7
第8章机器感知与语言交流
8.1引言
8.2模式识别
8.2.1基本原理与方法
8.2.2距离分类法
8.2.3几何分类法
8.2.4概率分类法
8.3自然语言处理
8.3.1自然语言处理的途径、方法和学派
8.3.2基于规则的自然语言理解
8.3.3统计语言模型
延伸学习导引
习题8
第9章人工智能应用系统
9.1概述
9.2专家(知识)系统
9.2.1什么是专家系统
9.2.2专家系统的结构
9.2.3专家系统与基于知识的系统及知识工程
9.2.4专家系统的建造
9.2.5专家系统的发展
9.3Agent系统
9.3.1什么是Agent
9.3.2Agent的结构
9.3.3Agent实例——Web Agent
9.3.4多Agent系统
9.3.5Agent技术的发展与应用
9.4智能机器人
9.4.1智能机器人的基本原理
9.4.2机器人技术进展
延伸学习导引
习题9
第10章智能计算机与智能化网络
10.1智能计算机
10.1.1智能硬件平台和智能操作系统
10.1.2人工智能芯片
10.1.3神经网络计算机，类脑芯片
10.1.4智能计算机发展展望
10.2智能化网络
10.2.1智能网
10.2.2智能Web
10.2.3网络的智能化管理与控制
10.2.4网上信息的智能化检索
10.2.5推荐系统
延伸学习导引
习题10
第11章人工智能编程语言与开发平台
11.1概述
11.1.1函数型语言
11.1.2逻辑型语言
11.1.3面向对象型语言
11.1.4计算型语言
11.1.5混合型语言
11.2知识工程经典语言PROLOG*
11.2.1PROLOG语句
11.2.2PROLOG程序
11.2.3PROLOG程序的运行机理
11.3机器学习流行语言Python*
11.3.1Python语言的特点和优势
11.3.2Python程序举例
11.4深度学习框架与平台*
延伸学习导引
习题11
中英文名词对照及索引
参考文献
猜您喜欢
