图解人工智能

　　近年，人工智能热潮席卷而来。本书以图解的方式网罗了人工智能开发必备的基础知识，内容涉及机器学习、深度学习、强化学习、图像和语音的模式识别、自然语言处理、分布式计算等热门技术。全书以图配文，深入浅出，是一本兼顾理论和技术的人工智能入门教材。旨在帮助读者建立对人工智能技术的整体印象，为今后深入探索该领域打下基础。另外，书中设有专栏和“小贴士”，介绍了相关术语的背景知识，可帮助读者扩充知识面，进一步理解相关技术。

　　多田智史（作者）1980年生于日本兵库县。生物工程学专业，现就职于某生物信息公司，负责数据分析和Web数据库系统的开发工作。石井一夫（审校）日本东京农工大学特任教授。研究领域为基因组科学。博士毕业于日本德岛大学研究生院医学研究科。曾就职于日本东京大学医科学研究所人类基因组解析中心、日本理化学研究所基因组科学综合研究中心。荣获2015年度信息处理学会优秀教育奖。日本技术士会特别研究员，APEC工程师，IPEA国际工程师。张弥（译者）毕业于大连外国语大学日本语学院，现就职于某日企，从事技术翻译工作，有10年以上软件开发及医学领域翻译经验。译有《图解深度学习》。

第 1章\t人工智能的过去、现在和未来 1
01　人工智能　2
02　人工智能的黎明时期　4
03　人工智能的发展　9
第　2章 规则系统及其变体　21
01　规则系统　22
02　知识库　26
03　专家系统　30
04　推荐引擎　37
第3章　自动机和人工生命程序　43
01　人工生命模型　44
02　有限自动机　50
03　马尔可夫模型　55
04　状态驱动智能体　59
第4章　权重和寻找最优解　65
01　线性问题和非线性问题　66
02　回归分析　70
03　加权回归分析　78
04　相似度的计算　82
第5章　权重和优化程序　93
01　图论　94
02　图谱搜索和最优化　98
03　遗传算法　106
04　神经网络　114
第6章　统计机器学习（概率分布和建模）　125
01　统计模型和概率分布　126
02　贝叶斯统计学和贝叶斯估计　142
03　MCMC方法　153
04　HMM和贝叶斯网络　158
第7章　统计机器学习（无监督学习和有监督学习）　161
01　无监督学习　162
02　有监督学习　169
第8章　强化学习和分布式人工智能　179
01　集成学习　180
02　强化学习　185
03　迁移学习　193
04　分布式人工智能　197
第9章　深度学习　199
01　多层神经网络　200
02　受限玻尔兹曼机　206
03　深度神经网络　208
04　卷积神经网络　212
05　循环神经网络　215
第　10章 图像和语音的模式识别　219
01　模式识别　220
02　特征提取方法　222
03　图像识别　230
04　语音识别　236
第　11章 自然语言处理和机器学习　243
01　句子的结构和理解　244
02　知识获取和统计语义学　248
03　结构分析　252
04　文本生成　255
第　12章 知识表示和数据结构　263
01　数据库　264
02　检索　271
03　语义网络和语义网　277
第　13章 分布式计算　285
01　分布式计算和并行计算　286
02　硬件配置　287
03　软件配置　293
04　机器学习平台和深度学习平台　304
第　14章 人工智能与海量数据和物联网　311
01　数据膨胀　312
02　物联网和分布式人工智能　317
03　脑功能分析和机器人　322
04　创新系统　327