人工智能——史忠植编著--机械工业出版社

同系列书

相关图书

图书详情

装订：平装

编辑：汤枫

开本：16

出版日期： 2016-01-11

字数：622 千字

最新版印次：1-9

最新印次时间：2023-08-03

定价：79.0

cip：2015270732

图书简介

配套资源：电子课件

本书特色：

★ 在作者多年的科研与教学实践基础上，吸取国内外多种人工智能教材的优点，反映人工智能领域在分布式人工智能、机器人、互联网智能和类脑智能等方面的先进水平。

★ 每章后面都附有一定数量的习题，为了加强课程的实践环节，书后列出了课程习题。

本书教学资源、样书申请可添加小编微信13146070618获取

本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。本书力求科学性、实用性和先进性，可读性好。内容由浅入深、循序渐进，条理清晰，让学生在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。本书可以作为高等院校计算机科学与技术、自动化等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。

章节目录

出版说明
前言
第1章绪论
11什么是人工智能
12人工智能的起源与发展历史
13人工智能研究的基本内容
131认知建模
132知识表示
133自动推理
134机器学习
14人工智能研究的主要学派
141符号主义
142连接主义
143行为主义
15人工智能的应用
16小结和展望
习题
第2章知识表示
21概述
22谓词逻辑
23产生式系统
24语义网络
241语义网络的概念和结构
242复杂知识的表示
243常用的语义联系
25框架
251框架结构
252框架网络
253推理方法
26状态空间
27面向对象的知识表示
28脚本
281脚本描述
282概念依赖关系
29本体
210小结
习题
第3章自动推理
31概述
32三段论推理
33盲目搜索
331深度优先搜索
332宽度优先搜索
333迭代加深搜索
34回溯策略
35启发式搜索
351启发性信息和评估函数
352爬山算法
353模拟退火算法
354最好优先算法
355通用图搜索算法
356A*算法
357迭代加深A*算法
36与或图启发式搜索
361问题归约的描述
362与或图表示
363AO*算法
37博弈搜索
371极大极小过程
372α-β过程
38归结演绎推理
381子句型
382置换和合一
383合一算法
384归结式
385归结反演
386答案的提取
387归结反演的搜索策略
39产生式系统
391产生式系统的基本结构
392正向推理
393反向推理
394混合推理
310自然演绎推理
311非单调推理
3111默认推理
3112限制推理
312小结
习题
第4章不确定性推理
41概述
411不确定性知识分类
412不确定性推理的基本问题
413不确定性推理方法分类
42可信度方法
421建造医学专家系统时的问题
422可信度模型
423确定性方法的说明
43主观贝叶斯方法
431贝叶斯公式
432知识不确定性的表示
433证据不确定性的表示
434组合证据不确定性的计算
435不确定性的传递算法
436结论不确定性的合成
44证据理论
441假设的不确定性
442证据的组合函数
443规则的不确定性
444不确定性的组合
45模糊逻辑和模糊推理
451模糊集合及其运算
452语言变量
453模糊逻辑
454模糊推理
46小结
习题
第5章机器学习
51机器学习概述
511简单的学习模型
512什么是机器学习
513机器学习的研究概况
52归纳学习
521归纳学习的基本概念
522变型空间学习
523决策树
53类比学习
531相似性
532转换类比
533基于案例的推理
534迁移学习
54统计学习
541逻辑回归
542支持向量机
543提升方法
55强化学习
551强化学习模型
552学习自动机
553自适应动态程序设计
554Q-学习
56进化计算
561达尔文进化算法
562遗传算法
563进化策略
564进化规划
57群体智能
571蚁群算法
572粒子群优化
58知识发现
59小结
习题
第6章神经网络
61概述
62神经信息处理的基本原理
63感知机
631基本神经元
632感知机模型
64前馈神经网络
641前馈神经网络模型
642误差反向传播算法
643BP算法的若干改进
65Hopfield网络
651离散 Hopfield 网络
652连续Hopfield网络
66随机神经网络
661模拟退火算法
662玻耳兹曼机
67深度学习
671人脑视觉机理
672自编码器
673受限玻耳兹曼机
674深度信念网络
675卷积神经网络
68自组织神经网络
681网络的拓扑结构
682网络自组织算法
683监督学习
69小结
习题
第7章专家系统
71专家系统概述
711什么是专家系统
712专家系统的特点
713专家系统的发展史
72专家系统的基本结构
73专家系统MYCIN
731咨询子系统
732静态数据库
733控制策略
74专家系统工具CLIPS
741概述
742CLIPS中的知识表示
743CLIPS运行
744Rete匹配算法
75专家系统工具JESS
76面向对象专家系统工具OKPS
761OKPS中的知识表示
762推理控制语言ICL
77专家系统建造
771需求分析
772系统设计
773知识库构建
774系统开发
775系统测试
78新型专家系统
781分布式专家系统
782协同式专家系统
783神经网络专家系统
784基于互联网的专家系统
79小结
习题
第8章自然语言处理
81概述
811什么是自然语言处理
812自然语言处理的发展
813自然语言处理的层次
82词法分析
83句法分析
831短语结构语法
832乔姆斯基形式语法
833句法分析树
834转移网络
835扩充转移网络
84语义分析
841语义文法
842格文法
85语用分析
86语料库
861语料库语言学
862统计方法的应用
863汉语语料库加工
87信息检索
88机器翻译
89问答系统
810小结
习题
第9章分布式人工智能与智能体
91概述
92分布式问题求解
921分布式人工智能的兴起
922分布式问题求解系统分类
923分布式问题求解过程
93智能体理论
931理性智能体
932BDI智能体模型
94智能体结构
941智能体基本结构
942慎思智能体
943反应智能体
944层次智能体
95智能体通信语言ACL
951智能体间通信概述
952FIPA ACL消息
96协调和协作
961引言
962合同网
963基于生态学的协作
964基于对策论的协商
965基于意图的协商
97移动智能体
98多智能体环境MAGE
99小结
习题
第10章智能机器人
101概述
102智能机器人的体系结构
103机器人视觉系统
1031视觉系统分类
1032定位技术
1033自主视觉导航
1034视觉伺服系统
104机器人规划
1041任务规划
1042分层任务网络规划
1043路径规划
1044轨迹规划
105情感机器人
106发育机器人
107机器人应用
108智能机器人发展趋势
109小结
习题
第11章互联网智能
111概述
112语义Web
1121语义Web的层次模型
1122本体的基本概念
1123本体描述语言OWL
113本体知识管理
1131知识管理系统Protégé
1132知识管理系统KMSphere
114Web技术的演化
115Web挖掘
1151Web内容挖掘
1152Web结构挖掘
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知识图谱
117集体智能
1171引言
1172社群智能
1173集体智能系统
1174全球脑
118小结
习题
第12章类脑智能
121概述
122大数据智能
123认知计算
124欧盟人脑计划
125美国脑计划
126脑模拟系统Spaun
127神经形态芯片
128类脑智能路线图
习题
附录课程实习
参考文献

前言/序言展开 + 收缩 —

人工智能是计算机科学的一个分支，是采用人工的方法和技术，通过研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为。人工智能自1956年诞生以来，历经艰辛与坎坷，取得了举世瞩目的成就，特别是机器学习、数据挖掘、计算机视觉、专家系统、自然语言处理、模式识别、机器人等相关的应用带来了良好的经济效益和社会效益。广泛使用的互联网也正在探索应用知识表示和推理，构建语义Web, 提高互联网信息的效率。2015年7月4日，国务院发布《关于积极推进“互联网＋”行动的指导意见》，明确未来三年以及十年的发展目标，提出包括“互联网＋”创业创新、“互联网＋”协同制造、“互联网＋”现代农业、“互联网＋”智慧能源、“互联网＋”普惠金融、“互联网＋”益民服务、“互联网＋”高效物流、“互联网＋”电子商务、“互联网＋”便捷交通、“互联网＋”绿色生态和“互联网＋”人工智能11项重点行动，充分发挥智能科学与技术的作用，形成经济发展新动能，催生经济新格局。人工智能的长期目标是建立达到人类智力水平的人工智能，智能科学指明了其实现的途径，发达国家都在积极开展探索。2013年1月28日，欧盟启动了旗舰“人类大脑计划”, 未来10年将投入10亿欧元的研发经费，目标是用超级计算机多段多层完全模拟人脑，帮助理解人脑功能。2013年4月2日，美国总统奥巴马宣布一项重大计划，将进行历时10年左右、总额10亿美元的研究计划——运用先进创新型神经技术的大脑研究BRAIN，目标是研究大脑中数十亿神经元的功能，探索人类感知、行为和意识，希望找出治疗阿尔茨海默氏症(老年痴呆症)等与大脑有关疾病的方法。我国也在积极酝酿开展类脑智能的研究。数字化、网络化和智能化是信息社会发展的必然趋势，智能革命将开创人类后文明史。如果说蒸汽机创造了工业社会，那么智能机也一定能奇迹般地创造出智能社会，实现社会生产的自动化和智能化，促进知识密集型经济的大发展，在这方面人工智能将发挥重大作用。本书是作者在多年的科研与教学实践基础上，吸取国内外多种人工智能教材的优点，参考国际上最新的研究成果编写而成，具有下列特点： 1）科学性。全面阐述人工智能的基础理论，力求概念正确，有效结合求解智能问题的数据结构以及实现的算法。 2）实用性。根据人工智能实际应用需求，安排知识表示、自动推理、机器学习、神经网络、专家系统和自然语言处理等内容，并通过大量的例题讲解解题方法。 3）先进性。尽可能吸收国际上最新的研究成果，反映人工智能领域在分布式人工智能、机器人、互联网智能和类脑智能等方面的最先进水平。 4）可读性。文字表述力求通俗易懂，文笔流畅，使读者易于理解所学内容。在内容安排上力求由浅入深，循序渐进。全书共12章。第1章简要介绍人工智能的基本概念、研究发展的状况以及各个学派的观点，并对其研究与应用领域进行了必要的讨论。第2章介绍基本的知识表示方法，包括产生式系统、语义网络、框架理论和状态空间，并介绍概念依赖、脚本和本体等方法。第3章讨论自动推理，对各种搜索技术、博弈问题、产生式系统、归结推理规则和归结原理，以及非单调推理等进行讨论。第4章是不确定性推理，讨论主观贝叶斯方法、确定性理论、证据理论，以及模糊逻辑和模糊推理等内容。第5章是机器学习，介绍归纳学习、ID3算法、类比学习、统计学习和SVM、强化学习、进化计算和群体智能等。第6章讨论神经网络，重点介绍感知机、前馈神经网络、Hopfield网络、随机神经网络、深度学习和自组织神经网络。第7章介绍专家系统，主要介绍专家系统的基本原理、典型的专家系统和开发工具。第8章是自然语言处理，主要阐述自然语言词法、句法、语义分析、真实文本语料库和语用分析等方面，介绍自然语言处理所涉及的关键技术。第9章讨论智能体技术的重要概念和关键技术。第10章论述智能机器人，探讨智能机器人的体系结构、视觉系统、自动规划，列举智能机器人的重要应用。第11章是互联网智能，介绍语义Web、本体知识管理、Web技术、Web挖掘、搜索引擎和集体智能等。最后一章探讨类脑智能，展望类脑智能发展的路线图。在本书的每章后面都附有一定数量的习题，以巩固所学知识。为了加强课程的实践环节，书后列出了课程习题，使读者能够应用所学内容解决实际问题。在最后列出了参考文献，读者可以从中得到进一步的学习。本书内容力求做到由浅入深、循序渐进、条理清晰、前后一致，既强调基本原理和工程应用，又要反映国内外研究和应用的最新进展，具有科学性、先进性和实用性。本书包含了作者多年的科研和教学实践，也吸取了国内外同类教材和有关文献的精华，在此谨向这些教材和文献的作者表示感谢，也向提供帮助的许多老师和学生表示感谢。本书研究工作得到国家重点基础研究发展计划（973）“脑机协同的认知计算模型”（项目编号：2013CB329502）、国家自然科学基金重点项目“基于云计算的海量数据挖掘”（批准号：61035003）、国家科技支撑项目“颌面部组织缺损和畸形重建相关技术研究” （批准号：2012BA107B02）等的支持。在本书编写和出版过程中，得到了机械工业出版社的大力支持，在此谨表诚挚的谢意。本书可以作为高等院校计算机科学与技术、自动化等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。在教学过程中老师可以根据实际需要对内容进行取舍。由于作者水平有限，加之人工智能发展迅速，书中不妥和错误之处在所难免，诚恳地希望专家和读者提出宝贵意见，以帮助本书改进和完善。

图书评论

图书简介
章节目录
前言/序言
图书评论