人工智能导论

本书旨在通过介绍人工智能研究领域的核心知识、近期新进展和发展方向，使学生建立起对人工智能的总体认识，为其进入人工智能各分支领域进行研究和应用奠定良好的基础。本书对人工智能领域所涉及的研究内容，以及针对各研究内容所采取的解决方法进行介绍，阐述了当前人工智能的研究热点，包括 人工智能与智能体、智能机器人和互联网智能等，探讨类脑智能，展望人工智能的发展。本书力求体现科学性、实用性和优选性，内容安排循序渐进、条理清晰，能够帮助学生快速了解人工智能的发展过程与基本知识，熟悉人工智能产业的发展现状与市场需求，提升人工智能的应用能力。 本书可以作为高等院校人工智能、智能科学与技术、计算机科学与技术、机器人工程等相关专业的本科生及研究生教材，也可以供从事人工智能研究与应用的科技人员学习参考。

本书旨在通过介绍人工智能研究领域的核心知识、近期新进展和发展方向，使学生建立起对人工智能的总体认识，为其进入人工智能各分支领域进行研究和应用奠定良好的基础。本书对人工智能领域所涉及的研究内容，以及针对各研究内容所采取的解决方法进行介绍，阐述了当前人工智能的研究热点，包括人工智能与智能体、智能机器人和互联网智能等，探讨类脑智能，展望人工智能的发展。本书力求体现科学性、实用性和优选性，内容安排循序渐进、条理清晰，能够帮助学生快速了解人工智能的发展过程与基本知识，熟悉人工智能产业的发展现状与市场需求，提升人工智能的应用能力。本书可以作为高等院校人工智能、智能科学与技术、计算机科学与技术、机器人工程等相关专业的本科生及研究生教材，也可以供从事人工智能研究与应用的科技人员学习参考。

李云红，哈尔滨工业大学博士，西安工程大学信息与通信工程系教授，硕士生导师，电子信息学院副院长。光学精密工程、红外技术审稿专家，中国纺织工业协会高级会员、陕西省电源学会常务理事、陕西省自动化协会会员、西安市青年科技协会会员。兼任中国电子学会电子设计工程师（EDP）专业技术资格认证电子设计工程师考评员。2015年10月至2015年12月在英国伯恩茅斯大学作访问学者。控制科学与工程重点学科群项目方向3负责人。发表学术论文30余篇，其中三大检索收录17余篇，授权实用新型专利1项，受理发明专利2项，主编教材5部。

第1章 绪论
1.1 什么是智能
1.2 什么是人工智能
1.2.1 强人工智能与弱人工智能
1.2.2 人工智能与人类智能
1.2.3 人工智能的研究和应用领域
1.3 大数据和人工智能
1.3.1 大数据的概念
1.3.2 大数据技术在人工智能中的应用优势
1.3.3 大数据在人工智能中的具体应用
1.4 工智能的起源与发展
1.4.1 孕育期（1950年以前）
1.4.2 形成期（1951-1969年）
1.4.3 知识工程时期（1970-1990年）
1.4.4 发展期（1991年至今）
1.5 工智能研究的基本内容
1.5.1 认知建模
1.5.2 知识表示
1.5.3 自动推理
1.5.4 机器学习
1.6 人工智能的实现途径
1.6.1 符号主义
1.6.2 连接主义
1.6.3 学习主义
1.6.4 行为主义
1.6.5 进化主义
1.6.6 群体主义
1.7 人工智能的应用
本章小结
习题
第2章 机器学习
2.1 机器学习概述
2.1.1 简单的学习模型
2.1.2 什么是机器学习
2.1.3 机器学习知识点梳理
2.1.4 机器学习的研究概况
2.2 归纳学习
2.2.1 归纳学习的基本概念
2.2.2 变型空间方法
2.2.3 决策树方法
2.3 类比学习
2.3.1 相似性
2.3.2 转换类比
2.3.3 基于案例的推理
2.3.4 迁移学习
2.4 统计学习
2.4.1 逻辑回归
2.4.2 支持向量机
2.4.3 提升算法
2.5 强化学习
2.5.1 强化学习模型
2.5.2 学习自动机
2.5.3 自适应动态程序设计
2.5.4 Q-学习
2.6 进化计算
2.6.1 进化算法
2.6.2 遗传算法
2.6.3 进化策略
2.6.4 进化规划
2.7 群体智能
2.7.1 蚁群算法
2.7.2 粒子群优化算法
2.8 知识发现
本章小结
习题
第3章 神经网络
3.1 神经网络概述
3.1.1 神经网络简介
3.1.2 神经网络的发展历史
3.2 神经信息处理的基本原理
3.3 感知机
3.3.1 基本神经元
3.3.2 感知机模型
3.4 前馈神经网络
3.4.1 前馈神经网络模型
3.4.2 误差反向传播算法
3.5 Hopfield神经网络
3.5.1 离散型Hopfield神经网络
3.5.2 连续型Hopfield神经网络
3.6 随机神经网络
3.6.1 模拟退火算法
3.6.2 玻尔兹曼机
3.7 深度学习
3.7.1 人脑视觉机理
3.7.2 自编码器
3.7.3 受限玻尔兹曼机
3.7.4 深度信念网络
3.8 自组织神经网络
3.8.1 自组织特征映射网络模型
3.8.2 网络自组织算法模型
3.8.3 监督学习
本章小结
习题
第4章 专家系统
4.1 专家系统概述
4.1.1 专家系统的特点
4.1.2 专家系统的类型
4.1.3 专家系统的发展历史
4.2 专家系统的基本结构
4.3 专家系统MYCIN
4.3.1 数据的表示
4.3.2 控制策略
4.4 专家系统工具CLIPS
4.4.1 知识表示
4.4.2 CLIPS的运行
4.5 专家系统工具JESS
4.5.1 知识表示和基本组成
4.5.2 JESS的开发
4.6 专家系统工具0KPS
4.6.1 知识表示
4.6.2 推理控制语言
4.7 专家系统的建立
4.7.1 专家系统的设计原则
4.7.2 专家系统的开发步骤
4.7.3 专家系统的评价
4.8 新型专家系统
4.8.1 新型专家系统的特征
4.8.2 分布式专家系统
4.8.3 协同式专家系统
4.8.4 基于免疫计算的专家系统
本章小结
习题
第5章 智能机器人
5.1 智能机器人概述
5.1.1 智能机器人的特点
5.1.2 智能机器人的分类
5.1.3 智能机器人的研究现状
5.1.4 智能机器人的关键技术
5.2 智能机器人的体系结构
5.3 机器人视觉系统
5.3.1 机器人视觉技术的发展历程
5.3.2 机器人视觉系统的特点
5.3.3 机器人视觉系统的功能
5.3.4 机器人视觉系统的应用
5.4 机器人规划系统
5.5 情感机器人
5.5.1 概述
5.5.2 情感机器人的发展历程
5.5.3 情感机器人的理论障碍
5.5.4 情感机器人的发展状态
5.5.5 情感机器人对社会的影响及产生的问题
5.6 教育机器人
5.6.1 概述
5.6.2 教育机器人的应用
5.6.3 教育机器人的发展目标
5.6.4 教育机器人的发展趋势
5.7 服务机器人
5.7.1 概述
5.7.2 服务机器人的特点
5.7.3 服务机器人的发展目标
5.7.4 服务机器人的发展趋势
5.8 智能机器人的应用
5.8.1 军用机器人
5.8.2 民用机器人
5.8.3 机器人世界杯
5.9 智能机器人的发展趋势
本章小结
习题
第6章 类脑智能
6.1 类脑智能概述
6.1.1 类脑智能的定义
6.1.2 类脑智能的形成
6.1.3 类脑智能的未来发展
6.1.4 类脑智能的应用
6.2 大数据智能
6.2.1 大数据的定义
6.2.2 大数据智能的定义
6.2.3 大数据智能的发展
6.3 认知计算
6.4 神经形态芯片
6.5 类脑智能路线图
本章小结
习题
附录 常用人工智能英汉术语
参考文献