人工智能新视野

第一部分 生物启发帕人工智能
第1章 人工智能发展简况
1．1 人工智能领域主要研究成就回顾
1．1．1 1956年：人工智能的信息处理观
1．1．2 20世纪60年代：启发式搜索与知识表示
1．1．3 20世纪80年代：人工神经网络
1．1．4 20世纪90年代：物化与多代理系统
1．1．5 21世纪：符号动力学
1．1．6 我国的人工智能研究
1．2 人工智能的发展
1．2．1 从图灵测试到IBM的沃森
1．2．2 谷歌的智能机器未来
1．2．3 百度大脑
1．2．4 微软智能生态
1．2．5 脸书的深脸
1．2．6 三大突破让人工智能近在眼前
1．3 生物启发的人工智能发展里程碑
1．3．1 遗传算法与进化计算
1．3．2 神经网络
1．3．3 群体智能
1．4 小结
参考文献
第2章 进化计算、遗传算法与人工生命
2．1 受生物启发的计算
2．1．1 受生物启发的计算科学：康庄大道还是荆棘丛生？
2．1．2 什么是受生物启发的计算？
2．1．3 生物学在计算科学研究中的多重角色
2．2 进化计算
2．2．1 什么是进化计算？
2．2．2 进化计算的基本框架与主要特点
2．2．3 进化计算的分类
2．2．4 进化计算的若干关键问题
2．3 遗传算法
2．3．1 遗传算法的概述
2．3．2 遗传算法的理论基础
2．3．3 遗传算法的基本思想
2．3．4 遗传算法的一个简单的应用实例
2．4 人工生命
2．4．1 机器人学1：包容性架构
2．4．2 机器人学2：受细菌活动启发的机器人趋向性技术
2．4．3 机器人学3：能量和容错性控制
2．5 小结
参考文献
第3章 神经计算
3．1 人工神经网络相关介绍
3．1．1 人工神经网络的起源与发展
3．1．2 人工神经网络的应用
3．1．3 小结
3．2 Hopfield神经网络
3．2．1 Hopfield神经网络概述
3．2．2 Hopfield神经网络联想记忆
3．3 博弈与神经网络的结合
3．3．1 博弈论概述
3．3．2 博弈模型与神经网络模型结合的学习模型
3．4 自组织特征映射网络（SOM）
3．4．1 快速SOM文本聚类法
3．4．2 朴素贝叶斯与SOM相结合的混合聚类算法
3．5 神经芯片与人工生命
3．5．1 神经芯片的发展及其应用
3．5．2 人工生命的相关应用
3．6 深度学习
3．6．1 深度学习的基本思想
3．6．2 深度学习的典型结构
3．6．3 深度学习的应用
3．6．4 深度学习现状及前景分析
3．7 人工神经网络与医学影像
3．7．1 人工神经网络与医学影像概述
3．7．2 基于人工神经网络的脑成像分类模型介绍
参考文献
第4章 群体智能
4．1 群体智能基本思想
4．1．1 思想来源
……
第5章 变形虫模型与应用
第6章 智能Agent与多Agent系统

第二部分 人工智能热门研究问题
第7章 AI研究热点
第8章 Turing开创性工作对人工智能研究的启示

第三部分 建馥、横批与应用
第9章 社会网络分析
第10章 语义网技术及其应用
第11章 信息融合
第12章 人工智能技术在生物信息学中的应用