人工智能导论 第2版

“人工智能导论”是人工智能专业的入门课程。本书是继2019年首版后修订再版的。本版编写的原则是：坚持教材的现代性，即新的技术路线与新的体系，并形成新一代人工智能技术；坚持教材的应用性，即将人工智能与其他学科、领域进行融合，将其应用到多个行业中去；坚持教材的引导性，即体现教材的基础性、入门性作用。本书由4篇（共17章）组成。第1篇是基础理论篇，共9章（第1~9章），从整体角度介绍人工智能的基本概念与基础理论。第2篇是应用技术篇，共4章（第10~13章），是基础理论与相关应用领域相融合所产生的新技术。第3篇是应用篇，共3章（第14~16章），介绍智能产品的开发及目前流行的4种应用。第4篇是展望篇，共1章（第17章），对人工智能学科发展提供建议与看法。本书适合作为人工智能、计算机类专业及相关融合型专业的“人工智能导论”课程的教材及高校人工智能公共课程的教材，也适合作为人工智能应用、开发人员的基础读物。

第1篇基础理论篇
第1章总论
1.1人工智能发展历史
1.2人工智能概念介绍
1.3人工智能发展三大学派
1.4人工智能的学科体系
小结
习题
第2章知识及知识表示
2.1概述
2.2产生式表示法
2.3状态空间表示法
2.4谓词逻辑表示法
2.5知识图谱表示法
小结
习题
第3章知识组织与管理——知识库介绍
3.1知识库概述
3.2知识库发展历史
3.3典型知识库系统介绍
小结
习题
第4章知识获取之搜索策略方法
4.1概述
4.2盲目搜索
4.3启发式搜索
4.4博弈树的启发式搜索
小结
习题
实验
第5章知识获取之推理方法
5.1知识推理基本理论
5.2谓词逻辑自然推理
5.3谓词逻辑的自动定理证明
5.4知识推理方法之评价
小结
习题
实验
第6章知识获取之机器学习方法
6.1机器学习概述
6.2人工神经网络
6.3决策树
6.4贝叶斯方法
6.5支持向量机方法
6.6关联规则方法
6.7聚类方法
6.8迁移学习
6.9强化学习方法
小结
习题
实验
第7章深度学习与卷积神经网络
7.1浅层学习与深度学习
7.2深度学习概述
7.3卷积神经网络
小结
习题
实验
第8章知识获取之知识图谱方法
8.1知识图谱中的知识获取概述
8.2知识图谱中的知识获取方法
8.3著名的知识图谱介绍
8.4知识图谱中的知识存储管理
8.5知识图谱的应用
小结
习题
实验
第9章知识获取之Agent方法
9.1Agent介绍
9.2多Agent
9.3移动Agent
9.4智能Agent
小结
习题
第2篇应用技术篇
第10章知识工程与专家系统
10.1知识工程与专家系统概述
10.2专家系统组成
10.3专家系统分类
10.4专家系统开发
10.5传统专家系统与新一代专家系统
小结
习题
第11章计算机视觉
11.1计算机视觉概述
11.2计算机视觉中的图像分析和理解
11.3计算机视觉应用
小结
习题
实验
第12章自然语言处理
12.1自然语言处理中的自然语言理解
12.2自然语言处理中的自然语言生成
12.3语音处理
12.4自然语言处理应用实例
小结
习题
实验
第13章机器人
13.1机器人概述
13.2机器人组织结构
13.3机器人工作原理
13.4机器人的应用
小结
习题
第3篇应用篇
第14章大数据技术
14.1大数据技术概述
14.2大数据基础平台
14.3大数据软件平台——Hadoop
14.4大数据管理
14.5大数据计算
14.6大数据用户接口与可视化
小结
习题
第15章知识获取——计算机智能系统开发
15.1概述
15.2计算机智能系统开发的三大要素
15.3计算机智能系统组成
15.4计算机智能系统开发流程
15.5人工智能知识获取的3种典型方法
小结
习题
第16章智能应用——人工智能应用系统开发
16.1人工智能应用系统组成
16.2人工智能应用系统开发
16.3人工智能典型应用产品介绍
小结
习题
第4篇展望篇
第17章人工智能发展展望
17.1人工智能学科发展
17.2人工智能所引发的社会问题及其解决
小结
习题