人工智能概论

"* 构建完整的人工智能知识体系 * 涵盖人工智能主流应用 * 同步人工智能领域最新进展 * 未涉及复杂的数学公式，适合人工智能初学者"

本书作为面向本科一年级学生的"人工智能"通识课教材，力争将人工智能的发展脉络、相关技术和理论基础、产业发展和成果等翔实地展现给读者。首先介绍人工智能的定义和发展史；然后，深人浅出地讲解机器学习、人工神经网络、深度学习、知识表示、专家系统、搜索技术、智能算法等人工智能的核心技术；最后，介绍两个主流的应用方向一图像识别和自然语言处理。各章都包含丰富的习题。本书可以作为高等院校"人工智能"通识课程的教材，也可以作为普通读者（包括有意报考人工智能相关专业的中学生）整体了解人工智能领域的人门图书。

第1章绪论
1.1什么是人工智能
1.1.1人工智能的定义
1.1.2人工智能的研究领域
1.1.3人工智能的发展现状
1.2人工智能简史
1.2.1人工智能的诞生（1943—1956年）
1.2.2人工智能的起步期（1956—1974年）
1.2.3人工智能的第一个低谷（1974—1980年）
1.2.4人工智能的应用发展期（1980—1989年）
1.2.5人工智能的第二个低谷（1989—1993年）
1.2.6人工智能的稳步发展期（1993—2006年）
1.2.7人工智能的蓬勃发展期（2006年至今）
1.3人工智能的流派
1.3.1符号主义流派
1.3.2联结主义流派
1.3.3行为主义流派
1.3.4代表人物
1.4人工智能的应用与挑战
1.4.1中国人工智能的国家战略
1.4.2人工智能行业的未来格局
1.4.3迎接人工智能2.0的挑战和机遇
参考文献
扩展阅读
习题1
第2章机器学习
2.1引言
2.1.1机器学习的定义和基本概念
2.1.2机器学习的分类
2.1.3机器学习的发展历程
2.2监督学习
2.2.1监督学习的定义
2.2.2K近邻算法
2.2.3决策树
2.2.4支持向量机
2.3无监督学习
2.3.1无监督学习的任务
2.3.2K-Means聚类算法
2.3.3层次聚类算法
2.3.4基于密度的聚类算法
2.4强化学习
2.4.1强化学习的原理
2.4.2Q-Learning强化学习算法
2.4.3强化学习的应用
参考文献
扩展阅读
习题2
第3章人工神经网络
3.1概述
3.1.1人工神经网络简介
3.1.2人工神经网络发展史
3.2M-P模型
3.2.1生物神经元
3.2.2M-P模型的结构
3.2.3M-P模型实现与门电路逻辑运算的应用案例
3.3感知机
3.3.1感知机模型
3.3.2感知机工作过程
3.3.3感知机的学习过程
3.3.4感知机分类案例
3.3.5多层感知机
3.4多层神经网络
3.4.1梯度
3.4.2多层神经网络的结构和工作过程
3.4.3实现异或运算的多层神经网络案例
3.4.4梯度消失与梯度爆炸问题
3.5深度学习的卷积神经网络模型原理
3.5.1计算机中的图像
3.5.2卷积运算
3.5.3池化运算
3.5.4卷积神经网络中的其他相关技术
3.5.5一个基本的多分类卷积神经网络结构
3.5.6经典卷积神经网络LeNet-5模型
3.6深度学习的RNN模型介绍
3.6.1基本RNN网络的结构和工作过程
3.6.2LSTM的结构和工作过程
参考文献
扩展阅读
习题3
第4章知识表示与专家系统
4.1知识表示
4.1.1逻辑表示法
4.1.2产生式表示法
4.1.3框架表示法
4.1.4语义网表示法
4.1.5知识图谱表示法
4.2专家系统
4.2.1专家系统概述
4.2.2专家系统的构建举例
4.2.3不确定性推理
参考文献
扩展阅读
习题4
第5章搜索技术
5.1搜索问题的定义
5.2状态空间
5.3盲目搜索
5.3.1深度优先搜索
5.3.2广度优先搜索
5.4启发式搜索
5.5博弈搜索
5.5.1极大极小博弈
5.5.2固定深度博弈搜索
5.5.3α-β剪枝算法
5.5.4博弈搜索的发展
参考文献
扩展阅读
习题5
第6章群智能算法
6.1遗传算法
6.1.1遗传算法的产生与发展
6.1.2遗传算法的基本问题
6.1.3遗传算法的一个简单优化问题
6.1.4遗传算法的优缺点
6.1.5遗传算法的应用
6.2粒子群算法
6.2.1粒子群算法的起源
6.2.2粒子群算法的原理
6.2.3粒子群算法程序设计
6.2.4粒子群算法的参数选取
6.2.5粒子群算法的优缺点
6.3蚁群算法
6.3.1蚁群算法的提出
6.3.2蚁群算法的原理
6.3.3蚁群算法求解旅行商问题
参考文献
扩展阅读
习题6
第7章图像识别技术与应用
7.1图像识别技术概述
7.1.1图像的概念
7.1.2图像识别的概念
7.2图像处理与图像识别技术
7.2.1图像处理技术概述
7.2.2图像识别技术的起源
7.2.3图像识别技术发展史
7.2.4图像识别技术现状
7.3图像识别技术的实现
7.3.1图像识别的基本流程
7.3.2图像识别的基本方法
7.4图像识别技术的应用
7.4.1图像识别技术的分类
7.4.2图像识别技术的应用场景
7.4.3图像识别技术的展望
参考文献
扩展阅读
习题7
第8章自然语言处理
8.1自然语言处理概述
8.1.1什么是自然语言处理
8.1.2自然语言处理的主要困难
8.1.3自然语言处理的发展
8.2自然语言处理的研究任务
8.3自然语言处理的发展历程
8.4自然语言处理经典应用解析——计算网页排名
8.5自然语言处理与人工智能
参考文献
扩展阅读
习题8
附录A遗传算法的MATLAB程序示例
附录B粒子群算法的MATLAB程序示例
附录C蚁群算法的MATLAB程序示例