人工智能通識教程

陳明

  • 出版商: 電子工業
  • 出版日期: 2026-07-01
  • 定價: $479
  • 售價: $478
  • 語言: 簡體中文
  • 頁數: 336
  • ISBN: 7121524031
  • ISBN-13: 9787121524035
  • 相關分類: Machine Learning
  • 下單後立即進貨 (約4週~6週)

相關主題

商品描述

人工智能是計算機科學的前沿,是研究如何利用計算機系統實現人類智能的理論、方法和技術的學科。本書較系統地介紹了人工智能的基本內容,主要包括人工智能發展三次熱潮、知識與知識表示、推理方式、搜索策略、專家系統、機器學習、深度學習、計算機視覺、自然語言處理與理解、知識圖譜、智能體、群智能算法、生物特征識別和智能機器人等。本書註重基本概念、基本方法和應用實例的介紹。語言精煉、邏輯層次清晰,適合作為大學"人工智能通識”課的教材,也可以作為科技人員的參考書。

目錄大綱

概述
·知識結構
·學習目標
第1章 概述
1.1人工智能產生與發展
1.1.1人類智能
1.1.2人工智能的產生
1.1.3人工智能發展的三個熱潮
1.2 人工智能技術
1.2.1人工智能的內涵
1.2.2人工智能的外延
1.2.3強人工智能與弱人工智能
1.2.4圖靈測試
1.2.5人工智能主要技術
1.3人工智能學派
1.3.1符號主義
1.3.2連接主義
1.3.3行為主義
1.4 人工智能倫理
1.4.1 人工智能倫理的意義
1.4.2 人工智能倫理的原則
1.4.3 新一代人工智能治理原則
1.4.4 人工智能倫理要素
1.4.5 主要的人工智能倫理問題
1.4.6人工智能效率和倫理的平衡
1.4.7人工智能的隱私權保護措施
1.5 人工智能應用
1.5.1人工智能實現方式
1.5.2人工智能應用場景
1.5.3 人工智能發展趨勢
本章小結
思考與練習1
第2章知識表示
·知識結構
·學習目標
2.1知識的特征與分類
2.1.1人類知識的特征
2.1.2人類知識的分類
2.2知識表示的方法
2.2.1知識表示概念與原則
2.2.2知識表示方法分類
2.2.3知識表示全過程
2.2.4表示方法與選擇因素
2.3產生式表示法
2.3.1產生式的結構
2.3.2產生式表示法舉例
2.4謂詞邏輯表示法
2.4.1 知識的謂詞邏輯表示
2.4.2 謂詞邏輯表示法舉例
2.5 語義網表示法
2.5.1 語義網絡特點與結構
2.5.2 事物與概念的表示
2.6框架表示法
2.6.1框架的基本結構與特點
2.6.2框架表示法舉例
本章小結
思考與練習2
第3章 機器推理
·知識結構
·學習目標
3.1機器推理基礎
3.1.1思維與數理邏輯
3.1.2概念與判斷
3.1.3推理及分類
3.1.4邏輯推理
3.2非單調推理
3.2.1單調邏輯與單調推理
3.2.2非單調邏輯與非單調推理
3.2.3非單調推理與單調推理比較
3.2.4缺省推理
3.3 謂詞邏輯推理
3.3.1謂詞邏輯
3.3.2謂詞邏輯推理規則
3.3.3謂詞邏輯推理過程
3.4不確定性推理
3.4.1不確定性推理基礎
3.4.2 Bayes推理
3.4.3信度推理
3.4.4模糊推理
3.5推理控制策略
3.5.1正向推理
3.5.2反向推理
3.5.3正反向混合推理
3.5.4沖突消解策略
本章小結
思考與練習3
第4章搜索策略
·知識結構
·學習目標
4.1搜索策略概述
4.1.1搜索與搜索過程
4.1.2常用的搜索策略
4.2盲目搜索策略
4.2.1寬度優先搜索
4.2.2深度優先搜索
4.2.3兩種搜索策略比較
4.3啟發式搜索策略
4.3.1啟發信息與啟發函數
4.3.2貪婪最佳優先搜索算法
4.3.3貪婪最佳優先搜索的問題
4.4 A*算法
4.4.1 A*算法功能與特性
4.4.2 A*搜索算法描述
4.4.3 A*算法尋路的分析
本章小結
思考與練習4

第5章專家系統
·知識結構
·學習目標
5.1專家系統的產生與發展
5.1.1專家系統的產生
5.1.2專家系統的發展
5.2專家系統的功能與與特點
5.2.1專家系統的功能
5.2.2專家系統的要素與特點
5.2.3專家系統的類型
5.3 專家系統的結構
5.3.1產生式系統
5.3.2專家系統的基本結構
5.4專家系統構建與開發環境
5.4.1基於骨架系統的專家系統
5.4.2 專家系統的開發環境
5.5專家系統案例
5.5.1基於規則的動物識別專家系統
5.5.2基於模糊規則的專家控制系統
本章小結
思考與練習5
第6章機器學習
·知識結構
·學習目標
6.1機器學習概述
6.1.1機器學習基礎
6.1.2機器學習的方式
6.1.3學習算法與模型
6.2分類
6.2.1 分類的算法與類型
6.2.2 k-近鄰分類算法
6.3聚類
6.3.1聚類算法類型與特點
6.3.2 K-平均聚類算法
6.3.3 K-平均聚類算法工作過程舉例
本章小結
思考與練習6
第7章 深度學習
·知識結構
·學習目標
7.1深度學習基礎
7.1.1深度學習概念與特點
7.1.2深度學習方式
7.1.3 深度學習模型的特點
7.2卷積神經網絡
7.2.1卷積神經網絡產生與特點
7.2.2卷積神經網結構
7.2.3卷積神經網絡訓練
7.3生成式對抗網絡
7.3.1生成式對抗網絡結構
7.3.2網絡訓練與損失函數
7.4 自編碼器
7.4.1 自編碼器工作原理
7.4.2 常用的自編碼器
7.4.3 深度自編碼器應用
本章小結
思考與練習7
第8章 智能體
·知識結構
·學習目標
8.1分布式人工智能概述
8.1.1分布式人工智能的特點
8.1.2分布式人工智能的
8.1.3智能體特征與結構
8.1.4理性智能體
8.2 智能體工作過程與分類
8.2.1 智能體工作過程
8.2.2 智能體分類
8.2.3 智能體環境
8.3多智能體
8.3.1多智能體系統的特點與分類
8.3.2 智能體通信方式
8.3.3智能體的協作與協調
8.4移動智能體
8.4.1移動智能體特點
8.4.2移動智能體的關鍵技術
8.4.3移動智能體計算模式與應用
本章小結
思考與練習8
第9章計算機視覺
·知識結構
·學習目標
9.1計算機視覺概述
9.1.1計算機視覺的內涵與外延
9.1.2 圖像類型與語義差異
9.2圖像分類
9.2.1圖像識別與分類
9.2.2 圖像分類的基本方法
9.2.3 基於深度學習的圖像分類
9.2.4 AlexNet圖像分類
9.2.5 圖像識別和圖像分類的應用
9.3目標檢測
9.3.1目標檢測任務
9.3.2 R-CNN目標檢測算法任務
9.3.3 視覺目標檢測應用
9.4視覺目標跟蹤
9.4.1視覺目標跟蹤任務與流程
9.4.2視覺目標跟蹤方法
9.4.3 視覺應用
9.5圖像語義分割
9.5.1語義分割定義與術語
9.5.2語義分割方法
9.5.3圖像語義分割應用
本章小結
思考與練習9
第10章 知識圖譜
·知識結構
·學習目標
10.1知識圖譜概述
10.1.1 知識圖譜表示
10.1.2 本體
10.1.3 知識圖譜的優勢
10.1.4 知識存儲
10.2知識圖譜架構
10.2.1知識圖譜的邏輯架構
10.2.2知識圖譜的技術架構
10.3知識圖譜構建
10.3.1知識圖譜構建方式
10.3.2知識圖譜設計原則與構建策略
10.3.3知識圖譜的自動構建
10.4知識圖譜推理
10.4.1知識圖譜推理的任務
10.4.2基於邏輯規則的關系推理
10.4.3基於學習表示的關系推理
10.4.4基於圖結構的關系推理
10.5知識圖譜的應用
本章小結
思考與練習10
第11章自然語言處理
·知識結構
·學習目標
11.1自然語言處理概述
11.1.1自然語言處理技術發展
11.1`2自然語言處理內容
11.2 詞法分析
11.2句法分析
11.2.2詞法分析
11.2.3句法分析
11.2.4語義分析
11.3自然語言處理應用
11.3.1自然語言處理過程
11.3.2自然語言處理應用場景
本章小結
思考與練習11

第12章生物特征識別
·知識結構
·學習目標
12.1生物特征識別概述
12.1.1生物特征的特點與識別目標
12.1.2生物識別基本技術
12.2人臉識別
12.2.1人臉識別原理
12.2.2 人臉識別技術
12.2.3主成分分析方法
12.2.4 特征計算與級聯
12.3虹膜識別
12.3.1虹膜識別原理
12.3.2虹膜識別過程
12.4指紋識別
12.4.1指紋識別原理
12.4.2指紋識別過程
12.5步態識別
12.5.1步態識別原理
12.5.2步態識別過程
本章小結
第13章 群智能
知識結構
學習目標
13.1群智能計算概述
13.1.1群智能算法特點
13.1.2群智能算法框架
13.2蟻群算法
13.2.1蟻群尋食過程
13.2.2蟻群算法設計
13.2.3基於蟻群算法的TSP問題求解
13.3粒子群算法
13.3.1粒子群算法特點
13.3.2粒子群算法構建
13.3.3粒子群算法的應用
本章小結
第14章 人工智能博弈
知識結構
學習目標
14.1 博弈論與經典博弈模型
14.1.1博弈論
14.1.2經典博弈模型
14.2人工智能博弈基礎
14.2.1人工智能博弈發展歷程
14.2.2人工智能博弈涉及領域
14.2.3 人工智能博弈基本術語
14.3 強化學習模型
14.3.1智能體及其特性
14.3.2 RL模型與工作過程
14.3.3 RL算法分類
14.3.4 Q-Learning算法基本原理
14.3.5 ε-greedy策略描述與調整
14.3.6 強化學習與博弈論的關系
14.3.7博弈論對強化學習的影響
14.4博弈論與蟻群算法關系
14.4.1蟻群算法與博弈論的關聯
14.4.2博弈論影響蟻群算法的優化
14.4.3博弈論在蟻群算法中具體應用
本章小結
思考與練習14
第15章 智能機器人與具身智能
·知識結構
·學習目標
15.1概述
15.1.1機器人分類
15.1.2智能機器人特點與要素
15.1.3智能機器人技術
15.1.4智能機器人結構
15.2導航定位技術
15.2.1自主導航定位技術
15.2.2智能自主導航定位技術
15.3機器人感知
15.3.1機器人視覺
15.3.2機器人觸覺
15.3.3機器人聽覺
15.3.4多傳感器信息融合
15.4機器人交互技術
15.4.1語音交互
15.4.2情感交互
15.4.3體感交互
15.5具身智能
15.5.1具身智能的概念與特點
15.5.2具身智能體
15.5.3具身智能機器人
15.6智能機器人應用
15.6.1智能機器人在工業生產中的應用
15.6.2智能機器人在醫療保健中的應用
15.6.3智能機器人在農業中的應用
15.7智能機器人的未來發展
本章小結
思考與練習15
參考文獻