人工智能基礎與實踐（微課版）

吳旭軍,1986年本科畢業於中南大學，1992年獲得海軍航空大學控制理論與應用工學碩士，從事計算機軟件開發多年，對人工智能有多年研究。有25年教學經驗，任教過多門軟件專業課程。對高職教學有一定心得體會。

目錄

 

 

 

 

 

 

 

 

 

第1章緒論

 

1.1思維與智能

 

1.2強人工智能與弱人工智能

 

1.3識別適用人工智能解決的

問題

 

1.4人工智能的研究途徑與研究

內容

 

1.5人工智能的歷史、現狀與

未來

 

本章小結

 

思考與練習

 

 

第2章人工智能的數學基礎

 

2.1線性代數

 

2.1.1向量與矩陣

 

2.1.2向量運算

 

2.1.3矩陣的運算與特殊

類別的矩陣

 

2.2概率論

 

2.2.1隨機試驗、樣本空間與

隨機事件

 

2.2.2事件的概率

 

2.2.3條件概率

 

2.3統計學術語與常用公式

 

2.3.1期望與方差

 

2.3.2幾種常見的概率分布

函數

 

2.4命題邏輯與謂詞邏輯

 

2.4.1命題及命題邏輯

 

2.4.2謂詞及謂詞邏輯

 

2.4.3謂詞公式

 

2.5博弈論

 

2.5.1博弈論概述

 

2.5.2博弈論示例

 

2.6運籌學

 

2.6.1線性規劃

 

2.6.2動態規劃

 

本章小結

 

思考與練習

 

 

第3章搜索智能與優化策略

 

3.1搜索與問題的狀態空間表示

 

3.1.1搜索介紹

 

3.1.2問題的狀態空間

表示

 

3.2狀態空間的搜索過程與

策略

 

3.2.1關於搜索的幾個

概念

 

3.2.2狀態空間的一般搜索

過程

 

3.2.3爬山法

 

3.3啟發式搜索與A*算法

 

3.3.1啟發信息與估價

函數

 

3.3.2A*算法

 

3.4博弈樹搜索與αβ剪枝

 

3.4.1極大—極小搜索

過程

 

3.4.2αβ剪枝

 

3.5蒙特卡羅樹搜索與

AlphaGo

 

3.6搜索的復雜度問題

 

本章小結

 

思考與練習

 

第4章知識工程

 

4.1知識工程概述

 

4.1.1知識工程基本

概念

 

4.1.2知識系統與知識

圖譜

 

4.2知識表示和知識表示方法

 

4.2.1知識表示

 

4.2.2知識表示方法

 

4.3基於規則的專家系統

 

4.3.1前向鏈接與後向鏈接

推理技術

 

4.3.2開發一個簡易的專家

系統

 

4.4知識圖譜

 

4.4.1知識圖譜概述

 

4.4.2知識圖譜構建的

關鍵技術與技術

結構

 

4.4.3知識存儲

 

4.4.4知識加工

 

4.4.5知識更新

 

4.4.6知識圖譜的應用

 

本章小結

 

思考與練習

 

第5章確定性推理

 

5.1確定性推理概述

 

5.1.1推理的方式與

種類

 

5.1.2推理的控制策略

 

5.2自然演繹推理

 

5.3歸結演繹推理

 

5.3.1子句與子句集

 

5.3.2合一與替換原理

 

5.3.3魯濱遜歸結原理

 

5.3.4歸結反演

 

5.3.5歸結策略

 

本章小結

 

思考與練習

 

第6章不確定性推理

 

6.1不確定性推理概述

 

6.2概率統計方法

 

6.2.1經典概率方法

 

6.2.2逆概率方法

 

6.2.3主觀貝葉斯方法

 

6.2.4可信度方法

 

6.2.5DS證據理論

 

6.3處理不確定性問題的圖

方法

 

6.3.1貝葉斯信念網絡

 

6.3.2馬爾可夫鏈

 

6.3.3隱馬爾可夫模型

 

6.4模糊推理

 

6.4.1模糊命題與

模糊集

 

6.4.2模糊邏輯與模糊

推理

 

本章小結

 

思考與練習

 

第7章群智能算法與進化計算

 

7.1群智能算法

 

7.1.1蟻群算法

 

7.1.2粒子群算法

 

7.2遺傳算法

 

7.2.1遺傳算法的基本

框架

 

7.2.2遺傳算法應用

示例

 

7.2.3遺傳編程

 

7.3生命遊戲與基於社會的

學習

 

7.3.1生命遊戲

 

7.3.2基於社會的學習

 

本章小結

 

思考與練習

 

第8章機器學習

 

8.1機器學習概述

 

8.2決策樹學習

 

8.2.1決策樹表示法

 

8.2.2ID3學習算法

 

8.2.3ID3算法的改進

 

8.3貝葉斯分類器

 

8.3.1貝葉斯公式概述與

極大似然估計

 

8.3.2樸素貝葉斯方法

 

8.3.3Jensen不等式和

EM算法

 

8.3.4貝葉斯網絡

 

8.4統計學習理論

 

8.4.1小樣本統計學習

理論

 

8.4.2支持向量機

 

8.4.3核函數

 

8.5聚類

 

8.5.1聚類問題

 

8.5.2聚類方法

 

8.6特征選擇與表示學習

 

8.6.1特征提取與選擇

 

8.6.2主成分分析

 

8.6.3表示學習

 

8.6.4歸納學習及應用

案例

 

8.7其他學習方法

 

8.7.1K近鄰算法

 

8.7.2強化學習

 

8.7.3線性回歸模型

 

本章小結

 

思考與練習

 

第9章神經網絡

 

9.1神經網絡概述

 

9.1.1人腦神經系統

 

9.1.2神經元與神經

網絡

 

9.1.3人工神經網絡的研究

內容

 

9.2前饋神經網絡

 

9.2.1感知器學習規則

 

9.2.2增量學習

 

9.2.3反向傳播算法

 

9.2.4競爭學習

 

9.3反饋神經網絡

 

9.3.1循環神經網絡

 

9.3.2記憶網絡

 

9.4深度學習

 

9.4.1深度學習簡介

 

9.4.2卷積神經網絡

 

本章小結

 

思考與練習

 

第10章人工智能的應用領域

 

10.1模式識別

 

 

10.1.1模式識別的基本

問題

 

10.1.2圖像識別

 

10.1.3人臉識別

 

10.1.4語音識別

 

10.2自然語言處理

 

10.3多智能體

 

 

10.3.1智能體與多智能體

系統

 

10.3.2多智能體系統的

學習與協作

 

10.3.3智能機器人

 

10.4數據工程

 

10.4.1大數據與人工

智能

 

10.4.2數據分析與

挖掘

 

本章小結

 

 

第11章人工智能的安全與倫理

 

11.1人工智能與生物智能

 

11.2人工智能的安全與倫理

問題

 

附錄A實訓環境安裝與使用

 

A.1Java、Python語言開發

環境

 

A.2基於百度AI開放平臺的

開發環境搭建與使用

 

A.2.1PaddlePaddle的

安裝與使用

 

A.2.2PaddlePaddle開發

組件介紹

 

A.2.3使用PaddlePaddle

開發本地應用的

步驟

 

A.3通過百度AI開放平臺

使用智能服務

 

A.3.1百度AI開放

平臺

 

A.3.2AI Studio

 

參考文獻