本書系統地論述了經典人工智能的基礎理論，深入淺出地介紹人工智能核心概念，剖析人工智能的基礎框架與核心技術，而且生動展示了人工智能如何深刻改變和推動其在各研究領域的應用及發展。本書可作為高等院校各類文科專業以及智能科學與技術、計算機科學、電子科學與技術、信息科學、控制科學與工程、模式識別與人工智能等專業的低年級本科生或專科生的教材，同時可為相關領域的研究人員提供參考，也可為對人工智能技術及其應用感興趣的工程技術人員提供參考。

鄭南寧,西安交通大學人工智能與機器人研究所教授、IEEE Fellow，1999年當選中國工程院院士，中國自動化學會理事長，科技部新一代人工智能戰略咨詢委員會專家組副組長，中國人工智能教育聯席會理事長；

第1章緒論

1.1智能

1.1.1智能的概念

1.1.2智能的理論

1.1.3人類智能的生物學基礎

1.1.4感知與認知

1.1.5視覺感知

1.1.6思維

1.2人工智能

1.2.1人工智能的概念

1.2.2人工智能的歷史

1.2.3人工智能的研究途徑與類型

1.2.4人工智能的主要目標與應用

1.3人工智能與人類智能

1.3.1人工智能的優勢與缺點

1.3.2人類智能的優勢與缺點

1.3.3人工智能與人類智能的對比

1.4小結

習題

第2章知識表示

2.1知識與概念

2.1.1知識及其構成

2.1.2人工智能中的知識表示

2.1.3概念

2.2邏輯表示法

2.2.1邏輯的概念及其分類

2.2.2命題邏輯表示

2.2.3謂詞邏輯表示

2.3產生式表示法

2.3.1產生式及其表示的概念

2.3.2產生式系統

2.3.3產生式系統應用

2.3.4產生式表示特點

2.4語義網絡表示法

2.4.1語義網絡的基本概念

2.4.2語義網絡的結構與關系類型

2.4.3語義網絡的類型

2.4.4語義網絡的特點

2.5框架表示法

2.5.1框架表示的概念

2.5.2框架表示的結構

2.5.3框架表示的特點

2.6本體知識表示與知識圖譜

2.6.1本體論與知識圖譜的基礎

2.6.2本體知識表示方法

2.6.3知識圖譜的知識表示

2.6.4知識圖譜的應用

2.7小結

習題

第3章搜索求解

3.1問題求解與搜索

3.1.1問題及其表示

3.1.2問題定式化與狀態空間搜索

3.2盲目搜索方法

3.2.1深度優先搜索算法

3.2.2深度受限搜索算法

3.2.3回溯搜索算法

3.2.4廣度優先搜索算法

3.2.5一致代價搜索算法

3.2.6雙向搜索算法

3.2.7疊代深化搜索算法

3.3啟發式搜索算法

3.3.1啟發式搜索算法概述

3.3.2Dijkstra搜索算法

3.3.3貪婪最佳優先搜索算法

3.3.4A*搜索算法

3.3.5疊代深化A*搜索算法

3.4局部搜索算法

3.4.1爬山算法概述

3.4.2模擬退火算法

3.4.3遺傳算法

3.5小結

習題

第4章博弈搜索

4.1博弈與對抗搜索

4.1.1博弈問題

4.1.2問題歸約表示

4.2極小極大搜索

4.2.1博弈樹

4.2.2極小極大搜索算法

4.3AlphaBeta剪枝

4.3.1剪枝的概念

4.3.2AlphaBeta剪枝算法

4.4非合作博弈

4.4.1合作博弈與非合作博弈

4.4.2納什均衡及其意義

4.4.3納什均衡的應用

4.5蒙特卡羅搜索

4.5.1蒙特卡羅方法

4.5.2蒙特卡羅樹搜索

4.6小結

習題

第5章確定性推理

5.1邏輯與推理

5.1.1推理的基本概念

5.1.2推理的控制策略

5.2邏輯推理基礎

5.2.1命題邏輯

5.2.2謂詞邏輯

5.3演繹推理與歸納推理

5.3.1演繹推理

5.3.2歸納推理

5.3.3演繹推理與歸納推理的關聯

5.4默認推理

5.5歸結演繹推理

5.5.1謂詞公式範式化

5.5.2歸結基礎

5.5.3羅賓遜歸結

5.5.4歸結證明與問題求解

5.6小結

習題

第6章不確定性推理

6.1推理中的不確定性

6.1.1不確定性的定義與原因

6.1.2不確定性的類型

6.1.3不確定性的解決對策

6.1.4不確定性推理的概念

6.2概率推理

6.2.1概率的基本概念

6.2.2條件概率與全概率公式

6.2.3貝葉斯概率推理

6.2.4概率推理的特點

6.3主觀貝葉斯推理方法

6.3.1主觀貝葉斯的基本概念

6.3.2主觀貝葉斯推理

6.3.3主觀貝葉斯推理方法的特點

6.4置信度推理方法

6.4.1置信度推理方法的概念

6.4.2基於置信度的不確定性推理

6.4.3置信度推理方法的特點

6.5證據理論

6.5.1證據理論的基本概念

6.5.2證據理論的推理過程

6.5.3證據理論的特點

6.6模糊推理方法

6.6.1模糊邏輯的基本概念

6.6.2模糊推理的基本概念

6.6.3模糊推理的特點

6.7小結

習題

第7章機器學習

7.1機器學習概述

7.1.1機器學習的概況

7.1.2機器學習的任務流程

7.1.3機器學習的性能指標

7.2監督學習方法

7.2.1監督學習的任務和方法

7.2.2樸素貝葉斯分類方法

7.2.3K最近鄰方法

7.2.4決策樹分類方法

7.3無監督學習方法

7.3.1無監督學習的任務與方法

7.3.2K均值聚類算法

7.4強化學習方法

7.4.1強化學習的任務與方法

7.4.2Q學習方法

7.5半監督學習方法

7.5.1半監督學習中關於數據的假設

7.5.2半監督學習的主要類型

7.5.3半監督學習的主要特點

7.6小結

習題

第8章神經網絡與深度學習

8.1人工神經網絡概述

8.1.1人工神經元與生物神經元

8.1.2人工神經網絡的演進

8.2人工神經網絡基本概念

8.2.1人工神經元的結構

8.2.2神經網絡的基礎

8.3前饋神經網絡

8.3.1前饋神經網絡的結構

8.3.2前饋神經網絡的權重訓練

8.3.3前向傳播與反向傳播

8.3.4前饋神經網絡的主要特點

8.4霍普菲爾德網絡

8.4.1離散網絡的結構與狀態更新

8.4.2離散霍普菲爾德網絡的穩定性

8.4.3霍普菲爾德網絡的特點

8.5概率神經網絡

8.5.1玻爾茲曼機

8.5.2受限玻爾茲曼機

8.5.3深度信念網絡

8.6卷積神經網絡

8.6.1卷積神經網絡的演進

8.6.2卷積神經網絡的核心思想

8.6.3卷積神經網絡的架構

8.6.4卷積神經網絡的類型

8.6.5殘差網絡

8.7深度學習

8.8小結

習題

第9章智能體

9.1智能體的概念

9.1.1智能體的歷史演進

9.1.2智能體的定義與結構

9.1.3智能體的函數與程序

9.1.4智能體的任務環境

9.2智能體的類型

9.2.1智能型智能體

9.2.2簡單反射型智能體

9.2.3模型驅動型反射智能體

9.2.4基於目標的智能體

9.2.5基於效用的智能體

9.2.6學習型智能體

9.2.7智能型智能體的特點

9.3代理式人工智能

9.4多智能體系統

9.4.1多智能體系統的定義

9.4.2多智能體系統的類型

9.4.3多智能體系統的協調機制

9.5智能機器人

9.5.1機器人概述

9.5.2智能機器人的結構與類型

9.5.3智能機器人與智能型智能體

9.6小結

習題

第10章大模型

10.1語言與智能

10.1.1語言的本質

10.1.2語言與人類認知

10.1.3自然語言與人工智能

10.2自然語言處理

10.2.1自然語言處理的基本概念

10.2.2自然語言處理的發展歷程

10.3語言模型基礎

10.3.1語言模型的基本概念

10.3.2統計語言模型

10.3.3神經網絡語言模型

10.4大語言模型

10.4.1大語言模型的基礎

10.4.2Transformer模型

10.5預訓練語言模型

10.5.1預訓練語言模型的基礎

10.5.2代表性預訓練語言模型

10.5.3預訓練語言模型的核心關鍵技術

10.6多模態大模型

10.6.1多模態大模型的技術框架

10.6.2多模態大模型的核心技術

10.6.3代表性多模態大模型

10.7小結

習題

第11章人工智能哲學觀與倫理

11.1哲學的概述

11.1.1哲學的基本概念

11.1.2哲學的歷史脈絡

11.1.3哲學的主要分支

11.2人工智能的哲學基礎

11.2.1智能與意識

11.2.2圖靈測試

11.2.3“中文房間”思想實驗

11.2.4“缸中之腦”思想實驗

11.2.5“瑪麗的房間”思想實驗

11.2.6“僵屍論證”思想實驗

11.2.7莫拉維克悖論

11.2.8人工智能的本質

11.3人工智能與倫理

11.3.1倫理道德的基本概念

11.3.2阿西莫夫機器人定律

11.3.3電車難題

11.3.4人工智能倫理道德

11.3.5人工智能倫理原則

11.4人工智能法律問題

11.5小結

習題

參考文獻

人工智能概論

辛景民武佳懿鄭南寧

相關主題

商品描述

作者簡介

目錄大綱

類似商品

最後瀏覽商品 (11)