人工智能導論（第2版)

廉師友,曾為西安石油大學副教授，碩士生導師，計算機科學與技術專業學科帶頭人，中國人工智能學會早期會員暨專委理事，陜西省計算機教育學會理事，陜西省計算機學會人工智能專委會委員，主要研究領域為人工智能，研究成果有：參加或主持完成了包括國家自然科學基金項目和國家863項目在內的科研項目10余項，並有獲獎；獨自研制了專家系統開發工具ESS並獲陜西省高等學校優秀科研成果二等獎；獨自或一作發表學術論文30余篇；獨自撰寫學術專著3部；獨自獲省部級教學成果二等獎2項，專業授課20余門，主持完成了人工智能導論校級精品課程建設；編寫教材10部。

目錄

配套資源下載

第1篇概述與工具

第1章人工智能概述

1.1什麼是人工智能

1.1.1人工智能的概念

1.1.2圖靈測試和中文屋子

1.1.3腦智能和群智能

1.1.4符號智能、連接智能和計算智能

1.1.5統計智能和交互智能

1.2為什麼要研究人工智能

1.2.1人工智能的研究意義

1.2.2人工智能的研究目標和策略

1.3人工智能的相關學科

1.4人工智能的研究內容

1.4.1搜索與求解

1.4.2知識與推理

1.4.3學習與發現

1.4.4發明與創造

1.4.5感知與響應

1.4.6理解與交流

1.4.7記憶與聯想

1.4.8競爭與協作

1.4.9系統與建造

1.4.10應用與工程

1.5人工智能的研究途徑與方法

1.5.1心理模擬，符號推演

1.5.2生理模擬，神經計算

1.5.3行為模擬，控制進化

1.5.4群體模擬，仿生計算

1.5.5博采廣鑒，自然計算

1.5.6著眼數據，統計建模

1.6人工智能的應用

1.6.1難題求解

1.6.2自動規劃、調度與配置

1.6.3機器博弈

1.6.4機器翻譯與機器寫作

1.6.5機器定理證明

1.6.6自動程序設計

1.6.7智能控制

1.6.8智能管理

1.6.9智能決策

1.6.10智能通信

1.6.11智能預測

1.6.12智能仿真

1.6.13智能設計與制造

1.6.14智能車輛與智能交通

1.6.15智能診斷與治療

1.6.16智能生物信息處理

1.6.17智能教育

1.6.18智能人機接口

1.6.19模式識別

1.6.20智能機器人

1.6.21數據挖掘與知識發現

1.6.22計算機輔助創新

1.6.23計算機文藝創作

1.6.24個人智能助理

1.7人工智能的分支領域與研究方向

1.8人工智能學科的發展概況

1.8.1孕育與誕生

1.8.2符號主義先聲奪人

1.8.3連接主義不畏坎坷

1.8.4計算智能異軍突起

1.8.5統計智能成就卓越

1.8.6智能主體一統江湖，Agent & Robot

1.8.7知識工程東山再起，機器學習領銜高歌

1.8.8大語言模型橫空出世，多模態生成式令人驚愕

1.8.9現狀與趨勢

習題1

第2章人工智能程序設計語言

2.1概述

2.1.1函數型語言

2.1.2邏輯型語言

2.1.3面向對象語言

2.1.4計算型語言

2.1.5混合型語言

2.2知識工程經典語言PROLOG

2.2.1PROLOG的語句

2.2.2PROLOG程序

2.2.3PROLOG程序的運行機理

2.3機器學習流行語言Python

2.3.1Python的特點和優勢

2.3.2Python程序舉例

習題2

第2篇搜索與求解

第3章圖搜索與問題求解

3.1狀態圖與狀態圖搜索

3.1.1狀態圖

3.1.2狀態圖搜索

3.1.3窮舉式搜索

3.1.4啟發式搜索

3.1.5加權狀態圖搜索

3.1.6A算法和A*算法

3.1.7狀態圖搜索策略小結

3.2狀態圖搜索問題求解

3.2.1問題的狀態圖表示

3.2.2狀態圖問題求解程序舉例

3.3與或圖和與或圖搜索

3.3.1與或圖

3.3.2與或圖搜索

3.3.3啟發式與或樹搜索

3.4與或圖搜索問題求解

3.4.1問題的與或圖表示

3.4.2與或圖問題求解程序舉例

3.5博弈樹搜索*

3.5.1博弈樹的概念

3.5.2極小極大分析法

3.5.3αβ剪枝技術

習題3

第4章基於遺傳算法的隨機優化搜索

4.1基本概念

4.2基本遺傳算法

4.3遺傳算法應用舉例

4.4遺傳算法的特點與優勢

習題4

第3篇知識與推理

第5章基於一階謂詞的機器推理

5.1一階謂詞邏輯

5.1.1謂詞，函數，量詞

5.1.2謂詞公式

5.1.3永真式與推理規則

5.1.4自然語言命題的謂詞形式表示

5.1.5基於謂詞公式的形式演繹推理

5.2歸結演繹推理

5.2.1子句與子句集

5.2.2命題邏輯中的歸結原理

5.2.3替換與合一

5.2.4謂詞邏輯中的歸結原理

5.3應用歸結原理求取問題答案

延伸學習導引

習題5

第6章基於產生式規則的機器推理

6.1產生式規則

6.1.1產生式規則與推理網絡

6.1.2基於產生式規則的推理模式

6.2產生式系統

6.2.1系統結構

6.2.2運行過程

6.2.3控制策略與常用算法

6.2.4程序實現

6.3產生式系統與圖搜索問題求解

習題6

第7章幾種結構化知識表示及其推理

7.1元組

7.2框架

7.2.1框架的概念

7.2.2框架的表達能力

7.2.3基於框架的推理

7.2.4框架的程序語言實現

7.3語義網絡

7.3.1語義網絡的概念

7.3.2語義網絡的表達能力

7.3.3基於語義網絡的推理

7.3.4語義網絡的程序語言實現

7.4知識圖譜

7.5類與對象

習題7

第8章不確定和不確切性知識的表示與推理

8.1概述

8.2不確定性知識的表示及推理

8.2.1不確定性知識的表示

8.2.2不確定性推理

8.2.3確定性理論

8.3基於貝葉斯網絡的概率推理

8.3.1什麼是貝葉斯網絡

8.3.2用貝葉斯網絡表示不確定性知識

8.3.3基於貝葉斯網絡的因果推理和診斷推理

8.4不確切性知識的表示及推理

8.4.1軟語言值及其數學模型

8.4.2不確切性知識的表示

8.4.3基於軟語言規則的推理

8.4.4基於模糊集合與模糊關系的模糊推理*

8.4.5對模糊推理的簡單評述*

延伸學習導引

習題8

第4篇學習與發現

第9章機器學習： 符號學習與交互學習

9.1機器學習概述

9.1.1機器學習的概念

9.1.2機器學習的原理

9.1.3機器學習的分類

9.2幾種典型的(符號)學習方法

9.2.1記憶學習

9.2.2示例學習

9.2.3演繹學習

9.2.4類比學習

9.2.5解釋(分析)學習

9.2.6發現學習

9.3決策樹學習

9.3.1什麼是決策樹

9.3.2如何學習決策樹

9.3.3決策樹學習的ID3算法

9.3.4決策樹學習的發展

9.4強化學習

9.4.1簡單原理

9.4.2價值函數、Q函數和Q學習算法

9.4.3強化學習的發展概況

習題9

第10章統計學習

10.1概述

10.2幾種基本判別模型的學習

10.2.1回歸問題的線性函數模型學習，梯度下降法

10.2.2分類問題的線性判別函數模型學習

10.2.3分類問題的Logistic回歸模型學習，梯度上升法

10.3監督學習中的幾個問題

10.3.1監督學習的主要工作及步驟

10.3.2準則函數的演變

10.3.3過擬合，欠擬合，正則化

10.3.4模型與學習方法的分類

10.4支持向量機簡介

10.4.1最大間隔超平面

10.4.2線性可分支持向量機

10.4.3線性支持向量機和非線性支持向量機

延伸學習導引

習題10

第11章神經網絡學習

11．1從生物神經元到人工神經元

11．2神經網絡及其學習

11．2．1神經網絡的拓撲結構與功能

11.2.2神經網絡的學習機理與方法

11.2.3神經網絡模型及其分類

11.3感知器及其學習舉例

11.4BP網絡及其學習舉例

11.5深度學習

11.5.1什麼是深度學習

11.5.2深度學習的優勢

11.5.3深度學習的發展和擴展

11.5.4深度學習框架與平臺

延伸學習導引

習題11

第12章數據挖掘與知識發現

12.1引言

12.2概述

12.2.1數據挖掘的一般過程

12.2.2數據挖掘的對象

12.2.3數據挖掘的任務

12.2.4數據挖掘的方法

12.2.5數據挖掘工具與平臺

12.3關聯規則發現

12.3.1什麼是關聯規則

12.3.2關聯規則的發現機理和方法

12.3.3發現關聯規則的Apriori算法

12.3.4關聯規則的類型和挖掘算法

12.4k均值聚類算法

12.5大數據挖掘與分布式學習

12.5.1分布式並行計算模型和框架

12.5.2Spache Hadoop(MapReduce)簡介

12.5.3基於MapReduce的分布式機器學習

習題12

第5篇感知與響應，理解與交流

第13章模式識別

13.1概述

13.1.1模式、模式類與模式識別

13.1.2模式的表示

13.1.3模式識別系統工作原理

13.1.4模式識別方法分類

13.2統計模式識別

13.2.1距離分類法

13.2.2幾何分類法

13.2.3概率分類法

13.3樸素貝葉斯分類算法

13.4概率密度函數估計

13.4.1概述

13.4.2最大似然估計

延伸學習導引

習題13

第14章數語互換*

14.1數語轉換——從感知到表達

14.2語數轉換——從決策到行動

14.3帶數語互換接口的推理系統

延伸學習導引

習題14

第15章自然語言處理

15.1自然語言處理的途徑、方法和發展概況

15.2基於規則的自然語言理解

15.2.1簡單句理解

15.2.2復合句理解

15.2.3轉換文法和轉換網絡

15.3統計語言模型

15.4神經語言模型

15.4.1詞元與編碼

15.4.2前饋神經網絡語言模型

15.4.3循環神經網絡語言模型

15.4.4長短期記憶神經網絡語言模型

延伸學習導引

習題15

第16章大語言模型

16．1大語言模型概述

16．1．1什麼是大語言模型

16．1．2為什麼要建大語言模型

16．1．3大語言模型發展概況

16．2大語言模型的技術脈絡

16．2．1技術發展路線圖

16．2．2Seq2Seq

16．2．3Transformer

16．3大語言模型開發與構建

16．3．1模型設計與實現

16．3．2數據準備

16．3．3無監督預訓練

16．3．4有監督微調

16.3.5人類對齊學習

16.3.6提示學習與提示工程

16.3.7DeepSeek的後訓練新途徑

16.3.8大語言模型構建路線

16．4典型大語言模型簡介

16．4．1BERT

16．4．2GPT

習題16

第17章多模態大模型與生成式人工智能

17．1多模態大模型

17．1．1多模態大模型的架構與運作

17．1．2多模態大模型的訓練

17．1．3多模態大模型的發展概況

17．1．4MoE架構的多模態大模型

17．2生成式人工智能

17．2．1生成式人工智能發展概況

17．2．2生成模型的類型

17．2．3生成對抗網絡模型

17．2．4擴散模型

17．3大模型與生成式人工智能的應用、性能、問題與對策

17．4當前趨勢及其他思路和範式

習題17

第6篇系統與建造

第18章專家(知識)系統

18.1基本概念

18.2系統結構

18.3系統設計與實現

18.4開發工具與環境

18.5專家系統的發展

習題18

第19章Agent系統

19.1什麼是Agent

19.1.1Agent的概念

19.1.2Agent的類型

19.2Agent的結構

19.3Agent實例——Web Agent

19.4多Agent系統

19.4.1多Agent系統的特征和研究內容

19.4.2多Agent系統的體系結構

19.4.3多Agent的合作與學習

19.5Agent的實現

19.6Agent技術的發展與應用

習題19

第20章智能機器人

20.1智能機器人的概念

20.2機器人感知

20.3機器人規劃

20.4機器人控制

20.5機器人系統的軟件結構

20.6機器人程序設計與語言

20.6.1機器人程序設計

20.6.2機器人程序設計語言

20.7機器人技術進展

習題20

第21章智能計算機與智能化網絡

21.1智能計算機

21.1.1智能硬件平臺和智能操作系統

21.1.2LISP機和PROLOG機

21.1.3人工智能芯片

21.1.4神經網絡計算機，類腦芯片

21.1.5智能計算機發展展望

21.2智能化網絡

21.2.1智能網

21.2.2智能Web

21.2.3網絡的智能化管理與控制

21.2.4網上信息的智能化檢索

21.2.5推薦系統

習題21

上機實習及指導

實習一PROLOG語言編程練習

實習二圖搜索問題求解編程練習

實習三Python語言統計學習編程練習

實習四Python語言神經網絡學習編程練習

實習五深度學習框架應用練習

實習六大語言模型編程或應用實踐

中英文名詞對照及索引

參考文獻