人工智能導論

"張睿，陸軍工程大學首席專家、教授、博士生導師。長期從事人工智能、數據工程領域的教學和科研工作，講授人工智能導論、程序設計等課程。主持或參與國家自然科學基金、社科基金等國家和軍隊級項目10余項，發表論文40余篇，編制國家軍用標準6部，出版專著教材8部。獲軍隊級精品課程1門，陸軍“金課”2門，第四屆江蘇省高校教師教學創新大賽特等獎1項，軍隊級科研獎項6項。李陽，陸軍工程大學副教授，長期從事人工智能與計算機視覺方面的教學和科研工作，講授人工智能導論等課程。發表SCI源刊研究論文30余篇。主持國家自然科學基金1項，參與國家重點研發計劃、省基金、軍內科研等科研項目10余項。獲江蘇省科技進步獎二等獎1項，軍隊級精品在線開放課程1門，全軍軍事建模競賽一等獎1項。出版著作5部、教材1部。"

目錄

課件+大綱+實驗平臺

第1章緒論

1.1人工智能的發展史

1.1.1人工智能國外發展史

1.1.2人工智能國內發展史

1.1.3人工智能的三次浪潮

1.2人工智能的基本概念

1.2.1人工智能的定義

1.2.2人工智能的內涵與外延

1.3人工智能的主流學派

1.3.1符號主義學派

1.3.2聯結主義學派

1.3.3行為主義學派

1.3.4三大學派的比較

1.4人工智能的目標與應用

1.4.1人工智能的研究目標

1.4.2人工智能的應用領域

1.5本章小結

習題

第2章知識表示

2.1知識表示概述

2.1.1知識的概念與特點

2.1.2知識的分類

2.1.3知識表示的定義

2.1.4知識表示的分類

2.2狀態空間表示法

2.2.1問題狀態描述

2.2.2狀態圖示法

2.3問題歸約法

2.3.1問題歸約描述

2.3.2與或圖表示

2.4一階謂詞邏輯表示法

2.4.1謂詞

2.4.2謂詞公式

2.4.3一階謂詞邏輯知識表示方法

2.5產生式表示法

2.5.1產生式

2.5.2產生式系統

2.5.3產生式系統的推理

2.5.4產生式系統應用舉例

2.6語義網絡表示法

2.6.1語義網絡的概念及結構

2.6.2語義網絡的基本語義聯系

2.6.3語義網絡的知識表示方法

2.6.4語義網絡與知識圖譜

2.7應用案例

2.8本章小結

習題 

第3章不確定性推理

3.1不確定性推理概述

3.1.1不確定性推理的定義

3.1.2不確定性推理的基本問題

3.2貝葉斯不確定性推理方法

3.2.1不確定性信息的概率表示

3.2.2基於概率的不確定性推理過程

3.2.3貝葉斯方法核心思想

3.3證據理論

3.3.1證據理論的形式化描述

3.3.2證據理論的推理模型

3.3.3推理實例

3.3.4證據理論推理的特性

3.4應用案例

3.5本章小結

習題

第4章搜索技術

4.1搜索概述

4.1.1基本概念

4.1.2搜索的分類

4.2狀態空間搜索

4.2.1狀態空間搜索的一般過程

4.2.2廣度優先搜索

4.2.3深度優先搜索

4.3啟發式搜索策略

4.3.1局部擇優法和全局擇優法

4.3.2分支界限法和最近擇優法

4.3.3最佳圖搜索算法

4.3.4啟發式搜索的適用性討論

4.4應用案例

4.5本章小結

習題

第5章機器學習

5.1機器學習概述

5.1.1何為機器學習

5.1.2為何用機器學習

5.1.3如何用機器學習

5.2機器學習方法的分類

5.2.1有監督學習

5.2.2無監督學習

5.2.3半監督學習

5.3分類方法

5.3.1k近鄰方法

5.3.2鳶尾花分類

5.3.3決策樹方法

5.3.4西瓜分類

5.4聚類方法

5.4.1k均值聚類算法

5.4.2k均值超參數選擇

5.5應用案例

5.6本章小結

習題

第6章神經網絡

6.1神經網絡概述

6.1.1生物神經元

6.1.2人工神經元

6.1.3人工神經網絡

6.2神經網絡的學習

6.2.1生物神經網絡的學習

6.2.2人工神經網絡的學習

6.3神經網絡典型任務

6.3.1回歸任務

6.3.2分類任務

6.3.3聚類任務

6.4應用案例

6.5本章小結

習題

第7章深度學習

7.1深度學習概述

7.1.1起源與發展

7.1.2主要內容

7.2卷積神經網絡

7.2.1圖像目標識別任務

7.2.2卷積神經網絡的操作算子

7.2.3卷積神經網絡模型

7.2.4卷積神經網絡的學習

7.2.5卷積神經網絡主要應用

7.3循環神經網絡

7.3.1語言翻譯任務

7.3.2循環神經網絡基本單元

7.3.3循環神經網絡的學習

7.3.4循環神經網絡主要應用

7.4深度模型的發展

7.4.1卷積操作的發展

7.4.2卷積神經網絡的發展

7.4.3循環單元的發展

7.4.4循環神經網絡的發展

7.5應用案例

7.5.1合成孔徑雷達圖像識別

7.5.2WebShell攻擊

7.6本章小結

習題

第8章強化學習

8.1強化學習概述

8.1.1強化學習的基本框架

8.1.2強化學習建模

8.1.3強化學習目標

8.1.4強化學習與監督學習和非監督學習的區別

8.2多臂老虎機問題

8.2.1問題概述

8.2.2動作價值估計

8.2.3“探索—利用”困境

8.2.4ε貪婪算法

8.3基於價值的強化學習求解

8.3.1貝爾曼方程

8.3.2貝爾曼最優方程

8.3.3動態規劃法

8.3.4蒙特卡洛法

8.3.5時間差分法

8.3.6深度Q網絡

8.4基於策略的強化學習求解*

8.4.1策略的參數化表示

8.4.2策略梯度算法

8.4.3演員評論家架構

8.4.4優勢與局限

8.5應用案例

8.5.1迷宮路徑搜索 

8.5.2環境建模

8.5.3算法選擇

8.6本章小結

習題

第9章大語言模型

9.1大語言模型的構建過程

9.1.1大規模預訓練

9.1.2指令微調與人類對齊

9.2大語言模型湧現能力

9.2.1代表性的湧現能力

9.2.2湧現能力與擴展法則的關系

9.3從GPT1到GPT4

9.3.1早期探索

9.3.2規模擴展

9.3.3能力增強

9.3.4性能躍升

9.4大語言模型提示詞

9.4.1提示詞工程的核心原理

9.4.2提示詞工程技巧

9.4.3提示詞工程面臨的挑戰

9.5大語言模型在研究領域的應用

9.5.1大模型在教育方向的應用

9.5.2大模型在軍事方向的應用

9.5.3大模型在金融方向的應用

9.5.4中國大模型現狀

9.6應用案例

9.7本章小結

習題

第10章具身智能

10.1具身智能概述

10.1.1具身智能來源與發展

10.1.2具身智能定義

10.2具身智能基本構成

10.2.1具身感知

10.2.2具身決策

10.2.3具身執行

10.3具身智能應用

10.3.1工業制造領域

10.3.2自動駕駛領域

10.3.3物流運輸領域

10.3.4家政服務領域

10.4應用案例

10.5本章小結

習題

第11章群智能

11.1群智能概述

11.1.1群智能優化算法定義

11.1.2群智能優化算法原理

11.1.3群智能優化算法特點

11.2蟻群算法

11.2.1蟻群算法概述

11.2.2蟻群算法的數學模型

11.2.3蟻群算法的改進

11.2.4蟻群算法的應用示例

11.3粒子群優化算法

11.3.1粒子群優化算法基本思想

11.3.2粒子群優化算法基本框架

11.3.3粒子群優化算法參數分析與改進

11.3.4粒子群優化算法的應用示例

11.4應用案例

11.5本章小結

習題

第12章人工智能倫理與安全

12.1人工智能倫理與安全概述

12.1.1何為人工智能倫理

12.1.2何為人工智能安全

12.2人工智能倫理

12.2.1人工智能倫理問題的產生和演進

12.2.2人工智能主要倫理問題和風險

12.2.3人工智能倫理問題治理

12.3人工智能安全

12.3.1人工智能引發的安全問題

12.3.2人工智能技術安全

12.3.3人工智能安全治理

12.4應用案例

12.5本章小結

習題

第13章人工智能應用開發工具

13.1國外人工智能主流框架

13.1.1PyTorch

13.1.2TensorFlow

13.1.3Keras

13.2國內人工智能主流框架

13.2.1PaddlePaddle

13.2.2昇思MindSpore

13.2.3Jittor

13.3人工智能開發框架的未來

13.4本章小結

習題

參考文獻