人工智能及其應用（第8版）

蔡自興，IEEE院士和IEEE終身院士（Fellow）、國際導航與運動控制科學院院士、AAIA Fellow、CAAI Feloow、CFF Fellow、CAA Fellow，中南大學教授、博士生導師，湖南省自興人工智能研究院首席科學家。首屆全國高校國家級教學名師獎、吳文俊人工智能科技獎成就獎、徐特立教育獎、寶鋼全國優秀教師獎特等獎獲得者。兼任中國人工智能學會副理事長及智能機器人專業委員會創會主任、中國自動化學會理事、中國計算機學會人工智能與模式識別專業委員會委員、IEEE計算智能學會評獎委員會委員和IEEE CIS進化計算技術委員會委員等。已在國內外編著出版專著和教材60多部（版），發表論文1000多篇，他引數萬次。主持國家級精品課程、國家級精品資源共享課程、國家級教學團隊等國家教育部質量工程項目8項。是我國人工智能、智能控制、機器人學諸學科的學術帶頭人之一，被譽為“中國人工智能教育第一人”、“中國智能機器人學科創始人”和“中國智能控制奠基者”。 劉麗玨，中南大學自動化學院副教授，廣西人工智能學會常務理事、CAAI會員、湖南省人工智能學會會員，國家級精品課程“人工智能”主講教師和國家級視頻公開課“人工智能PK人類智能”講座教授及“智能科學基礎系列課程”國家級教學團隊成員。研究興趣為智慧醫療、人工智能和機器學習等。 陳白帆，中南大學自動化學院副教授，湖南省人工智能學會副秘書長，IEEE會員和CAAI會員。 “智能科學系列課程” 國家級教學團隊成員，國家精品課程和國家精品資源共享課程《人工智能》主講教師。研究方向為人工智能、移動機器人環境感知與定位、機器視覺等。 蔡昱峰，高級工程師，高級經濟師。湖南自興人工智能科技集團董事長，湖南省人工智能學會副理事長、湘江實驗室-自興人工智能創新中心主任。擁有發明專利20余項、軟件著作權40余項、發表人工智能相關論文10多篇。研究方向為智慧醫療。

目錄

第1章緒論

1.1人工智能的定義與發展

1.1.1人工智能的定義

1.1.2人工智能的起源與發展

1.1.3中國人工智能的發展

1.2人工智能的學科體系和技術要素

1.2.1人工智能學科體系問題的提出

1.2.2人工智能學科體系的結構

1.2.3人工智能的科學基礎

1.2.4人工智能的技術要素

1.2.5人工智能的主要技術

1.3人工智能系統的分類

1.4人工智能的研究目標和內容

1.4.1人工智能的研究目標

1.4.2人工智能研究的基本內容

1.5人工智能的研究與應用領域

1.6本書概要

1.7小結

習題1

第2章知識表示與推理

2.1狀態空間表示

2.1.1問題狀態描述

2.1.2狀態圖示法

2.2圖搜索策略

2.3盲目搜索

2.3.1寬度優先搜索

2.3.2深度優先搜索

2.4啟發式搜索

2.4.1啟發式搜索策略和估價函數

2.4.2有序搜索

2.4.3A*算法

2.5確定性推理

2.5.1謂詞邏輯

2.5.2消解原理

2.5.3規則演繹系統

2.6不確定性推理

2.6.1不確定性推理概述

2.6.2最大後驗概率推理

2.6.3主觀貝葉斯方法

2.7知識圖譜

2.7.1語義網絡

2.7.2本體技術

2.7.3知識圖譜的定義與架構

2.7.4知識圖譜的關鍵技術

2.7.5知識圖譜的應用領域

2.8小結

習題2

第3章計算智能

3.1粒子群優化算法

3.1.1群體智能和粒子群優化概述

3.1.2粒子群優化算法

3.2蟻群算法

3.2.1蟻群算法理論

3.2.2蟻群算法的研究與應用

3.3進化算法與遺傳算法

3.3.1進化算法原理

3.3.2進化算法框架

3.3.3遺傳算法的編碼與解碼

3.3.4遺傳算法的遺傳算子

3.3.5遺傳算法的執行過程

3.3.6遺傳算法的執行實例

3.4小結

習題3

第4章機器學習

4.1機器學習概述

4.1.1機器學習的定義和發展

4.1.2數據預處理

4.1.3特征工程

4.1.4機器學習的通用流程

4.2線性回歸

4.2.1普通線性回歸

4.2.2基於梯度下降的線性回歸

4.3決策樹

4.3.1決策樹模型

4.3.2特征選擇

4.3.3決策樹的生成算法

4.3.4決策樹的剪枝

4.4支持向量機

4.4.1間隔與支持向量

4.4.2對偶問題

4.4.3軟間隔與正則化

4.4.4核函數

4.5集成學習

4.5.1隨機森林

4.5.2Adaboost算法

4.6聚類

4.6.1距離計算

4.6.2k均值聚類

4.6.3樣例說明

4.7強化學習

4.7.1強化學習概述

4.7.2Q-學習

4.8小結

習題4

第5章神經網絡和深度學習

5.1人工神經網絡

5.1.1人工神經網絡研究的進展

5.1.2人工神經網絡的基本結構

5.1.3感知器

5.2神經網絡學習

5.2.1基於反向傳播網絡的學習

5.2.2基於Hopfield網絡的學習

5.3深度學習

5.3.1深度學習的定義與特點

5.3.2深度學習的主要模型

5.3.3深度學習的挑戰與展望

5.4大模型

5.4.1大模型的概念及特點

5.4.2大模型的基本架構

5.4.3大模型的訓練

5.4.4大模型示例——DeepSeek

5.5小結

習題5

第6章專家系統

6.1專家系統概述

6.1.1專家系統的定義與特點

6.1.2專家系統的結構和建造步驟

6.2基於規則的專家系統

6.2.1基於規則的專家系統的工作模型和結構

6.2.2基於規則的專家系統的特點

6.3基於模型的專家系統

6.3.1基於模型的專家系統的提出

6.3.2基於神經網絡的專家系統

6.4智慧醫療診斷系統

6.4.1智慧醫療診斷系統與專家系統

6.4.2智慧醫療診斷系統的一般架構和流程

6.4.3智慧醫療診斷系統示例

6.5小結

習題6

第7章人工智能編程基礎

7.1Python語言

7.1.1Python 簡介

7.1.2Python的基本語法

7.1.3Python第三方開源工具包

7.2深度學習框架

7.2.1深度學習框架的發展

7.2.2深度學習開源框架比較

7.2.3深度學習框架基本功能

7.3小結

習題7

第8章人工智能的算力

8.1人工智能算力的定義、分類和評估

8.1.1人工智能算力的定義

8.1.2人工智能算力和芯片的分類

8.1.3人工智能算力的評估

8.2人工智能算力的架構

8.2.1算力架構的組成

8.2.2算力架構的分類

8.2.3算力架構的挑戰與發展趨勢

8.3人工智能芯片的發展

8.3.1人工智能芯片的發展歷史

8.3.2人工智能芯片的發展態勢

8.4人工智能算力網絡

8.4.1人工智能算力網絡的定義和特征

8.4.2人工智能算力網絡的基本架構和工作機制

8.4.3人工智能算力網絡的關鍵技術

8.4.4人工智能算力網絡應用示例

8.5普適人工智能算力網絡

8.5.1普適人工智能算力網絡的基本架構

8.5.2普適人工智能算力網絡的應用示例

8.6小結

習題8

第9章人工智能的應用熱點

9.1基於深度學習的圖像處理

9.1.1圖像采集和處理

9.1.2基於深度學習的圖像分割方法

9.1.3基於機器學習的圖像理解

9.2基於深度學習的語音識別

9.2.1語音識別基本原理

9.2.2基於深度學習的語音處理技術的進展

9.3基於深度學習的自然語言處理

9.3.1基於深度學習的其他自然語言處理技術

9.3.2基於深度學習的自然語言處理示例

9.4具身智能與具身機器人

9.4.1智能體

9.4.2具身智能

9.4.3具身智能機器人

9.5小結

習題9

第10章人工智能的效益、倫理與治理

10.1人工智能的效益

10.1.1人工智能對經濟、科技和文教的影響

10.1.2人工智能對社會、生態和健康的影響

10.2人工智能的倫理問題

10.3人工智能的治理

10.4小結

習題10

結束語

附錄1人工智能及其應用實驗指導書

附錄2人工智能及其應用設計任務書

參考文獻

索引