第1章概論

1.1人工智能的定義

1.1.1生物智能與人類智能

1.1.2人工智能

1.2人工智能的發(fā)展史和研究現(xiàn)狀

1.2.1萌芽期(1956年以前)

1.2.2形成期(19561970年)

1.2.3黯淡期(19661974年)

1.2.4繁榮期(19701988年)

1.2.5集成發(fā)展期(19862005年)

1.2.6發(fā)展新時代(2006年至今)

1.2.7人工智能的研究現(xiàn)狀

1.3人工智能三大學派

1.3.1圖靈測試

1.3.2符號主義

1.3.3連接主義

1.3.4行為主義

1.3.5三大學派的爭論

1.4人工智能的應用領域

1.4.1計算機視覺

1.4.2自然語言處理

1.4.3認知與推理

1.4.4機器人學

1.4.5博弈與倫理

1.4.6機器學習

本章小結

習題1

參考文獻

第2章狀態(tài)空間知識表示及其搜索技術

2.1經典問題

2.2狀態(tài)空間表示法

2.2.1狀態(tài)空間的基本構成

2.2.2狀態(tài)空間的問題表示

2.3狀態(tài)空間搜索的一般過程

2.3.1搜索的一般概念

2.3.2狀態(tài)空間圖搜索

2.4盲目式搜索

2.4.1寬度優(yōu)先搜索

2.4.2深度優(yōu)先搜索

2.4.3有界深度優(yōu)先搜索

2.4.4等代價搜索

2.5啟發(fā)式搜索

2.5.1估價函數(shù)與啟發(fā)式信息

2.5.2局部擇優(yōu)搜索

2.5.3全局擇優(yōu)搜索

2.5.4A*算法

2.6搜索算法的評價標準

本章小結

習題2

參考文獻

第3章問題歸約知識表示及其搜索技術

3.1問題歸約表示法

3.1.1問題的分解與等價變換

3.1.2問題歸約的與/或圖表示

3.2與/或圖的一般搜索過程

3.3盲目式搜索

3.3.1寬度優(yōu)先搜索

3.3.2深度優(yōu)先搜索

3.4啟發(fā)式搜索

3.4.1解樹的代價

3.4.2希望樹

3.5機器博弈

3.5.1機器博弈背景

3.5.2極大極小搜索

3.5.3�布糁�

本章小結

習題3

參考文獻

第4章確定性推理

4.1推理的基本概念

4.1.1推理的概念

4.1.2推理的分類

4.1.3推理的策略

4.2推理的邏輯基礎

4.2.1命題邏輯

4.2.2謂詞邏輯

4.3自然演繹推理

4.4歸結演繹推理

4.4.1海伯倫定理

4.4.2魯濱遜歸結原理

4.4.3歸結策略

4.4.4歸結反演

4.5基于規(guī)則的演繹推理

4.5.1規(guī)則正向演繹系統(tǒng)

4.5.2規(guī)則逆向演繹系統(tǒng)

4.5.3規(guī)則雙向演繹系統(tǒng)

本章小結

習題4

參考文獻

第5章不確定性推理

5.1不確定性推理的基本概念

5.1.1不確定性的表示與度量

5.1.2不確定性的算法

5.1.3不確定性推理方法分類

5.2概率推理

5.2.1概率的基本公式

5.2.2概率推理方法

5.3主觀貝葉斯方法

5.3.1基于主觀貝葉斯的不確定性表示

5.3.2主觀貝葉斯方法的推理算法

5.4可信度方法

5.4.1基于可信度的不確定性表示

5.4.2可信度方法的推理算法

5.4.3帶有閾值限度的不確定性推理

5.4.4加權的不確定性推理

5.5證據(jù)理論

5.5.1基于證據(jù)理論的不確定性

5.5.2證據(jù)理論的不確定推理模型

5.6模糊推理

5.6.1模糊集合

5.6.2模糊關系及其合成

5.6.3模糊推理

5.6.4模糊決策

本章小結

習題5

參考文獻

第6章遺傳算法

6.1進化計算

6.1.1進化計算的背景

6.1.2進化計算的分類

6.2遺傳算法的生物學背景

6.2.1達爾文進化論與孟德爾學說

6.2.2生物進化與遺傳算法的基本思想

6.3遺傳算法的實現(xiàn)過程

6.3.1編碼機制

6.3.2種群初始化

6.3.3適應度函數(shù)

6.3.4遺傳算子

6.3.5環(huán)境選擇

6.3.6停機準則

6.3.7基本步驟

6.4遺傳算法求解優(yōu)化問題實例

6.4.1優(yōu)化問題

6.4.2求解連續(xù)優(yōu)化問題

6.4.3求解組合優(yōu)化問題

6.4.4求解多目標優(yōu)化問題

6.4.5遺傳算法參數(shù)討論

6.4.6遺傳算法工具箱

6.5遺傳算法的改進

6.6遺傳算法的應用

本章小結

習題6

參考文獻

第7章群智能算法

7.1群智能基礎

7.1.1群智能算法的基本思想

7.1.2典型群智能算法

7.2粒子群算法

7.2.1粒子群算法的背景

7.2.2粒子群算法的原理

7.2.3粒子群算法求解實例

7.2.4粒子群算法的各種改進

7.2.5粒子群算法的應用

7.3蟻群算法

7.3.1蟻群算法的起源

7.3.2蟻群算法的原理

7.3.3蟻群算法求解實例

7.3.4蟻群算法的各種改進

7.3.5蟻群算法的應用

7.4魚群算法

7.4.1魚群算法的背景

7.4.2魚群算法的原理

7.4.3魚群算法的求解實例

本章小結

習題7

參考文獻

第8章人工神經網(wǎng)絡

8.1人工神經網(wǎng)絡的基本原理

8.1.1生物神經系統(tǒng)

8.1.2人工神經網(wǎng)絡的模型

8.1.3人工神經網(wǎng)絡的結構建模

8.2學習機理

8.2.1單層感知器及其學習算法

8.2.2BP神經網(wǎng)絡及其學習算法

8.3人工神經網(wǎng)絡的分類

8.3.1前向網(wǎng)絡

8.3.2反饋網(wǎng)絡

8.4人工神經網(wǎng)絡的基本學習算法

8.4.1Hebb規(guī)則

8.4.2誤差修正學習算法

8.4.3勝者為王學習規(guī)則

8.5從神經網(wǎng)絡到深度學習

8.6深度網(wǎng)絡

8.6.1深度卷積神經網(wǎng)絡

8.6.2稀疏深度神經網(wǎng)絡

8.6.3深度融合網(wǎng)絡

本章小結

習題8

參考文獻

第9章機器學習基礎

9.1機器學習理論基礎

9.1.1機器學習的定義和研究意義

9.1.2機器學習的發(fā)展史

9.2機器學習的方法

9.2.1機器學習系統(tǒng)的基本結構

9.2.2機器學習方法的分類

9.2.3幾種機器學習方法介紹

9.3機器學習算法的應用

本章小結

習題9

參考文獻

第10章模式識別

10.1模式識別的基本概念

10.1.1模式識別的定義

10.1.2模式識別與分類器

10.1.3有監(jiān)督學習與無監(jiān)督學習

10.1.4實例： 手寫數(shù)字識別

10.2模式識別系統(tǒng)

10.2.1基本框架

10.2.2基本方法

10.3特征提取與選擇

10.3.1基本概念

10.3.2特征評價

10.3.3特征選擇算法

10.3.4特征提取

10.4分類器設計

10.4.1經典的有監(jiān)督分類器

10.4.2經典的無監(jiān)督分類器

10.5分類器的評價

10.5.1監(jiān)督模式識別系統(tǒng)評價

10.5.2非監(jiān)督模式識別系統(tǒng)評價

本章小結

習題 10

參考文獻

第11章未來人工智能

11.1人工智能的發(fā)展階段

11.2人工智能圍棋

11.2.1AlphaGo

11.2.2AlphaGo Zero

11.3無人駕駛

11.3.1原理概述

11.3.2研究概況

11.4無人超市

11.4.1誕生背景

11.4.2Amazon Go

11.5情感機器人

11.5.1情感機器人的定義

11.5.2情感機器人的研究概況

11.6智能醫(yī)療

11.6.1智能醫(yī)療設備

11.6.2智能醫(yī)療系統(tǒng)

11.7智能家居

11.7.1背景

11.7.2發(fā)展現(xiàn)狀

11.7.3主要功能

11.8智能藝術

11.8.1作詩

11.8.2繪畫

11.9機器翻譯

11.9.1翻譯簡史

11.9.2機譯系統(tǒng)

11.9.3在線機譯

11.10未來人工智能展望

11.10.1人工智能的未來趨勢

11.10.2面臨的挑戰(zhàn)

本章小結

習題11

參考文獻