"內容全面，既有經典的至今仍有廣泛應用的人工智能知識，又有人工智能研究的近期新進展和熱門研究課題。內容精煉、經典，是作者從多年來撰寫的10餘本人工智能教材中提煉而來，內容通俗易懂，適合入門者學習。? 配套教學資料豐富，配有課堂講授課件、微課視頻和課堂演示實例，生動、直觀、形像地講授課程內容，並配有教學大綱和教案。輔助學習資料齊全，配備項目實踐案例、習題解析和答案。"

●第1章概述1．1什麼是人工智能1．1．1人工智能的定義1．1．2人工智能的分級1．2人工智能的產生背景及主要學派1．3圖靈測試1．4人工智能的發展歷程1．5無處不在的人工智能1．6人工智能的技術特征1．7新一代人工智能的研究1．8未來人工智能展望習題1第2章用搜索實現問題求解2．1搜索求解問題的基本思路2．2實現搜索過程的三大要素2．2．1搜索對像2．2．2擴展規則2．2．3目標測試2．3實現搜索的基本步驟2．4搜索的幾種基本策略2．4．1盲目的搜索方法2．4．2啟發式搜索習題2第3章圖搜索算法3．1或圖搜索3．1．1或圖搜索算法3．1．2A算法與A*算法3．2與/或圖搜索3．2．1問題歸約求解方法和“與/或圖”3．2．2與/或圖的構造方法3．2．3與/或圖的搜索過程3．2．4與/或圖搜索算法AO*3．2．5用AO*算法求解一個智力問題習題3第4章博弈與搜索4．1博弈問題4．2極小極大搜索算法4．2．1極小極大搜索的思想4．2．2極小極大搜索算法的具體內容4．2．3算法分析與舉例4．3αβ剪枝算法4．4AlphaGo搜索策略4．4．1圍棋博弈程序的發展4．4．2AlphaGo博弈樹搜索算法的改進4．4．3MCTS算法的四個基本步驟習題4第5章演化計算與遺傳算法5．1演化計算與演化算法5．1．1演化算法的基本結構5．1．2演化算法的設計5．1．3演化算法的特點5．2遺傳算法5．2．1遺傳算法的基本結構5．2．2遺傳算法的實現5．2．3遺傳算法舉例5．3遺傳算法的應用領域習題5第6章群集智能6．1粒子群優化算法6．1．1粒子群優化算法的基本描述6．1．2粒子群優化算法的實現6．1．3粒子群優化算法應用實例6．2蟻群優化算法6．2．1蟻群優化的原理6．2．2蟻群優化算法的實現6．2．3蟻群優化算法應用實例習題6第7章經典邏輯知識表示和推理7．1產生式知識表示及推理7．1．1產生式繫統的組成7．1．2產生式繫統的知識表示7．1．3產生式繫統的推理方式7．1．4產生式規則的選擇與匹配7．1．5產生式知識表示的特點7．2命題知識表示及推理方法7．2．1基本概念7．2．2命題演算的歸結方法7．3謂詞邏輯知識表示及推理7．3．1知識的謂詞邏輯表示法7．3．2謂詞邏輯自動推理的基本問題7．3．3將公式化成標準子句形式的步驟7．3．4合一算法7．3．5謂詞邏輯的歸結算法7．3．6推理中的相等意義的轉換策略7．4一個推理實例習題7第8章非經典邏輯知識的表示與推理8．1非單調推理8．1．1單調推理與非單調推理的概念8．1．2默認邏輯8．2證據理論8．2．1識別框架8．2．2基本概率分配函數8．2．3置信函數8．2．4置信區間8．2．5證據的組合函數8．2．6DS證據理論的評價8．3不確定性推理8．3．1不確定性8．3．2主觀概率貝葉斯方法8．4模糊推理8．4．1模糊推理的基本理論8．4．2Fuzzy邏輯習題8第9章神經網絡與卷積神經網絡9．1人工神經網絡的基本概念9．1．1人工神經網絡的定義9．1．2人工神經網絡的基本原理9．1．3人工神經網絡互連結構9．1．4神經網絡模型分類9．2幾種典型的神經網絡簡介9．2．1單層前向網絡9．2．2多層前向網絡及BP學習算法9．2．3Hopfield神經網絡9．3卷積神經網絡9．3．1卷積神經網絡的結構9．3．2參數減少與權值共享9．3．3池化9．3．4全連接層 9．4神經網絡的應用領域習題9第10章機器學習與深度學習10．1概述10．1．1機器學習的定義和意義10．1．2機器學習的研究簡史10．1．3機器學習方法的分類10．1．4機器學習中的推理方法10．2歸納學習10．2．1歸納概念學習的定義10．2．2歸納概念學習算法的一般步驟10．2．3歸納概念學習的基本技術10．3基於類比的學習10．3．1類比學習的一般原理10．3．2類比學習的表示10．3．3類比學習的求解10．4深度學習10．4．1什麼是深度學習10．4．2特征提取10．4．3自動特征提取10．4．4深度學習直觀理解習題10第11章數據挖掘與Web挖掘11．1一般數據挖掘方法11．1．1數據挖掘的定義11．1．2數據挖掘研究的主要內容11．1．3數據挖掘的任務11．1．4數據挖掘的特點11．1．5數據挖掘常用的技術11．1．6數據挖掘過程11．2關聯規則挖掘11．2．1問題的形式化描述11．2．2挖掘步驟11．2．3Apriori算法11．2．4實例與分析11．3聚類分析11．3．1聚類分析的定義11．3．2聚類分析的主要步驟11．3．3聚類分析的幾種主要的算法11．3．4聚類分析的應用領域11．4Web挖掘11．4．1Web挖掘概述 11．4．2Web內容挖掘 11．4．3Web結構挖掘11．4．4Web使用挖掘習題11第12章大數據與雲計算12．1從理論維度認識大數據12．1．1大數據的定義12．1．2大數據的特征12．1．3大數據的價值12．1．4大數據的發展趨勢12．2從技術的維度認識大數據12．2．1雲計算的定義以及要解決的問題12．2．2雲計算與虛擬化12．2．3雲存儲與雲網絡12．2．4私有雲、公有雲與雲平臺12．2．5雲計算的服務模式12．2．6用大數據技術實現人工智能12．3從應用的維度認識大數據12．3．1從大數據走向大知識12．3．2從大數據走向大智慧12．3．3從大數據走向大財富12.3.4大數據——企業競爭力的關鍵12．3．5大數據及人工智能全面滲透人類生活習題12第13章專家繫統與人工智能工具13．1專家繫統13．1．1專家繫統概述13．1．2專家繫統中的知識獲取13．1．3專家繫統的解釋機制13．1．4專家繫統開發13．1．5專家繫統開發實例13．2專家繫統開發工具與環境13．2．1專家繫統開發工具與環境簡介13．2．2生成工具13．2．3輔助工具13．2．4專家繫統工具JESS 13．3人工智能開源工具13．3．1TensorFlow13．3．2Apache SystemML13．3．3Caffe13．3．4Apache Mahout13．3．5Torch13．3．6Neuroph習題13

本書是人工智能入門和普及基礎知識的讀物。作者從事人工智能教學多年，先後撰寫了十餘本人工智能教材和習題解答及相關著作，本書在此基礎上，精煉和加工，使其通俗化、形像化，並加入人工智能的研究**進展和熱門研究課題，如AlphaGo下棋的搜索原理、卷積神經網絡、深度學習、大數據和雲計算以及當前流行的人工智能開源工具等，全面地反映了國內外人工智能研究領域的**進展和發展方向，並深入淺出進行講解，是了解人工智能的基礎知識的實用工具書。

朱福喜 朱麗達 著