●目錄第1章人工智能概論11.1你了解人類的智能嗎11.1.1智能的概念11.1.2智能的特征31.2人工智能的孕育和誕生61.2.1人工智能的孕育期61.2.2人工智能的先驅圖靈與圖靈測試81.2.3人工智能的誕生——達特茅斯會議91.3人工智能的發展101.3.1人工智能的形成期101.3.2幾起幾落的曲折發展期121.3.3大數據驅動的飛速發展期131.4從兩場標志性人機博弈看人工智能的發展141.4.1人工智能研究中的“小白鼠”141.4.2“深藍”戰勝國際像棋棋王卡斯帕羅夫151.4.3阿爾法狗無師自通橫掃世界圍棋大師171.5人工智能研究的基本內容191.6人工智能的主要應用領域211.7人工智能會使許多人失業嗎341.8本章小結35討論題35第2章知識表示與知識圖譜362.1你了解人類知識嗎362.1.1什麼是知識362.1.2知識的相對正確性372.1.3知識的不確定性382.2計算機表示知識的方法402.3產生式表示法412.3.1產生式422.3.2產生式繫統432.3.3產生式表示法的特點452.4框架表示法462.4.1框架的一般結構472.4.2用框架表示知識的例子482.4.3框架表示法的特點502.5知識圖譜512.5.1知識圖譜的提出522.5.2知識圖譜的定義522.5.3知識圖譜的表示532.5.4知識圖譜的架構542.5.5知識圖譜的典型應用552.6本章小結57討論題58人工智能通識教程目錄第3章模擬人類思維的模糊推理603.1推理的定義603.2推理的分類613.2.1演繹推理613.2.2歸納推理623.2.3默認推理623.3推理的方向633.3.1正向推理633.3.2逆向推理643.3.3混合推理673.4推理中的衝突消解策略693.5模糊集合與模糊知識表示713.5.1模糊邏輯的提出與發展713.5.2模糊集合的定義與表示733.5.3隸屬函數753.6模糊關繫與模糊關繫的合成763.6.1模糊關繫763.6.2模糊關繫的合成783.7模糊推理與模糊決策793.7.1模糊推理793.7.2模糊決策803.8模糊推理的應用813.9本章小結82討論題83第4章搜索策略854.1搜索的概念854.2如何用狀態空間表示搜索對像864.2.1狀態空間知識表示方法864.2.2狀態空間的圖描述884.3回溯策略914.4盲目的圖搜索策略934.4.1寬度優先搜索策略934.4.2深度優先搜索策略944.5啟發式圖搜索策略974.5.1啟發式策略974.5.2啟發信息和估價函數1004.5.3A搜索算法1024.5.4A搜索算法1034.6本章小結105討論題106第5章模擬生物進化的遺傳算法1075.1進化算法的生物學背景1075.2遺傳算法1095.2.1遺傳算法的發展歷史1095.2.2遺傳算法的基本思想1105.2.3編碼1115.2.4種群設定1135.2.5適應度函數1145.2.6選擇1165.2.7交叉1185.2.8變異1205.3遺傳算法的主要改進算法1225.3.1雙倍體遺傳算法1225.3.2雙種群遺傳算法1245.3.3自適應遺傳算法1245.4基於遺傳算法的生產調度方法1265.4.1基於遺傳算法的流水車間調度方法1265.4.2基於遺傳算法的混合流水車間調度方法1285.5本章小結133討論題134第6章模擬生物群體行為的群智能算法1356.1群智能算法的生物學背景1356.2模擬鳥群行為的粒子群優化算法1376.2.1基本粒子群優化算法1376.2.2粒子群優化算法的應用1396.3模擬蟻群行為的蟻群優化算法1416.3.1蟻群優化算法的生物學背景1426.3.2基本蟻群優化算法1426.3.3蟻群優化算法的應用1466.4本章小結148討論題149第7章模擬生物神經繫統的人工神經網絡1507.1人與人工神經網絡1507.1.1生結構1507.1.2生的數學模型1517.1.3人工神經網絡的結構與學習1537.2機器學習的先驅——赫布學習規則1547.3掀起人工神經網絡第一次高潮的感知器1557.4掀起人工神經網絡第二次高潮的BP學習算法1587.4.1BP學習算法的提出1587.4.2BP神經網絡1597.4.3BP學習算法1607.4.4BP學習算法在模式識別中的應用1617.5本章小結163討論題164第8章機器學習與深度學習1658.1機器學習的基本概念1658.1.1學習1658.1.2機器學習1668.1.3學習繫統1668.1.4機器學習的發展1698.2機器學習的分類1708.2.1機器學習的一般分類方法1708.2.2有監督學習與無監督學習1728.2.3弱監督學習1748.3知識發現與數據挖掘1778.3.1知識發現與數據挖掘的概念1788.3.2知識發現的一般過程1788.3.3知識發現的任務1798.3.4知識發現的對像1808.4動物視覺機理與深度學習的提出1828.4.1淺層學習的局限性1828.4.2深度學習的提出1838.5卷積神經網絡與膠囊網絡1858.5.1卷積神經網絡的結構1858.5.2卷積的物理、生物與生態學等意義1868.5.3卷積神經網絡的卷積運算1878.5.4卷積神經網絡中的關鍵技術1898.5.5卷積神經網絡的應用1928.5.6膠囊網絡1938.6生成對抗網絡及其應用1968.6.1生成對抗網絡的基本原理1968.6.2生成對抗網絡的結構與訓練1978.6.3生成對抗網絡在圖像處理中的應用2008.6.4生成對抗網絡在語言處理中的應用2038.6.5生成對抗網絡在視頻生成中的應用2058.6.6生成對抗網絡在醫療中的應用2078.7本章小結207討論題208第9章專家繫統2109.1專家繫統的產生和發展2109.2專家繫統的概念2129.2.1專家繫統的定義2129.2.2專家繫統的特點2129.2.3專家繫統的類型2149.3專家繫統的工作原理2169.3.1專家繫統的一般結構2169.3.2知識庫2169.3.3推理機2179.3.4綜合數據庫2179.3.5知識獲取機構2189.3.6人機接口2199.3.7解釋機構2199.4簡單的動物識別專家繫統2199.4.1知識庫建立2209.4.2綜合數據庫建立和推理過程2219.5專家繫統實例及其骨架繫統2229.5.1骨架繫統的概念2229.5.2EMYCIN骨架繫統2239.5.3KAS骨架繫統2249.6專家繫統開發環境2269.7本章小結227討論題228第10章自然語言理解22910.1自然語言理解的概念與發展22910.1.1自然語言理解的概念22910.1.2自然語言理解的發展歷史22910.2語言處理過程的層次23210.3機器翻譯方法概述23410.4循環神經網絡23810.4.1循環神經網絡的結構23810.4.2循環神經網絡的訓練23910.4.3長短期記憶神經網絡24010.5基於循環神經網絡的機器翻譯24010.6語音識別24210.6.1語音識別的概念24210.6.2語音識別的主要過程24310.6.3語音識別的方法24610.7本章小結247討論題247第11章計算機視覺24811.1計算機視覺概述24811.2計算機視覺繫統中的數字圖像25111.3基於深度學習的計算機視覺25211.4基於計算機視覺的生物特征識別25311.4.1人臉識別25311.4.2虹膜識別25411.5本章小結255討論題256第12章智能機器人25712.1機器人的產生與發展25712.2機器人中的人工智能技術26012.2.1機器人智能感知26012.2.2機器人智能導航26412.2.3機器人智能路徑規劃26412.2.4機器人智能運動控制26512.2.5機器人智能交互26712.3智能機器人的應用26712.3.1工業機器人26812.3.2農業機器人27012.3.3服務機器人27312.3.4醫用機器人27612.3.5軍用機器人27712.4智能機器人技術展望與倫理28012.4.1智能機器人技術展望28012.4.2機器人倫理問題28112.5本章小結282討論題282