人工智能应用教程
定 价:59.9 元 本教材已被 5 所学校申请过!
丛书名:
本书全面介绍人工智能的基本理论、技术及应用。全书共10章,主要内容包括人工智能概论、知识表示与知识图谱、确定性与不确定性推理、搜索策略、遗传算法、群智能算法、人工神经网络、机器学习与深度学习、专家系统、自然语言理解,附录部分给出了实用性强的12个实验。本书强调人工智能知识的基础性、整体性、综合性和广博性,使学生掌握人工智能的主要思想和应用人工智能技术解决专业领域问题的基本技术,培养创新精神。 本书的适用对象广泛,可作为高等学校各专业人工智能基础课程的教材,也可供对人工智能技术感兴趣的广大读者阅读。
(1)语言简明,可读性好。 (2)内容先进,注重应用。 (3)精心编排,便于学习。 (4)结构合理,方便教学。 (5)附有实验指导,方便实验教学。 (6)有配套MOOC课程,便于学生自学。
2017年7月,国务院发布的《新一代人工智能发展规划》把人工智能作为国家发展战略。人工智能人才培养是实现国家人工智能发展战略的一个关键。2018年,教育制订了《高等学校人工智能创新行动计划》,从不同的专业角度对人工智能人才培养进行全面布局,在计算机、电子信息、自动化、机械等多个专业领域设置了智能科学与技术、人工智能、数据科学与大数据技术、机器人工程等人工智能类专业,还把人工智能技术引入传统专业,形成智能制造工程、智能车辆工程、智能电网信息工程、电气工程与智能控制、电机电器智能化、智能材料与结构、智能医学工程等专业。事实上,人工智能和其他专业的结合是培养人工智能应用人才的一个非常重要的方面,是和人工智能专业人才培养相辅相成的。所以,需要编写不同特点的人工智能教材。1. 本书的形成本书作者从1989年开始从事人工智能及其应用的研究,从1993年开始从事人工智能课程的教学,为控制、计算机、机械等专业研究生讲授人工智能原理与应用课程,为计算机、自动化等类专业本科生讲授人工智能导论课程。在多年的教学实践中,作者深感极有必要编著一本内容比较基础、可读性好、适合讲授的人工智能教材。本书作者在自己多年来的讲稿基础上,于2005年编写了人工智能教材,并不断跟踪人工智能的发展,形成了适合研究生、本科生不同层次的人工智能系列教材,被许多高校选用。其中,作者主讲的人工智能导论入选首批国家级线上一流本科课程,编写的《人工智能导论》(第5版)入选十二五普通高等教育本科国家级规划教材,并荣获首届国家级优秀教材二等奖。随着人工智能技术的发展,越来越多的专业需要开设人工智能课程。因此,作者从2005年开始为全校工学、理学、经济学、管理学、哲学、文学、法学等学科门类专业学生开设人工智能及其应用公选课,从2017年开始负责全校人工智能通识教育核心课程建设。在人工智能通识课程教学过程中,作者深感已有人工智能教材不适合作为通识课程教材,特别是不适合人文社科类大学生的学习,因此,迫切需要编写面向全校各专业(包括人文社科专业)的人工智能通识课程教材。为此,作者针对人文社科类大学生的知识结构和思维方式,突出人工智能解决复杂问题的创新思想,编写了《人工智能通识教程》一书,受到非常广泛的欢迎。在上述教材的基础上,作者面向量大面广的应用型高校开设人工智能课程的需要,编写了这本《人工智能应用教程》。2. 主要内容本书共10章。第1章除了介绍人工智能的基本概念、发展简史以外,着重介绍目前人工智能的主要研究内容与各种应用,以开阔读者的视野,引导读者进入人工智能各个研究领域,最后,简要介绍了人工智能伦理。第2章介绍知识表示的概念,一阶谓词逻辑、产生式、框架等基本的知识表示方法,以及知识图谱的基本内容。第3章介绍推理的概念、基于谓词逻辑的确定性推理、基于统计分析和基于模糊理论的不确定推理方法及其应用。第4章介绍应用非常广泛的搜索策略。第5章介绍模拟生物进化的遗传算法。第6章介绍模拟生物群体行为的适用于大规模优化问题的群智能算法。第7章介绍模拟生物神经系统的人工神经网络,为后面介绍深度学习奠定基础。第8章介绍机器学习与深度学习及其广泛的应用,包括卷积神经网络、胶囊网络、生成对抗网络等深度学习的前沿内容。第9章介绍专家系统的概念、工作原理以及应用。第10章介绍日益广泛应用的自然语言处理技术,包括机器翻译、语音识别等应用。人工智能应用教程前言3. 本书特色本书有以下特色。(1) 语言简明,可读性好。本书力求用通俗的文字深入浅出地讲解概念、理论和技术,特别是将人工智能技术与文学艺术、人们的日常生活、人类思维方法等相结合,使学生能够感受到与人工智能相关的人文情怀,感受到人工智能就在自己身边,使学生能够有兴趣、有耐心、系统地阅读本书,掌握人工智能的基本思想与基本方法。(2) 内容先进,注重应用。人工智能正处于迅速发展时期,内容非常丰富。本书覆盖了人工智能的主要应用领域,体系完整,精选了人工智能技术的一些前沿热点。书中运用大量应用实例,跳出晦涩复杂的概率论、数理统计、算法理论,让这些冷冰冰的人工智能知识变得有温度。以浅显易懂的方式诠释人工智能精髓,启迪算法理解,让学生理解原本深奥的人工智能技术。书中介绍一些能够为本科生理解的应用实例,引导学生学习应用新理论解决实际问题的方法。书中设置了很多课程思政教学元素。(3) 精心编排,便于学习。每章开始设置了导读,使学生在学习本章之前就知道本章要讨论的主题和学习目标。每章最后扼要总结了本章的重要概念、公式、定理与方法。本书采用双色印刷,将重要的概念、公式、定理与方法用红色标示出来,以引起学生注意。(4) 结构合理,方便教学。本书各章内容相对独立,教师可以根据课程计划学时和专业需要自由选择和组合相关内容,以保持课程体系结构的完整性。采用本书作为教材,建议课堂教学学时为48学时左右。(5) 附有实验指导,方便实验教学。围绕人工智能技术的主要教学内容,附录中设置了课程实验,方便教学。学生通过程序实现能够深入了解人工智能的算法,体会如何应用人工智能技术解决实际问题。(6) 有配套MOOC课程,便于学生自学。需要进一步学习人工智能技术的学生,可以选择作者在中国大学MOOC网站(http://www.icourse163.org)上开设的人工智能导论国家线上一流精品课程。4. 教学资源支持本书配套的教学资源包括教学大纲、PPT、实验源代码、习题答案和题库,使用本书作为教材的教师可向longqm@163.com免费申请,服务支持请联系QQ: 381844463。5. 作者致谢衷心感谢人工智能课程国家级虚拟教研室和浙江省高校名师工作室全体成员和作者一起对人工智能教学的不断探索!衷心感谢清华大学出版社的龙启铭编辑,他为本书付出了辛勤劳动以及向作者提出了许多有益的修改建议。限于作者水平,书中一定会存在许多不足之处,欢迎广大读者提出宝贵意见。
王万良2023年1月于杭州
第1章人工智能概论11.1你了解人类的智能吗11.1.1智能的概念11.1.2智能的特征31.2人工智能的孕育和诞生61.2.1人工智能的孕育期61.2.2人工智能的诞生达特茅斯会议81.2.3人工智能的定义与图灵测试91.3人工智能的发展111.3.1人工智能的形成期111.3.2几起几落的曲折发展期121.3.3大数据驱动的飞速发展期141.4从两场标志性人机博弈看人工智能的发展151.4.1人工智能研究中的小白鼠151.4.2深蓝战胜国际象棋棋王卡斯帕罗夫151.4.3阿尔法狗无师自通横扫世界围棋大师171.5人工智能研究的基本内容191.6人工智能的主要应用领域211.7人工智能伦理361.7.1人工智能伦理的提出与发展371.7.2人工智能伦理的典型案例与成因分析381.7.3人工智能伦理的治理原则401.7.4人工智能伦理的治理措施421.8本章小结44讨论题44人工智能应用教程目录第2章知识表示与知识图谱452.1你了解人类知识吗452.1.1什么是知识452.1.2知识的相对正确性462.1.3知识的不确定性472.1.4计算机表示知识的方法492.2一阶谓词逻辑表示法502.2.1命题502.2.2谓词512.2.3谓词公式532.2.4一阶谓词逻辑知识表示方法562.2.5一阶谓词逻辑表示法的特点572.3产生式表示法582.3.1产生式592.3.2产生式系统602.3.3产生式表示法的特点622.4框架表示法632.4.1框架的一般结构642.4.2用框架表示知识的例子652.4.3框架表示法的特点682.5知识图谱682.5.1知识图谱的提出692.5.2知识图谱的定义692.5.3知识图谱的表示712.5.4知识图谱的架构722.5.5知识图谱的典型应用722.6本章小结74讨论题76习题77第3章模拟人类思维的推理方法783.1推理的定义783.2推理的分类793.2.1从推出知识的路径分类793.2.2从知识的确定性分类813.3推理的方向813.3.1正向推理823.3.2逆向推理843.3.3混合推理853.4推理中的冲突消解策略873.5基于谓词逻辑的确定性推理903.5.1自然演绎推理903.5.2鲁滨逊归结原理923.5.3归结反演933.5.4归结求解963.6基于统计分析的不确定性推理993.6.1不确定性推理的概念993.6.2可信度方法1033.6.3可信度方法举例1063.7基于模糊理论的不确定性推理1073.7.1模糊逻辑的提出与发展1073.7.2模糊集合的定义与表示1093.7.3隶属函数1113.7.4模糊关系1133.7.5模糊关系的合成1153.7.6模糊推理1163.7.7模糊决策1173.7.8模糊推理的应用1183.8本章小结119讨论题121习题121第4章搜索策略1254.1搜索的概念1254.2如何用状态空间表示搜索对象1264.2.1状态空间知识表示方法1264.2.2状态空间的图描述1284.3回溯策略1314.4盲目的图搜索策略1334.4.1宽度优先搜索策略1334.4.2深度优先搜索策略1344.5启发式图搜索策略1374.5.1启发式策略1374.5.2启发信息和估价函数1404.5.3A搜索算法1424.5.4A搜索算法1434.5.5蒙特卡洛树搜索算法1454.6本章小结147讨论题148习题149第5章模拟生物进化的遗传算法1505.1进化算法的生物学背景1505.2遗传算法1525.2.1遗传算法的发展历史1525.2.2遗传算法的基本思想1535.2.3编码1545.2.4种群设定1565.2.5适应度函数1575.2.6选择1585.2.7交叉1615.2.8变异1635.3遗传算法的主要改进算法1645.3.1双倍体遗传算法1655.3.2双种群遗传算法1665.3.3自适应遗传算法1675.4基于遗传算法的生产调度方法1695.4.1基于遗传算法的流水车间调度方法1695.4.2基于遗传算法的混合流水车间调度方法1715.5本章小结176讨论题177习题178第6章模拟生物群体行为的群智能算法1796.1群智能算法的生物学背景1796.2模拟鸟群行为的粒子群优化算法1816.2.1基本粒子群优化算法1816.2.2粒子群优化算法的应用1836.3模拟蚁群行为的蚁群优化算法1856.3.1蚁群优化算法的生物学背景1866.3.2基本蚁群优化算法1866.3.3蚁群优化算法的应用1906.4本章小结192讨论题193第7章模拟生物神经系统的人工神经网络1947.1人工神经元与人工神经网络1947.1.1生物神经元结构1947.1.2生物神经元的数学模型1957.1.3人工神经网络的结构与学习1977.2机器学习的先驱赫布学习规则1987.3掀起人工神经网络第一次高潮的感知器2007.4掀起人工神经网络第二次高潮的BP学习算法2027.4.1BP学习算法的提出2027.4.2BP神经网络2037.4.3BP学习算法2047.4.4BP学习算法在模式识别中的应用2077.5本章小结209讨论题209习题210第8章机器学习与深度学习2138.1机器学习的基本概念2138.1.1学习2138.1.2机器学习2148.1.3学习系统2148.1.4机器学习的发展2178.2机器学习的分类2188.2.1机器学习的一般分类方法2188.2.2监督学习与无监督学习2208.2.3弱监督学习2228.3知识发现与数据挖掘2258.3.1知识发现与数据挖掘的概念2268.3.2知识发现的一般过程2268.3.3知识发现的任务2278.3.4知识发现的对象2288.4动物视觉机理与深度学习的提出2308.4.1浅层学习的局限性2308.4.2深度学习的提出2318.5卷积神经网络与胶囊网络2338.5.1卷积神经网络的结构2338.5.2卷积的物理、生物与生态学等意义2348.5.3卷积神经网络的卷积运算2358.5.4卷积神经网络中的关键技术2378.5.5卷积神经网络的应用2408.5.6胶囊网络2418.5.7基于深度学习的计算机视觉2448.6生成对抗网络及其应用2468.6.1生成对抗网络的基本原理2478.6.2生成对抗网络的结构与训练2488.6.3生成对抗网络在图像处理中的应用2508.6.4生成对抗网络在语言处理中的应用2548.6.5生成对抗网络在视频生成中的应用2588.6.6生成对抗网络在医疗中的应用2598.7本章小结260讨论题262习题262第9章专家系统2639.1专家系统的产生和发展2639.2专家系统的概念2659.2.1专家系统的定义2659.2.2专家系统的特点2669.2.3专家系统的类型2689.3专家系统的工作原理2699.3.1专家系统的一般结构2699.3.2知识库2709.3.3推理机2719.3.4综合数据库2719.3.5知识获取机构2719.3.6解释机构2729.3.7人机接口2739.4简单的动物识别专家系统2739.4.1知识库建立2739.4.2综合数据库建立和推理过程2759.5专家系统开发工具骨架系统2769.5.1骨架系统的概念2769.5.2EMYCIN骨架系统2779.5.3KAS骨架系统2789.6专家系统开发环境2809.7本章小结281讨论题282第10章自然语言理解28310.1自然语言理解的概念与发展28310.1.1自然语言理解的概念28310.1.2自然语言理解的发展历史28410.2语言处理过程的层次28710.3机器翻译方法概述28910.4循环神经网络29310.4.1循环神经网络的结构29310.4.2循环神经网络的训练29410.4.3长短期记忆神经网络29510.5基于循环神经网络的机器翻译29510.6语音识别29710.6.1语音识别的概念29710.6.2语音识别的主要过程29810.6.3语音识别的方法30110.7本章小结302讨论题303附录A人工智能实验指导书304实验1产生式系统实验304实验2洗衣机模糊推理系统实验305实验3A算法求解N数码问题实验306实验4A算法求解迷宫寻路问题实验308实验5遗传算法求函数最大值实验309实验6遗传算法求解TSP问题实验312实验7粒子群算法求函数最小值实验314实验8蚁群算法求解TSP问题实验315实验9BP神经网络分类实验315实验10卷积神经网络分类实验316实验11胶囊网络分类实验317实验12用生成对抗网络生成数字图像实验318
平台介绍|荣誉资质|联系我们|出版社登陆