- 电子工业出版社
- 9787121367304
- 1
- 349805
- 16开
- 2020年7月
- 196
- 计算机应用技术
- 高职高专
作者简介
内容简介
本书可作为通识性选修课程的教学用书。本书内容包括人工智能的概念、知识工程、确定性和不确定性推理、搜索技术、机器学习、人工神经网络与深度学习、自然语言处理、多智能体系统等。全书弱化理论知识，以了解性内容为主。通过本书的学习，可使所有相关专业学生对人工智能有一个基础性的认识，方便后续相关课程的学习。
目录
第1章 绪论 1
1.1 人工智能的概念 1
1.2 人工智能发展简史 2
1.3 人工智能的研究领域 4
1.3.1 专家系统 4
1.3.2 自然语言理解 5
1.3.3 机器学习 5
1.3.4 自动定理证明 6
1.3.5 自动程序设计 6
1.3.6 分布式人工智能 6
1.3.7 机器人学 7
1.3.8 模式识别 7
1.3.9 博弈 8
1.3.10 计算机视觉 8
1.3.11 软计算 9
1.3.12 智能控制 9
1.3.13 智能规划 10
1.4 人工智能的应用 10
1.4.1 智能安防 10
1.4.2 无人驾驶 12
1.5 人工智能的影响 15
本章小结 15
习题 16
第2章 知识工程 17
2.1 概述 17
2.2 知识表示方法 18
2.2.1 谓词逻辑表示法 19
2.2.2 产生式表示法 21
2.2.3 语义网络表示法 23
2.2.4 框架表示法 29
2.2.5 面向对象表示法 32
2.2.6 知识表示的一般性方法及选取 32
2.3 知识获取与管理 34
2.3.1 知识获取 34
2.3.2 知识获取的基本过程 35
2.3.3 知识获取的辅助工具 38
2.3.4 知识库管理 39
2.4 专家系统 41
2.4.1 专家系统概述 41
2.4.2 专家系统的结构 43
2.4.3 专家系统的工作原理 45
习题 46
第3章 确定性和不确定性推理 47
3.1 概述 47
3.1.1 推理的定义 48
3.1.2 推理方式及其分类 48
3.1.3 推理方向 50
3.1.4 冲突消解策略 53
3.2 自然演绎推理 54
3.2.1 自然演绎推理的基本概念 54
3.2.2 利用自然演绎推理解决问题 55
3.3 归结演绎推理 57
3.3.1 谓词公式与子句集 57
3.3.2 鲁宾逊归结原理 60
3.3.3 归结反演 62
3.3.4 用归结反演解决实际问题 64
3.4 与/或形演绎推理 65
3.4.1 与/或形正向演绎推理 66
3.4.2 与/或形逆向演绎推理 67
3.4.3 与/或形双向演绎推理 70
3.5 不确定性推理 71
3.5.1 不确定性推理的基本概念 72
3.5.2 可信度方法 73
3.5.3 证据理论 76
3.5.4 模糊推理方法 80
本章小结 87
习题 89
第4章 搜索技术 91
4.1 搜索技术概述 91
4.2 图搜索策略 92
4.2.1 状态图知识表示 92
4.2.2 状态图搜索 93
4.3 盲目搜索 95
4.3.1 宽度优先搜索 95
4.3.2 深度优先搜索 96
4.4 启发式搜索 98
4.4.1 概念释义 98
4.4.2 估价函数 98
4.4.3 启发式搜索算法A 98
4.4.4 A*算法 102
4.5 博弈搜索 112
4.5.1 博弈概述 112
4.5.2 极小极大分析法 113
4.5.3 α-β剪枝技术 113
本章小结 114
习题 115
第5章 机器学习 116
5.1 机器学习的发展 116
5.1.1 什么是机器学习 116
5.1.2 机器学习的发展历史和研究现状 117
5.2 监督学习 119
5.2.1 监督学习的分类 119
5.2.2 监督学习的主要算法 120
5.3 无监督学习 125
5.4 弱监督学习 127
本章小结 129
习题 129
第6章 人工神经网络与深度学习 130
6.1 神经网络简介 130
6.1.1 神经网络概述 130
6.1.2 神经网络的发展史 130
6.2 神经元与神经网络 132
6.2.1 神经元 132
6.2.2 神经网络 133
6.3 BP神经网络及其学习算法 134
6.3.1 BP神经网络 134
6.3.2 BP神经网络模型 135
6.3.3 BP神经网络学习算法 135
6.4 深度学习的应用 137
6.4.1 深度学习概念 137
6.4.2 计算机视觉的应用 138
6.4.3 语音识别的应用 139
6.4.4 自然语言处理的应用 139
习题 140
第7章 自然语言处理 141
7.1 概述 141
7.1.1 自然语言理解研究的发展 141
7.1.2 自然语言处理过程的层次 143
7.2 机器翻译 146
7.2.1 机器翻译的发展 146
7.2.2 机器翻译的方法 147
7.3 自然语言人机交互 149
7.3.1 文本人机交互 150
7.3.2 语音人机交互 150
7.4 智能问答 151
7.4.1 问答系统的定义 152
7.4.2 问答系统的处理过程 152
7.4.3 早期的问答系统 152
7.4.4 开放式问答系统 153
第8章 多智能体系统 154
8.1 智能体简介 154
8.1.1 智能体的定义 154
8.1.2 智能体的特征 155
8.1.3 智能体的应用 156
8.1.4 智能体的基本结构和工作过程 156
8.1.5 智能体环境的多样性 156
8.1.6 智能体的分类 158
8.2 多智能体协商 159
8.3 多智能体学习 161
8.3.1 多智能体强化学习 161
8.3.2 多智能体强化学习基本算法 161
本章小结 162
习题 162
第9章 人工智能综合应用 163
9.1 嵌入式人工智能综合开发平台介绍 163
9.2 嵌入式沙盘介绍 164
9.3 功能介绍 165
9.3.1 语音识别与处理 166
9.3.2 图像识别与处理 169
9.4 嵌入式人工智能综合开发平台结果展示 174
9.4.1 任务要求 174
9.4.2 图像识别及平台展示 176
本章小结 179
习题 179
参考文献 180
1.1 人工智能的概念 1
1.2 人工智能发展简史 2
1.3 人工智能的研究领域 4
1.3.1 专家系统 4
1.3.2 自然语言理解 5
1.3.3 机器学习 5
1.3.4 自动定理证明 6
1.3.5 自动程序设计 6
1.3.6 分布式人工智能 6
1.3.7 机器人学 7
1.3.8 模式识别 7
1.3.9 博弈 8
1.3.10 计算机视觉 8
1.3.11 软计算 9
1.3.12 智能控制 9
1.3.13 智能规划 10
1.4 人工智能的应用 10
1.4.1 智能安防 10
1.4.2 无人驾驶 12
1.5 人工智能的影响 15
本章小结 15
习题 16
第2章 知识工程 17
2.1 概述 17
2.2 知识表示方法 18
2.2.1 谓词逻辑表示法 19
2.2.2 产生式表示法 21
2.2.3 语义网络表示法 23
2.2.4 框架表示法 29
2.2.5 面向对象表示法 32
2.2.6 知识表示的一般性方法及选取 32
2.3 知识获取与管理 34
2.3.1 知识获取 34
2.3.2 知识获取的基本过程 35
2.3.3 知识获取的辅助工具 38
2.3.4 知识库管理 39
2.4 专家系统 41
2.4.1 专家系统概述 41
2.4.2 专家系统的结构 43
2.4.3 专家系统的工作原理 45
习题 46
第3章 确定性和不确定性推理 47
3.1 概述 47
3.1.1 推理的定义 48
3.1.2 推理方式及其分类 48
3.1.3 推理方向 50
3.1.4 冲突消解策略 53
3.2 自然演绎推理 54
3.2.1 自然演绎推理的基本概念 54
3.2.2 利用自然演绎推理解决问题 55
3.3 归结演绎推理 57
3.3.1 谓词公式与子句集 57
3.3.2 鲁宾逊归结原理 60
3.3.3 归结反演 62
3.3.4 用归结反演解决实际问题 64
3.4 与/或形演绎推理 65
3.4.1 与/或形正向演绎推理 66
3.4.2 与/或形逆向演绎推理 67
3.4.3 与/或形双向演绎推理 70
3.5 不确定性推理 71
3.5.1 不确定性推理的基本概念 72
3.5.2 可信度方法 73
3.5.3 证据理论 76
3.5.4 模糊推理方法 80
本章小结 87
习题 89
第4章 搜索技术 91
4.1 搜索技术概述 91
4.2 图搜索策略 92
4.2.1 状态图知识表示 92
4.2.2 状态图搜索 93
4.3 盲目搜索 95
4.3.1 宽度优先搜索 95
4.3.2 深度优先搜索 96
4.4 启发式搜索 98
4.4.1 概念释义 98
4.4.2 估价函数 98
4.4.3 启发式搜索算法A 98
4.4.4 A*算法 102
4.5 博弈搜索 112
4.5.1 博弈概述 112
4.5.2 极小极大分析法 113
4.5.3 α-β剪枝技术 113
本章小结 114
习题 115
第5章 机器学习 116
5.1 机器学习的发展 116
5.1.1 什么是机器学习 116
5.1.2 机器学习的发展历史和研究现状 117
5.2 监督学习 119
5.2.1 监督学习的分类 119
5.2.2 监督学习的主要算法 120
5.3 无监督学习 125
5.4 弱监督学习 127
本章小结 129
习题 129
第6章 人工神经网络与深度学习 130
6.1 神经网络简介 130
6.1.1 神经网络概述 130
6.1.2 神经网络的发展史 130
6.2 神经元与神经网络 132
6.2.1 神经元 132
6.2.2 神经网络 133
6.3 BP神经网络及其学习算法 134
6.3.1 BP神经网络 134
6.3.2 BP神经网络模型 135
6.3.3 BP神经网络学习算法 135
6.4 深度学习的应用 137
6.4.1 深度学习概念 137
6.4.2 计算机视觉的应用 138
6.4.3 语音识别的应用 139
6.4.4 自然语言处理的应用 139
习题 140
第7章 自然语言处理 141
7.1 概述 141
7.1.1 自然语言理解研究的发展 141
7.1.2 自然语言处理过程的层次 143
7.2 机器翻译 146
7.2.1 机器翻译的发展 146
7.2.2 机器翻译的方法 147
7.3 自然语言人机交互 149
7.3.1 文本人机交互 150
7.3.2 语音人机交互 150
7.4 智能问答 151
7.4.1 问答系统的定义 152
7.4.2 问答系统的处理过程 152
7.4.3 早期的问答系统 152
7.4.4 开放式问答系统 153
第8章 多智能体系统 154
8.1 智能体简介 154
8.1.1 智能体的定义 154
8.1.2 智能体的特征 155
8.1.3 智能体的应用 156
8.1.4 智能体的基本结构和工作过程 156
8.1.5 智能体环境的多样性 156
8.1.6 智能体的分类 158
8.2 多智能体协商 159
8.3 多智能体学习 161
8.3.1 多智能体强化学习 161
8.3.2 多智能体强化学习基本算法 161
本章小结 162
习题 162
第9章 人工智能综合应用 163
9.1 嵌入式人工智能综合开发平台介绍 163
9.2 嵌入式沙盘介绍 164
9.3 功能介绍 165
9.3.1 语音识别与处理 166
9.3.2 图像识别与处理 169
9.4 嵌入式人工智能综合开发平台结果展示 174
9.4.1 任务要求 174
9.4.2 图像识别及平台展示 176
本章小结 179
习题 179
参考文献 180
