人工智慧演算法導論

㈠ 史忠植《人工智慧》是不是人工智慧導論

本書系統地介紹人工智慧的基本原理、方法和應用技術，全面地反映了國內外人工智慧研究領域的當前進展和發展方向。全書共12章。第1章簡要介紹人工智慧的概況。第2—6章闡述人工智慧的基本原理和方法，重點論述知識表示、搜索演算法、自動推理、機器學習和神經網路等。第7、8章介紹專家系統、自然語言處理等應用技術。[1]第9—11章闡述當前人工智慧的研究熱點，包括多智能體系統、智能機器人和互聯網智能等。第12章探討類腦智能，展望人工智慧發展的路線圖。 本書力求科學性、實用性和先進性、可讀性好。內容由淺入深，循序漸進，條理清晰，讓學生在有限的時間內，掌握人工智慧的基本原理與應用技術，提高對人工智慧問題的求解能力。 本書可以作為高等院校人工智慧、智能科學與技術、計算機科學與技術、自動化等相關專業的本科生、研究生、培訓班的人工智慧課程教材，也可以供從事人工智慧研究與應用的科技人員學習參考。[1]
圖書目錄
前言
第1章緒論
1.1人工智慧的定義
1.2人工智慧的發展史
1.3主要研究內容
1.4人工智慧的主要學派
1.4.1符號主義
1.4.2連接主義
1.4.3行為主義
1.5人工智慧的應用
1.6本章小結
習題
第2章知識表示
2.1引言
2.2謂詞邏輯表示法
2.2.1一階謂詞邏輯
2.2.2知識的謂詞邏輯表示法
2.3產生式表示法
2.3.1事實的表示
2.3.2規則的表示
2.4語義網路表示法
2.4.1語義網路的概念和結構
2.4.2常用的語義聯系
2.5框架表示法
2.5.1框架結構
2.5.2框架網路
2.6狀態空間表示法
2.7本體表示法
2.8本章小結
習題
第3章搜索演算法
3.1引言
3.2盲目搜索
3.2.1深度優先搜索
3.2.2寬度優先搜索
3.3啟發式搜索
3.3.1啟發性信息和評估函數
3.3.2通用圖搜索演算法
3.3.3A*演算法
3.4博弈搜索
3.4.1極大極小過程
3.4.2α-β過程
3.5本章小結
習題
第4章自動推理
4.1引言
4.2三段論推理
4.3自然演繹推理
4.4歸結演繹推理
4.4.1子句型
4.4.2置換和合一
4.4.3合一演算法
4.4.4歸結式
4.4.5歸結反演
4.4.6答案的提取
4.4.7歸結反演的搜索策略
4.5產生式系統
4.5.1產生式系統的基本結構
4.5.2正向推理
4.5.3反向推理
4.5.4混合推理
4.6本章小結
習題
第5章機器學習
5.1引言
5.1.1簡單的學習模型
5.1.2什麼是機器學習
5.1.3機器學習的研究概況
5.2歸納學習
5.3類比學習
5.3.1相似性
5.3.2基於案例的推理
5.3.3遷移學習
5.4統計學習
5.4.1邏輯回歸
5.4.2支持向量機
5.5聚類
5.6強化學習
5.6.1強化學習模型
5.6.2Q-學習
5.7進化計算
5.8群體智能
5.8.1蟻群演算法
5.8.2粒子群優化
5.9本章小結
習題
第6章人工神經網路與深度學習
6.1引言
6.2前饋神經網路
6.3深度學習
6.4卷積神經網路
6.5生成對抗網路
6.6深度強化學習
6.7本章小結
習題
第7章專家系統
7.1引言
7.1.1什麼是專家系統
7.1.2專家系統的發展過程
7.2專家系統的基本結構
7.3專家系統MYCIN
7.3.1咨詢子系統
7.3.2靜態資料庫
7.3.3控制策略
7.3.4不確定性推理
7.4專家系統開發工具
7.4.1OKPS中的知識表示
7.4.2推理控制語言ICL
7.5專家系統應用
7.6本章小結
習題
第8章自然語言處理
8.1引言
8.2自然語言處理的層次
8.3機器翻譯
8.4對話系統
8.5問答系統
8.6文本生成
8.7本章小結
習題
第9章多智能體系統
9.1引言
9.2智能體結構
9.2.1慎思智能體
9.2.2反應智能體
9.2.3層次智能體
9.3智能體通信語言ACL
9.4協調和協作
9.4.1合同網
9.4.2基於生態學的協作
9.4.3基於博弈論的協商
9.5移動智能體
9.6本章小結
習題
第10章智能機器人
10.1引言
10.2機器人的智能技術
10.2.1智能感知技術
10.2.2智能導航與規劃
10.2.3智能控制與操作
10.2.4情感計算
10.2.5智力發育
10.2.6智能交互
10.3智能機器人應用
10.4智能機器人發展趨勢
10.5本章小結
習題
第11章互聯網智能
11.1引言
11.2語義Web
11.2.1語義Web的層次模型
11.2.2Web技術演化
11.3本體知識管理
11.4搜索引擎
11.5知識圖譜
11.5.1知識圖譜的定義
11.5.2知識圖譜的架構
11.5.3知識圖譜的構建
11.5.4知識圖譜的應用
11.6集體智能
11.6.1集體智能的定義
11.6.2社群智能
11.6.3集體智能系統
11.6.4全球腦
11.7本章小結
習題
第12章類腦智能
12.1引言
12.2大數據智能
12.3腦科學與類腦研究
12.3.1歐盟人腦計劃
12.3.2美國腦計劃
12.3.3中國腦計劃
12.4神經形態晶元
12.5類腦智能路線圖
習題

㈡ 大數據導論與人工智慧導論有什麼區別

人工智慧導論和大數據導論的區別
大數據相當於人的大腦從小學到大學記憶和存儲的海量知識，這些知識只有通過消化，吸收、再造才能創造出更大的價值。

人工智慧打個比喻為一個人吸收了人類大量的知識，不斷的深度學習、進化成為一方高人。人工智慧離不開大數據，更是基於雲計算平台完成深度學習進化。

人工智慧是基於大數據的支持和採集，運用於人工設定的特定性能和運算方式來實現的，大數據是不斷採集、沉澱、分類等數據積累。

與以前的眾多數據分析技術相比，人工智慧技術立足於神經網路，同時發展出多層神經網路，從而可以進行深度機器學習。與以外傳統的演算法相比，這一演算法並無多餘的假設前提（比如線性建模需要假設數據之間的線性關系），而是完全利用輸入的數據自行模擬和構建相應的模型結構。這一演算法特點決定了它是更為靈活的、且可以根據不同的訓練數據而擁有自優化的能力。

但這一顯著的優點帶來的便是顯著增加的運算量。在計算機運算能力取得突破以前，這樣的演算法幾乎沒有實際應用的價值。大概十幾年前，我們嘗試用神經網路運算一組並不海量的數據，整整等待三天都不一定會有結果。但今天的情況卻大大不同了。高速並行運算、海量數據、更優化的演算法共同促成了人工智慧發展的突破。這一突破，如果我們在三十年以後回頭來看，將會是不弱於互聯網對人類產生深遠影響的另一項技術，它所釋放的力量將再次徹底改變我們的生活。

㈢ 人工智慧導論的內容簡介

為了詳盡地闡述人工智慧的核心知識，必須有一條主線將這些知識串聯起來。本書所確定的主線是從實現人工智慧的角度，將有關知識劃分為哲學基礎和工程實踐兩大塊。哲學基礎是實現人工智慧的不同哲學思想和在相應思想指導下的具體方法；工程實踐則是有關方法在實際問題中的應用和集成，以及方法實現所需要的軟硬體條件。

㈣ 人工智慧導論的目錄

1.1智能
1.2人工智慧
1.2.1 如何衡量機器是否具有智能
1.2.2人工智慧的研究目標
1.2.3人工智慧的研究和應用領域
1.3人工智慧發展簡史
1.3.1 孕育期（1956年以前）
1.3.2形成期（1956年——1970年）
1.3.3 知識工程時代（1970年至20世紀80年代初）
1.3.4發展期（20世紀80年代初至今）
1.4人工智慧的實現途徑
1.4.1符號主義
1.4.2連接主義
1.4.3學習主義
1.4.4行為主義
1.4.5進化主義
1.4.6群體主義
1.5本書的內容與組織
小結
深入學習資源
習題
符號主義 2.1搜索概述
2.2問題求解
2.2.1狀態空間
2.2.2與或圖
2.3圖搜索
2.3.1 圖搜索演算法的一般結構
2.3.2盲目圖搜索
2.3.3啟發式圖搜索
2.4博弈搜索
2.4.1博弈樹
2.4.2極大極小搜索
2.4.3 α－β口剪枝
小結
深入學習資源
習題 3.1推理概述
3.1.1推理方式
3.1.2推理控制策略
3.2知識及其表示
3.2.1 知識
3.2.2知識的表示
3.3知識表示方法
3.3.1 一階謂詞邏輯表示法
3.3.2產生式表示法
3.3.3其他知識表示方法
3.4經典邏輯推理的邏輯基礎
3.4.1推理規則
3.4.2 範式
3.4.3置換與合一
3.4.4自然演繹推理
3.5歸結演繹推理
3.5.1 子句集及其轉化方法
3.5.2 歸結原理
3.5.3命題邏輯的歸結反演
3.5.4謂詞邏輯的歸結反演
……
連接主義
學習主義
行為主義
進化主義
群體主義
智能系統
附錄1 漢英－英漢術語對照與索引
附錄2 漢英－英漢人名對照與索引
參考文獻

㈤ 人工智慧技術導論的內容簡介

本書全面系統地介紹了人工智慧技術的基本概念和原理，勾畫了人工智慧學科知識體系的基本框架。全書共分為6篇。第1篇：概述與工具，概要介紹人工智慧學科的知識體系、分支領域和研究方向；第2篇：搜索與求解，介紹圖搜索與問題求解及基於遺傳演算法的隨機優化搜索；第3篇：知識與推理，介紹一些常見知識表示和不確定性知識表示及其推理；第4篇：學習與發現，介紹機器學習、知識發現與數據挖掘的基本原理和方法；第5篇：感知與交流，簡介模式識別和自然語言理解的基本原理；第6篇：系統與建造，主要介紹專家系統、Agent系統、智能化網路和智能機器人的設計與實現技術。
本書為「十一五」國家級規劃教材，適應專業為計算機、自動化、智能科學與技術、軟體、電子、信息、管理、控制及系統工程等，本書也可作為非計算機類專業的研究生教材或教學參考書，亦可供其他專業的師生和相關科研及工程技術人員自學或參考。

㈥ 人工智慧需要學習哪些課程

人工智慧專業學習的主要課程有認知心理學、神經科學基礎、人類的記憶與學習、語言與思維、計算神經工程等。人工智慧專業是中國高校人才計劃設立的專業，旨在培養中國人工智慧產業的應用型人才，推動人工智慧一級學科建設。

㈦ 人工智慧技術導論的目錄

第1篇 概 述 與 工 具
第1章 人工智慧概述
1.1 什麼是人工智慧
1.2 人工智慧的研究意義、 目標和策略
1.3 人工智慧的學科範疇
1.4 人工智慧的研究內容
1.5 人工智慧的研究途徑與方法
1.6 人工智慧的基本技術
1.7 人工智慧的應用
1.8 人工智慧的分支領域與研究方向
1.9 人工智慧的發展概況
習題一
第2章 邏輯程序設計語言PROLOG
2.1 基本PROLOG
2.2 Turbo PROLOG程序設計
習題二
第2篇 搜索與求解
第3章 圖搜索與問題求解
3.1 狀態圖搜索
3.2 狀態圖搜索問題求解
3.3 與或圖搜索
3.4 與或圖搜索問題求解
3.5 博弈樹搜索
習題三
第4章 基於遺傳演算法的隨機優化搜索
4.1 基本概念
4.2 基本遺傳演算法
4.3 遺傳演算法應用舉例
4.4 遺傳演算法的特點與優勢
習題四
第3篇 知識與推理
第5章 基於謂詞邏輯的機器推理
5.1 一階謂詞邏輯
5.2 歸結演繹推理
5.3 應用歸結原理求取問題答案
5.4 歸結策略
5.5 歸結反演程序舉例
5.6 Horn子句歸結與邏輯程序
5.7 非歸結演繹推理
習題五
第6章 基於產生式規則的機器推理
第7章 幾種結構化知識表示及其推理
第8章 不確定性知識的表示與推理
第4篇 學習與發現
第9章 機器學習與知識發現
第5篇 感知與交流
第10章 模式識別
第11章 自然語言理解
第6篇 系統與建造
第12章 專家系統
第13章 Agent系統
第14章 智能計算機與智能化網路
第15章 智能機器人
第16章 智能程序設計語言
上機實習指導
中英文名詞對照及索引
參考文獻

㈧ 人工智慧導論的介紹

本書旨在向讀者介紹人工智慧的核心知識與最新進展，使讀者建立起對於人工智慧的總體認識，為以後進入人工智慧各分支的研究和應用奠定基礎。人工智慧是一個龐雜的學科體系，從概念上講，一切為復制生物智能而做出的努力都可納入其中。如何能夠系統、全面、簡潔地描述人工智慧的全貌而不顯得凌亂，絕非易事。編者在為本科生講授「人工智慧基礎」課程時，就感到涵蓋自己所欲講授全部內容的教材或書籍尚不多見，需要查閱許多不同資料才能獲取相關信息，於是萌生撰寫此書的念頭，並一路堅持下來，直至此書面世。