人工智慧智能系統指南pdf

㈠ 人工智慧智能系統指南的目錄

出版者的話
專家指導委員會
譯者序
序
第2版序
致謝
第1章 基於知識的智能系統概述
1.1 智能機器概述
1.2 人工智慧發展歷史
1.3 小結
復習題
參考文獻
第2章 基於規則的專家系統
2.1 知識概述
2.2 規則是一種知識表達技術
2.3 專家系統研發團隊中的主要參與者
2.4 基於規則的專家系統的結構
2.5 專家系統的基本特徵
2.6 前向鏈接和後向鏈接推理技術
2.7 實例
2.8 沖突的解決方案
2.9 基於規則的專家系統的優缺點
2.10 小結
復習題
參考文獻
第3章 基於規則的專家系統的不確定管理
3.1 不確定性簡介
3.2 基本概率論
3.3 貝葉斯推理
3.4 FORECAST：貝葉斯證據累積
3.5 貝葉斯方法的偏差
3.6 確定因子理論和證據推理
3.7 FORECAST：確定因子的應用
3.8 貝葉斯推理和確定因子的比較
3.9 小結
復習題
參考文獻
第4章 模糊專家系統
4.1 概述
4.2 模糊集
4.3 語言變數和模糊限制語
4.4 模糊集的操作
4.5 模糊規則
4.6 模糊推理
4.7 建立模糊專家系統
4.8 小結
復習題
參考文獻
參考書目
第5章 基於框架的專家系統
5.1 框架簡介
5.2 作為知識表達技術的框架
5.3 基於框架系統中的繼承
5.4 方法和守護程序
5.5 框架和規則的交互
5.6 基於框架的專家系統實例：Buy Smart
5.7 小結
復習題
參考文獻
參考書目
第6章 人工神經網路
6.1 人腦工作機制簡介
6.2 作為簡單計算元素的神經元
6.3 感知器
6.4 多層神經網路
6.5 多層神經網路的加速學習
6.6 Hopfield神經網路
6.7 雙向相關記憶
6.8 自組織神經網路
6.9 小結
復習題
參考文獻
第7章 進化計算
7.1 進化是智能的嗎
7.2 模擬自然進化
7.3 遺傳演算法
7.4 遺傳演算法如何工作
7.5 實例：用遺傳演算法來維護計劃
7.6 進化策略
7.7 遺傳編程
7.8 小結
復習題
參考文獻
參考書目
第8章 混合智能系統
8.1 概述
8.2 神經專家系統
8.3 神經模糊系統
8.4 ANFIS：自適應性神經模糊推理系統
8.5 進化神經網路
8.6 模糊進化系統
8.7 小結
復習題
參考文獻
第9章 知識工程和數據挖掘
9.1 知識工程簡介
9.2 專家系統可以解決的問題
9.3 模糊專家系統可以解決的問題
9.4 神經網路可以解決的問題
9.5 遺傳演算法可以解決的問題
9.6 混合智能系統可以解決的問題
9.7 數據挖掘和知識發現
9.8 小結
復習題
參考文獻
術語表
附錄 人工智慧工具和廠商

㈡ 如何自學人工智慧

數學知識
我想在大多數學校里，數學都是理工科學生的必修課，微積分、線性代數、概率論與數理統計，這些都比較基礎實用，我覺得這個數學基礎對入門人工智慧足夠了，人工智慧應用數學最多的也就是求導、矩陣的運算和分解、概率的統計與分析。
編程能力
工欲善其事、必先利其器，人工智慧方向編程語言使用最多的應該就是Python了，在很多學校理工科學生應該都會必修一門編程課，有的是C，有的是C++，就算這些都沒用過，也應該對Matlab了解一些，我覺得有一些編程基礎入門Python算是比較簡單的，網上資源很多，社區支持也很強大。
機器學習
我這里所說的機器學習是廣義上的機器學習，涵蓋深度學習。無論是做傳統的機器學習回歸和分類，還是做深度學習，無論是做計算機視覺，還是做自然語言處理，都離不開機器學習，後面我會介紹一些我認為比較好的學習資源，對於機器學習，我劃分為兩個方面：(1) 框架層面；(2) 理論層面。

㈢ 有哪些關於人工智慧的書籍可供推薦

看到這個問題有點小興奮，我來推薦一份人工智慧書單。

1、機器學習精講

機器學習原理演算法與應用教程，精簡機器學習入門手冊，美亞機器學習深度學習暢銷書，全彩印刷，掃描書中二維碼可閱讀補充內容，人工智慧和機器學習領域眾多知名專家推薦。

2、動手學深度學習

目前市面上有關深度學習介紹的書籍大多可分兩類，一類側重方法介紹，另一類側重實踐和深度學習工具的介紹。本書同時覆蓋方法和實踐。本書不僅從數學的角度闡述深度學習的技術與應用，還包含可運行的代碼，為讀者展示如何在實際中解決問題。

為了給讀者提供一種互動式的學習體驗，本書不但提供免費的教學視頻和討論區，而且提供可運行的Jupyter記事本文件，充分利用Jupyter記事本能將文字、代碼、公式和圖像統一起來的優勢。這樣不僅直接將數學公式對應成實際代碼，而且可以修改代碼、觀察結果並及時獲取經驗，從而帶給讀者全新的、互動式的深度學習的學習體驗。

3、深度學習

本書囊括了數學及相關概念的背景知識，包括線性代數、概率論、資訊理論、數值優化以及機器學習中的相關內容。同時，它還介紹了工業界中實踐者用到的深度學習技術，包括深度前饋網路、正則化、優化演算法、卷積網路、序列建模和實踐方法等。

並且調研了諸如自然語言處理、語音識別、計算機視覺、在線推薦系統、生物信息學以及視頻游戲方面的應用。最後，本書還提供了一些研究方向，涵蓋的理論主題包括線性因子模型、自編碼器、表示學習、結構化概率模型、蒙特卡羅方法、配分函數、近似推斷以及深度生成模型。

4、人工智慧（第2版）

本書是作者結合多年教學經驗、精心撰寫的一本人工智慧教科書，堪稱「人工智慧的網路全書」。全書涵蓋了人工智慧簡史、搜索方法、知情搜索、博弈中的搜索、人工智慧中的邏輯、知識表示、產生式系統、專家系統、機器學習和神經網路、遺傳演算法、自然語言處理、自動規劃、機器人技術、高級計算機博弈、人工智慧的歷史和未來等主題。

5、Python 神經網路編程

本書將帶領您進行一場妙趣橫生卻又有條不紊的旅行——從一個非常簡單的想法開始，逐步理解神經網路的工作機制。您無需任何超出中學范圍的數學知識，並且本書還給出易於理解的微積分簡介。本書的目標是讓盡可能多的普通讀者理解神經網路。讀者將學習使用Python開發自己的神經網路，訓練它識別手寫數字，甚至可以與專業的神經網路相媲美。

㈣ 人工智慧入門書籍

人工智慧是計算機科學的一個分支，並不是一個單一學科，圖像識別、自然語言處理、機器人、語言識別、專家系統等等，每一個研究都富有挑戰。對人工智慧感興趣，但無法確定具體方向，如何了解人工智慧現狀和研究領域？

筆者推薦4本科普書，對於大多數人來說，閱讀難度不高，公式和理論少，內容有趣，能讀得下去；信息較新鮮且全，要有一定閱讀價值，能夠有深入的思考當然更好。書單不長，只用做科普入門。

1、《超級智能》

2、《我們最後的發明：人工智慧與人類時代的終結》

3、《智能時代》

4、《人工智慧：國家人工智慧戰略行動抓手》