人工智能算法导论

㈠ 史忠植《人工智能》是不是人工智能导论

本书系统地介绍人工智能的基本原理、方法和应用技术，全面地反映了国内外人工智能研究领域的当前进展和发展方向。全书共12章。第1章简要介绍人工智能的概况。第2—6章阐述人工智能的基本原理和方法，重点论述知识表示、搜索算法、自动推理、机器学习和神经网络等。第7、8章介绍专家系统、自然语言处理等应用技术。[1]第9—11章阐述当前人工智能的研究热点，包括多智能体系统、智能机器人和互联网智能等。第12章探讨类脑智能，展望人工智能发展的路线图。 本书力求科学性、实用性和先进性、可读性好。内容由浅入深，循序渐进，条理清晰，让学生在有限的时间内，掌握人工智能的基本原理与应用技术，提高对人工智能问题的求解能力。 本书可以作为高等院校人工智能、智能科学与技术、计算机科学与技术、自动化等相关专业的本科生、研究生、培训班的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。[1]
图书目录
前言
第1章绪论
1.1人工智能的定义
1.2人工智能的发展史
1.3主要研究内容
1.4人工智能的主要学派
1.4.1符号主义
1.4.2连接主义
1.4.3行为主义
1.5人工智能的应用
1.6本章小结
习题
第2章知识表示
2.1引言
2.2谓词逻辑表示法
2.2.1一阶谓词逻辑
2.2.2知识的谓词逻辑表示法
2.3产生式表示法
2.3.1事实的表示
2.3.2规则的表示
2.4语义网络表示法
2.4.1语义网络的概念和结构
2.4.2常用的语义联系
2.5框架表示法
2.5.1框架结构
2.5.2框架网络
2.6状态空间表示法
2.7本体表示法
2.8本章小结
习题
第3章搜索算法
3.1引言
3.2盲目搜索
3.2.1深度优先搜索
3.2.2宽度优先搜索
3.3启发式搜索
3.3.1启发性信息和评估函数
3.3.2通用图搜索算法
3.3.3A*算法
3.4博弈搜索
3.4.1极大极小过程
3.4.2α-β过程
3.5本章小结
习题
第4章自动推理
4.1引言
4.2三段论推理
4.3自然演绎推理
4.4归结演绎推理
4.4.1子句型
4.4.2置换和合一
4.4.3合一算法
4.4.4归结式
4.4.5归结反演
4.4.6答案的提取
4.4.7归结反演的搜索策略
4.5产生式系统
4.5.1产生式系统的基本结构
4.5.2正向推理
4.5.3反向推理
4.5.4混合推理
4.6本章小结
习题
第5章机器学习
5.1引言
5.1.1简单的学习模型
5.1.2什么是机器学习
5.1.3机器学习的研究概况
5.2归纳学习
5.3类比学习
5.3.1相似性
5.3.2基于案例的推理
5.3.3迁移学习
5.4统计学习
5.4.1逻辑回归
5.4.2支持向量机
5.5聚类
5.6强化学习
5.6.1强化学习模型
5.6.2Q-学习
5.7进化计算
5.8群体智能
5.8.1蚁群算法
5.8.2粒子群优化
5.9本章小结
习题
第6章人工神经网络与深度学习
6.1引言
6.2前馈神经网络
6.3深度学习
6.4卷积神经网络
6.5生成对抗网络
6.6深度强化学习
6.7本章小结
习题
第7章专家系统
7.1引言
7.1.1什么是专家系统
7.1.2专家系统的发展过程
7.2专家系统的基本结构
7.3专家系统MYCIN
7.3.1咨询子系统
7.3.2静态数据库
7.3.3控制策略
7.3.4不确定性推理
7.4专家系统开发工具
7.4.1OKPS中的知识表示
7.4.2推理控制语言ICL
7.5专家系统应用
7.6本章小结
习题
第8章自然语言处理
8.1引言
8.2自然语言处理的层次
8.3机器翻译
8.4对话系统
8.5问答系统
8.6文本生成
8.7本章小结
习题
第9章多智能体系统
9.1引言
9.2智能体结构
9.2.1慎思智能体
9.2.2反应智能体
9.2.3层次智能体
9.3智能体通信语言ACL
9.4协调和协作
9.4.1合同网
9.4.2基于生态学的协作
9.4.3基于博弈论的协商
9.5移动智能体
9.6本章小结
习题
第10章智能机器人
10.1引言
10.2机器人的智能技术
10.2.1智能感知技术
10.2.2智能导航与规划
10.2.3智能控制与操作
10.2.4情感计算
10.2.5智力发育
10.2.6智能交互
10.3智能机器人应用
10.4智能机器人发展趋势
10.5本章小结
习题
第11章互联网智能
11.1引言
11.2语义Web
11.2.1语义Web的层次模型
11.2.2Web技术演化
11.3本体知识管理
11.4搜索引擎
11.5知识图谱
11.5.1知识图谱的定义
11.5.2知识图谱的架构
11.5.3知识图谱的构建
11.5.4知识图谱的应用
11.6集体智能
11.6.1集体智能的定义
11.6.2社群智能
11.6.3集体智能系统
11.6.4全球脑
11.7本章小结
习题
第12章类脑智能
12.1引言
12.2大数据智能
12.3脑科学与类脑研究
12.3.1欧盟人脑计划
12.3.2美国脑计划
12.3.3中国脑计划
12.4神经形态芯片
12.5类脑智能路线图
习题

㈡ 大数据导论与人工智能导论有什么区别

人工智能导论和大数据导论的区别
大数据相当于人的大脑从小学到大学记忆和存储的海量知识，这些知识只有通过消化，吸收、再造才能创造出更大的价值。

人工智能打个比喻为一个人吸收了人类大量的知识，不断的深度学习、进化成为一方高人。人工智能离不开大数据，更是基于云计算平台完成深度学习进化。

人工智能是基于大数据的支持和采集，运用于人工设定的特定性能和运算方式来实现的，大数据是不断采集、沉淀、分类等数据积累。

与以前的众多数据分析技术相比，人工智能技术立足于神经网络，同时发展出多层神经网络，从而可以进行深度机器学习。与以外传统的算法相比，这一算法并无多余的假设前提（比如线性建模需要假设数据之间的线性关系），而是完全利用输入的数据自行模拟和构建相应的模型结构。这一算法特点决定了它是更为灵活的、且可以根据不同的训练数据而拥有自优化的能力。

但这一显着的优点带来的便是显着增加的运算量。在计算机运算能力取得突破以前，这样的算法几乎没有实际应用的价值。大概十几年前，我们尝试用神经网络运算一组并不海量的数据，整整等待三天都不一定会有结果。但今天的情况却大大不同了。高速并行运算、海量数据、更优化的算法共同促成了人工智能发展的突破。这一突破，如果我们在三十年以后回头来看，将会是不弱于互联网对人类产生深远影响的另一项技术，它所释放的力量将再次彻底改变我们的生活。

㈢ 人工智能导论的内容简介

为了详尽地阐述人工智能的核心知识，必须有一条主线将这些知识串联起来。本书所确定的主线是从实现人工智能的角度，将有关知识划分为哲学基础和工程实践两大块。哲学基础是实现人工智能的不同哲学思想和在相应思想指导下的具体方法；工程实践则是有关方法在实际问题中的应用和集成，以及方法实现所需要的软硬件条件。

㈣ 人工智能导论的目录

1.1智能
1.2人工智能
1.2.1 如何衡量机器是否具有智能
1.2.2人工智能的研究目标
1.2.3人工智能的研究和应用领域
1.3人工智能发展简史
1.3.1 孕育期（1956年以前）
1.3.2形成期（1956年——1970年）
1.3.3 知识工程时代（1970年至20世纪80年代初）
1.3.4发展期（20世纪80年代初至今）
1.4人工智能的实现途径
1.4.1符号主义
1.4.2连接主义
1.4.3学习主义
1.4.4行为主义
1.4.5进化主义
1.4.6群体主义
1.5本书的内容与组织
小结
深入学习资源
习题
符号主义 2.1搜索概述
2.2问题求解
2.2.1状态空间
2.2.2与或图
2.3图搜索
2.3.1 图搜索算法的一般结构
2.3.2盲目图搜索
2.3.3启发式图搜索
2.4博弈搜索
2.4.1博弈树
2.4.2极大极小搜索
2.4.3 α－β口剪枝
小结
深入学习资源
习题 3.1推理概述
3.1.1推理方式
3.1.2推理控制策略
3.2知识及其表示
3.2.1 知识
3.2.2知识的表示
3.3知识表示方法
3.3.1 一阶谓词逻辑表示法
3.3.2产生式表示法
3.3.3其他知识表示方法
3.4经典逻辑推理的逻辑基础
3.4.1推理规则
3.4.2 范式
3.4.3置换与合一
3.4.4自然演绎推理
3.5归结演绎推理
3.5.1 子句集及其转化方法
3.5.2 归结原理
3.5.3命题逻辑的归结反演
3.5.4谓词逻辑的归结反演
……
连接主义
学习主义
行为主义
进化主义
群体主义
智能系统
附录1 汉英－英汉术语对照与索引
附录2 汉英－英汉人名对照与索引
参考文献

㈤ 人工智能技术导论的内容简介

本书全面系统地介绍了人工智能技术的基本概念和原理，勾画了人工智能学科知识体系的基本框架。全书共分为6篇。第1篇：概述与工具，概要介绍人工智能学科的知识体系、分支领域和研究方向；第2篇：搜索与求解，介绍图搜索与问题求解及基于遗传算法的随机优化搜索；第3篇：知识与推理，介绍一些常见知识表示和不确定性知识表示及其推理；第4篇：学习与发现，介绍机器学习、知识发现与数据挖掘的基本原理和方法；第5篇：感知与交流，简介模式识别和自然语言理解的基本原理；第6篇：系统与建造，主要介绍专家系统、Agent系统、智能化网络和智能机器人的设计与实现技术。
本书为“十一五”国家级规划教材，适应专业为计算机、自动化、智能科学与技术、软件、电子、信息、管理、控制及系统工程等，本书也可作为非计算机类专业的研究生教材或教学参考书，亦可供其他专业的师生和相关科研及工程技术人员自学或参考。

㈥ 人工智能需要学习哪些课程

人工智能专业学习的主要课程有认知心理学、神经科学基础、人类的记忆与学习、语言与思维、计算神经工程等。人工智能专业是中国高校人才计划设立的专业，旨在培养中国人工智能产业的应用型人才，推动人工智能一级学科建设。

㈦ 人工智能技术导论的目录

第1篇 概 述 与 工 具
第1章 人工智能概述
1.1 什么是人工智能
1.2 人工智能的研究意义、 目标和策略
1.3 人工智能的学科范畴
1.4 人工智能的研究内容
1.5 人工智能的研究途径与方法
1.6 人工智能的基本技术
1.7 人工智能的应用
1.8 人工智能的分支领域与研究方向
1.9 人工智能的发展概况
习题一
第2章 逻辑程序设计语言PROLOG
2.1 基本PROLOG
2.2 Turbo PROLOG程序设计
习题二
第2篇 搜索与求解
第3章 图搜索与问题求解
3.1 状态图搜索
3.2 状态图搜索问题求解
3.3 与或图搜索
3.4 与或图搜索问题求解
3.5 博弈树搜索
习题三
第4章 基于遗传算法的随机优化搜索
4.1 基本概念
4.2 基本遗传算法
4.3 遗传算法应用举例
4.4 遗传算法的特点与优势
习题四
第3篇 知识与推理
第5章 基于谓词逻辑的机器推理
5.1 一阶谓词逻辑
5.2 归结演绎推理
5.3 应用归结原理求取问题答案
5.4 归结策略
5.5 归结反演程序举例
5.6 Horn子句归结与逻辑程序
5.7 非归结演绎推理
习题五
第6章 基于产生式规则的机器推理
第7章 几种结构化知识表示及其推理
第8章 不确定性知识的表示与推理
第4篇 学习与发现
第9章 机器学习与知识发现
第5篇 感知与交流
第10章 模式识别
第11章 自然语言理解
第6篇 系统与建造
第12章 专家系统
第13章 Agent系统
第14章 智能计算机与智能化网络
第15章 智能机器人
第16章 智能程序设计语言
上机实习指导
中英文名词对照及索引
参考文献

㈧ 人工智能导论的介绍

本书旨在向读者介绍人工智能的核心知识与最新进展，使读者建立起对于人工智能的总体认识，为以后进入人工智能各分支的研究和应用奠定基础。人工智能是一个庞杂的学科体系，从概念上讲，一切为复制生物智能而做出的努力都可纳入其中。如何能够系统、全面、简洁地描述人工智能的全貌而不显得凌乱，绝非易事。编者在为本科生讲授“人工智能基础”课程时，就感到涵盖自己所欲讲授全部内容的教材或书籍尚不多见，需要查阅许多不同资料才能获取相关信息，于是萌生撰写此书的念头，并一路坚持下来，直至此书面世。