人工智能通识教程

目录
第1章人工智能概论1
1.1你了解人类的智能吗1
1.1.1智能的概念1
1.1.2智能的特征3
1.2人工智能的孕育和诞生6
1.2.1人工智能的孕育期6
1.2.2人工智能的先驱图灵与图灵测试8
1.2.3人工智能的诞生——达特茅斯会议9
1.3人工智能的发展10
1.3.1人工智能的形成期10
1.3.2几起几落的曲折发展期12
1.3.3大数据驱动的飞速发展期13
1.4从两场标志性人机博弈看人工智能的发展14
1.4.1人工智能研究中的“小白鼠”14
1.4.2“深蓝”战胜国际象棋棋王卡斯帕罗夫15
1.4.3阿尔法狗无师自通横扫世界围棋大师17
1.5人工智能研究的基本内容19
1.6人工智能的主要应用领域21
1.7人工智能会使许多人失业吗34
1.8本章小结35
讨论题35
第2章知识表示与知识图谱36
2.1你了解人类知识吗36
2.1.1什么是知识36
2.1.2知识的相对正确性37
2.1.3知识的不确定性38
2.2计算机表示知识的方法40
2.3产生式表示法41
2.3.1产生式42
2.3.2产生式系统43
2.3.3产生式表示法的特点45
2.4框架表示法46
2.4.1框架的一般结构47
2.4.2用框架表示知识的例子48
2.4.3框架表示法的特点50
2.5知识图谱51
2.5.1知识图谱的提出52
2.5.2知识图谱的定义52
2.5.3知识图谱的表示53
2.5.4知识图谱的架构54
2.5.5知识图谱的典型应用55
2.6本章小结57
讨论题58
人工智能通识教程目录第3章模拟人类思维的模糊推理60
3.1推理的定义60
3.2推理的分类61
3.2.1演绎推理61
3.2.2归纳推理62
3.2.3默认推理62
3.3推理的方向63
3.3.1正向推理63
3.3.2逆向推理64
3.3.3混合推理67
3.4推理中的冲突消解策略69
3.5模糊集合与模糊知识表示71
3.5.1模糊逻辑的提出与发展71
3.5.2模糊集合的定义与表示73
3.5.3隶属函数75
3.6模糊关系与模糊关系的合成76
3.6.1模糊关系76
3.6.2模糊关系的合成78
3.7模糊推理与模糊决策79
3.7.1模糊推理79
3.7.2模糊决策80
3.8模糊推理的应用81
3.9本章小结82
讨论题83
第4章搜索策略85
4.1搜索的概念85
4.2如何用状态空间表示搜索对象86
4.2.1状态空间知识表示方法86
4.2.2状态空间的图描述88
4.3回溯策略91
4.4盲目的图搜索策略93
4.4.1宽度优先搜索策略93
4.4.2深度优先搜索策略94
4.5启发式图搜索策略97
4.5.1启发式策略97
4.5.2启发信息和估价函数100
4.5.3A搜索算法102
4.5.4A搜索算法103
4.6本章小结105
讨论题106
第5章模拟生物进化的遗传算法107
5.1进化算法的生物学背景107
5.2遗传算法109
5.2.1遗传算法的发展历史109
5.2.2遗传算法的基本思想110
5.2.3编码111
5.2.4种群设定113
5.2.5适应度函数114
5.2.6选择116
5.2.7交叉118
5.2.8变异120
5.3遗传算法的主要改进算法122
5.3.1双倍体遗传算法122
5.3.2双种群遗传算法124
5.3.3自适应遗传算法124
5.4基于遗传算法的生产调度方法126
5.4.1基于遗传算法的流水车间调度方法126
5.4.2基于遗传算法的混合流水车间调度方法128
5.5本章小结133
讨论题134
第6章模拟生物群体行为的群智能算法135
6.1群智能算法的生物学背景135
6.2模拟鸟群行为的粒子群优化算法137
6.2.1基本粒子群优化算法137
6.2.2粒子群优化算法的应用139
6.3模拟蚁群行为的蚁群优化算法141
6.3.1蚁群优化算法的生物学背景142
6.3.2基本蚁群优化算法142
6.3.3蚁群优化算法的应用146
6.4本章小结148
讨论题149
第7章模拟生物神经系统的人工神经网络150
7.1人工神经元与人工神经网络150
7.1.1生物神经元结构150
7.1.2生物神经元的数学模型151
7.1.3人工神经网络的结构与学习153
7.2机器学习的先驱——赫布学习规则154
7.3掀起人工神经网络第一次高潮的感知器155
7.4掀起人工神经网络第二次高潮的BP学习算法158
7.4.1BP学习算法的提出158
7.4.2BP神经网络159
7.4.3BP学习算法160
7.4.4BP学习算法在模式识别中的应用161
7.5本章小结163
讨论题164
第8章机器学习与深度学习165
8.1机器学习的基本概念165
8.1.1学习165
8.1.2机器学习166
8.1.3学习系统166
8.1.4机器学习的发展169
8.2机器学习的分类170
8.2.1机器学习的一般分类方法170
8.2.2有监督学习与无监督学习172
8.2.3弱监督学习174
8.3知识发现与数据挖掘177
8.3.1知识发现与数据挖掘的概念178
8.3.2知识发现的一般过程178
8.3.3知识发现的任务179
8.3.4知识发现的对象180
8.4动物视觉机理与深度学习的提出182
8.4.1浅层学习的局限性182
8.4.2深度学习的提出183
8.5卷积神经网络与胶囊网络185
8.5.1卷积神经网络的结构185
8.5.2卷积的物理、生物与生态学等意义186
8.5.3卷积神经网络的卷积运算187
8.5.4卷积神经网络中的关键技术189
8.5.5卷积神经网络的应用192
8.5.6胶囊网络193
8.6生成对抗网络及其应用196
8.6.1生成对抗网络的基本原理196
8.6.2生成对抗网络的结构与训练197
8.6.3生成对抗网络在图像处理中的应用200
8.6.4生成对抗网络在语言处理中的应用203
8.6.5生成对抗网络在视频生成中的应用205
8.6.6生成对抗网络在医疗中的应用207
8.7本章小结207
讨论题208
第9章专家系统210
9.1专家系统的产生和发展210
9.2专家系统的概念212
9.2.1专家系统的定义212
9.2.2专家系统的特点212
9.2.3专家系统的类型214
9.3专家系统的工作原理216
9.3.1专家系统的一般结构216
9.3.2知识库216
9.3.3推理机217
9.3.4综合数据库217
9.3.5知识获取机构218
9.3.6人机接口219
9.3.7解释机构219
9.4简单的动物识别专家系统219
9.4.1知识库建立220
9.4.2综合数据库建立和推理过程221
9.5专家系统实例及其骨架系统222
9.5.1骨架系统的概念222
9.5.2EMYCIN骨架系统223
9.5.3KAS骨架系统224
9.6专家系统开发环境226
9.7本章小结227
讨论题228
第10章自然语言理解229
10.1自然语言理解的概念与发展229
10.1.1自然语言理解的概念229
10.1.2自然语言理解的发展历史229
10.2语言处理过程的层次232
10.3机器翻译方法概述234
10.4循环神经网络238
10.4.1循环神经网络的结构238
10.4.2循环神经网络的训练239
10.4.3长短期记忆神经网络240
10.5基于循环神经网络的机器翻译240
10.6语音识别242
10.6.1语音识别的概念242
10.6.2语音识别的主要过程243
10.6.3语音识别的方法246
10.7本章小结247
讨论题247
第11章计算机视觉248
11.1计算机视觉概述248
11.2计算机视觉系统中的数字图像251
11.3基于深度学习的计算机视觉252
11.4基于计算机视觉的生物特征识别253
11.4.1人脸识别253
11.4.2虹膜识别254
11.5本章小结255
讨论题256
第12章智能机器人257
12.1机器人的产生与发展257
12.2机器人中的人工智能技术260
12.2.1机器人智能感知260
12.2.2机器人智能导航264
12.2.3机器人智能路径规划264
12.2.4机器人智能运动控制265
12.2.5机器人智能交互267
12.3智能机器人的应用267
12.3.1工业机器人268
12.3.2农业机器人270
12.3.3服务机器人273
12.3.4医用机器人276
12.3.5军用机器人277
12.4智能机器人技术展望与伦理280
12.4.1智能机器人技术展望280
12.4.2机器人伦理问题281
12.5本章小结282
讨论题282