新書推薦：
《
耳穴治疗青少年近视与保健
》
售價：NT$
274.0
《
《中国版画史》
》
售價：NT$
493.0
《
最后一章
》
售價：NT$
381.0
《
20世纪中国工艺美术史（上下卷）
》
售價：NT$
2789.0
《
为何只有我们：语言与演化（语言学及应用语言学名著译丛）
》
售價：NT$
325.0
《
巴西史（区域国别史丛书）
》
售價：NT$
549.0
《
科学实验与编程（Python版）
》
售價：NT$
330.0
《
直升机突击：美国陆军航空兵：1962—1973
》
售價：NT$
783.0
|
| 編輯推薦： |
|
本书是人工智能导论课的通用教材，其内容涉及了人工智能的主要内容和领域，包括神经网络、机器学习、深度学习、计算机视觉、自然语言理解与处理、知识图谱、数据挖掘、模式识别、群智能算法和智能机器人等
|
| 內容簡介： |
|
人工智能是研究利用计算机系统实现人类智能的理论、方法和技术的学科。本书较系统地介绍了人工智能的基本内容，主要包括人工智能发展的三次热潮、知识与知识表示、推理方式、搜索策略、专家系统、机器学习、神经网络模型、深度学习、计算机视觉、自然语言处理、知识图谱、智能体、群智能算法、生物特征识别和智能机器人等。 本书注重基本概念、基本方法和应用实例的介绍，语言精炼、逻辑层次清晰，适合作为高等学校“人工智能”课程的教材，也可以用作科技人员的参考书。
|
| 目錄：
|
第1章概述/1
1.1人工智能的产生与发展1
1.1.1人工智能的产生1
1.1.2人工智能发展的三次热潮2
1.2人工智能的内涵与外延3
1.2.1图灵测试3
1.2.2人工智能的内涵3
1.2.3人工智能的外延5
1.2.4人工智能的层次结构6
1.2.5强人工智能与弱人工智能6
1.3人工智能的三大学派7
1.3.1符号主义学派7
1.3.2连接主义学派8
1.3.3行为主义学派8
1.4人工智能的数学基础9
1.4.1数学是人工智能的基石9
1.4.2人工智能的常用数学9
1.5人工智能的应用12
1.5.1人工智能的实现方式12
1.5.2人工智能的主要应用场景13
1.5.3人工智能的发展趋势15
本章小结16
第2章知识与知识表示/17
2.1知识的特征与分类17
2.1.1知识的特征17
2.1.2知识的分类18
2.2计算机表示知识的方法20
2.2.1知识表示的原则20
2.2.2知识表示的方法分类21
2.2.3知识表示的全过程21〖1〗人工智能基础目录〖3〗〖3〗
2.3产生式表示法22
2.3.1产生式的结构22
2.3.2产生式表示法举例23
2.4一阶谓词逻辑表示法24
2.4.1知识的谓词逻辑表示24
2.4.2谓词逻辑表示法举例26
2.5语义网络表示法26
2.5.1语义网络的特点与结构26
2.5.2语义网络表示法举例28
2.6框架表示法29
2.6.1框架的基本结构与特点29
2.6.2框架表示法举例31
2.7状态空间表示法31
2.7.1描述问题状态31
2.7.2状态空间表示法举例32
本章小结33
第3章机器推理/34
3.1机器推理基础34
3.1.1思维与数理逻辑34
3.1.2概念与判断35
3.1.3推理及其分类36
3.1.4逻辑推理37
3.2非单调推理39
3.2.1单调逻辑与单调推理39
3.2.2非单调逻辑与非单调推理40
3.2.3非单调推理与单调推理的比较41
3.3谓词逻辑推理41
3.3.1谓词逻辑41
3.3.2谓词逻辑的自然推理规则44
3.3.3谓词逻辑的自然推理方法45
3.4不确定性推理46
3.4.1不确定性推理基础46
3.4.2贝叶斯推理48
3.4.3信度推理50
3.4.4模糊推理53
3.5推理控制策略60
3.5.1正向推理60
3.5.2反向推理61
3.5.3双向推理63
3.5.4冲突消解策略63
本章小结65
第4章搜索策略/66
4.1搜索策略概述66
4.1.1搜索与搜索过程66
4.1.2常用的搜索策略67
4.2盲目搜索策略68
4.2.1广度优先搜索策略68
4.2.2深度优先搜索策略69
4.2.3两种搜索策略比较71
4.3启发式搜索策略71
4.3.1启发信息与启发函数72
4.3.2贪婪最佳优先搜索算法72
4.3.3贪婪最佳优先搜索的问题74
4.4Dijkstra算法75
4.4.1标号实现方式76
4.4.2表实现方式77
4.5A算法80
4.5.1A算法的功能与特性80
4.5.2A搜索算法81
4.5.3A算法寻路的探测84
本章小结85
第5章专家系统/86
5.1专家系统的产生与发展86
5.1.1专家系统的产生86
5.1.2专家系统的发展87
5.2专家系统的功能与特点87
5.2.1专家系统的功能87
5.2.2专家系统的要素与特点88
5.2.3专家系统的类型90
5.3专家系统的结构91
5.3.1产生式系统91
5.3.2专家系统的基本结构94
5.4专家系统的构建与开发环境98
5.4.1基于骨架系统的专家系统构建98
5.4.2专家系统的开发环境99
5.5专家系统的案例101
5.5.1基于规则的动物识别专家系统101
5.5.2基于模糊规则的专家控制系统103
本章小结106
第6章机器学习/107
6.1机器学习概述107
6.1.1机器学习基础107
6.1.2机器学习的方式116
6.2决策树121
6.2.1决策树的结构与算法要素121
6.2.2决策树生成算法122
6.3集成学习127
6.3.1集成学习的策略与特点127
6.3.2Bagging算法127
6.4k最近邻分类131
6.4.1k最近邻分类算法131
6.4.2k最近邻分类算法的优缺点133
6.5聚类133
6.5.1聚类算法的类型与特点133
6.5.2k均值聚类算法135
6.6马尔可夫模型137
6.6.1马尔可夫过程137
6.6.2隐马尔可夫模型139
6.7朴素贝叶斯分类142
6.7.1贝叶斯定理143
6.7.2朴素贝叶斯分类流程144
本章小结146
第7章神经网络模型/147
7.1神经网络模型基础147
7.1.1神经网络模型的定义与特性147
7.1.2学习与适应152
7.2前馈神经网络160
7.2.1感知机160
7.2.2BP学习算法161
7.2.3前馈神经网络的复杂性164
7.3自组织神经网络165
7.3.1竞争学习神经网络模型166
7.3.2Kohonen神经网络166
7.4反馈神经网络168
7.4.1反馈神经网络简介168
7.4.2霍普菲尔德神经网络169
本章小结170
第8章深度学习/171
8.1深度学习概述171
8.1.1深度学习的概念与特点172
8.1.2深度学习的方式174
8.1.3深度学习模型的特点175
8.2卷积神经网络175
8.2.1卷积神经网络的特点175
8.2.2卷积神经网络的结构177
8.2.3卷积神经网络的训练186
8.3循环神经网络189
8.3.1循环神经网络的结构189
8.3.2随时间反向传播学习算法190
8.3.3循环神经网络的扩展193
8.3.4循环神经网络的应用195
8.4生成式对抗网络195
8.4.1生成式对抗网络的结构196
8.4.2网络的训练与损失函数196
8.5自动编码器198
8.5.1自编码器工作原理198
8.5.2常用的自编码器201
8.5.3深度自编码器应用202
本章小结203
第9章计算机视觉/204
9.1计算机视觉概述204
9.1.1计算机视觉的内涵与外延204
9.1.2图像类型与语义差异206
9.2图像分类208
9.2.1图像识别与分类208
9.2.2图像分类的基本方法208
9.2.3基于深度学习的图像分类210
9.3目标检测214
9.3.1目标检测的任务214
9.3.2RCNN目标检测算法215
9.3.3Fast RCNN目标检测算法218
9.3.4Faster RCNN目标检测算法220
9.3.5三种算法的比较222
9.4视觉目标跟踪222
9.4.1视觉目标跟踪概述222
9.4.2跟踪视觉目标的方法224
9.4.3基于卷积神经网络的目标跟踪方法225
9.5语义分割227
9.5.1语义分割的定义与术语227
9.5.2语义分割的方法228
本章小结232
第10章自然语言处理/233
10.1自然语言处理概述233
10.1.1自然语言处理技术的发展233
10.1.2自然语言处理的内容235
10.2词法分析236
10.2.1中文分词237
10.2.2词性标注241
10.2.3命名实体识别242
10.2.4文本关键词提取方法245
10.2.5文本表示250
10.3句法分析256
10.3.1完全句法分析256
10.3.2局部句法分析262
10.3.3依存句法分析262
10.4语义分析264
10.4.1词汇级语义分析265
10.4.2句子级语义分析266
10.5自然语言处理的应用269
10.5.1中文自然语言的处理过程269
10.5.2自然语言处理的基本应用场景271
本章小结271
第11章知识图谱/272
11.1知识图谱概述272
11.1.1知识图谱理论的形成273
11.1.2知识图谱表示274
11.1.3本体274
11.1.4知识图谱的优势277
11.1.5知识存储277
11.2知识图谱的架构278
11.2.1知识图谱的逻辑架构278
11.2.2知识图谱的技术架构279
11.3知识图谱构建284
11.3.1知识图谱的构建方式285
11.3.2知识图谱的设计原则与构建策略286
11.3.3知识图谱的自动构建287
11.4知识图谱推理288
11.4.1知识图谱推理的任务288
11.4.2基于规则的关系推理288
11.4.3基于表示学习的推理289
11.4.4基于图结构的关系推理292
11.5知识图谱的应用293
本章小结296
第12章智能体/297
12.1分布式人工智能概述297
12.1.1分布式人工智能系统的特点297
12.1.2分布式人工智能的分类298
12.1.3智能体的特征与结构299
12.2智能体的工作过程与分类301
12.2.1智能体的基本工作过程301
12.2.2智能体的分类302
12.2.3智能体的环境306
12.3多智能体307
12.3.1多智能体系统的定义与特点307
12.3.2多智能体系统的分类308
12.3.3多智能体的通信方式309
12.3.4多智能体的协作与协调311
12.4移动智能体311
12.4.1移动智能体的特点311
12.4.2移动智能体的主要技术312
12.4.3移动智能体的分布式计算模式313
本章小结314
第13章群智能/315
13.1群智能计算概述315
13.1.1群智能算法的产生与发展315
13.1.2群智能算法的理论框架317
13.2蚁群算法318
13.2.1蚁群寻食的过程318
13.2.2蚁群算法的设计320
13.2.3基于蚁群算法的TSP问题求解324
13.2.4蚁群算法的特点328
13.3粒子群算法329
13.3.1粒子群算法概述329
13.3.2粒子群算法的构建330
13.3.3粒子群算法的应用334
本章小结336
第14章生物特征识别/337
14.1生物识别概述337
14.1.1生物特征的特点与识别目标337
14.1.2生物识别的主要技术338
14.2人脸识别338
14.2.1人脸识别原理339
14.2.2人脸特征识别技术341
14.2.3人脸识别基本过程344
14.3虹膜识别346
14.3.1虹膜识别原理346
14.3.2虹膜识别过程346
14.4指纹识别347
14.4.1指纹识别原理347
14.4.2指纹识别过程348
14.5步态识别349
14.5.1步态识别原理349
14.5.2步态识别过程350
14.5.3步态识别技术的特点351
本章小结351
第15章智能机器人/352
15.1智能机器人概述352
15.1.1智能机器人的分类353
15.1.2智能机器人的要素354
15.1.3智能机器人的技术355
15.2导航定位技术355
15.2.1自主定位导航的任务355
15.2.2智能自主定位导航技术356
15.3机器人的感知358
15.3.1机器人的视觉358
15.3.2机器人的触觉359
15.3.3机器人的听觉360
15.3.4多感知器信息的融合360
15.4机器人交互技术360
15.4.1语音交互361
15.4.2情感交互362
15.4.3体感交互363
本章小结363
参考文献/364
|
| 內容試閱：
|
人工智能(artificial intelligence，AI)又称机器智能，是指由人制造出的机器所表现的智能，是通过普通计算机程序呈现人类智能的技术。基于人工智能构建的知识系统具有学习能力，能够灵活地适应环境，实现特定目标和任务。人工智能是一个开放性研究领域，其可以被应用于诸多领域，涉及范围极广。
人工智能的核心问题是建构与人类似，甚至超越人类的推理、求知、规划、学习、交流、感知、使用工具和操控机械的能力等。
深度学习的出现推动了人工智能发展的第三次热潮，唤起了人们学习、研究人工智能的热情。
人工智能是计算机科学的研究前沿领域，因此，学习人工智能需要有坚实的计算机科学基础。人工智能算法可以解决学习、感知、语言理解或逻辑推理等任务。
经过几十年的发展，人工智能学科中形成了三个主要的学派，符号主义学派、连接主义学派和行为主义学派。
符号主义学派又称为逻辑主义、心理学派或计算机学派。符号主义认为人工智能源于数理逻辑。符号主义曾经长期一枝独秀，为人工智能的发展做出了重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际迈出了特别重要的一步。
连接主义又称为仿生学派或生理学派，其主要原理为神经网络及神经网络间的连接机制与学习算法。连接主义认为人工智能源于仿生学，特别是对人脑模型、多层网络中的反向传播算法的提出，以及基于连接主义的深度学习成功应用，奠定了连接主义学派在人工智能中的重要位置。
行为主义认为人工智能源于控制论，推崇控制、自适应与进化计算。行为主义其实与智能机器人的关系非常密切，现在被人们寄予极大的期望。
深度学习、深度神经网络，即属于连接主义；20世纪行业浪潮中举足轻重的专家系统，以及当下盛行的知识图谱都是符号主义的成就；行为主义的贡献体现在机器人控制系统等方面。随着人工智能领域的不断拓展，不同的学术流派也开始日益脱离原先各自独立发展的轨道，逐渐走上了协同并进的新道路。常用的人工智能研究途径是:
(1) 心理模拟，符号推演: 模拟人脑的逻辑思维，利用显式的知识和推理来解决问题，擅长实现人脑的高级认知功能。
(2) 生理模拟，神经计算: 具有高度的并行分布型，很强的鲁棒性和容错性，擅长人脑的形象思维，便于实现人脑的低级感知功能。(3) 行为模拟，控制进化: 具有自学习、自适应、自组织特性的智能控制系统和智能机器人。
(4) 群体模拟，仿生计算: 其成果可以直接付诸应用，解决工程问题和实际问题。
(5) 自然计算: 模仿和借鉴自然界的某种机理而设计技术模型。
本书是人工智能基础教材，介绍了人工智能的主要领域、基本概念、基本方法和基本应用。实际上，本书的每一章内容都是一个专门的研究领域，都有多种专著专门论述。
本书内容仅反映了当前人工智能的基本内容，人工智能的内涵还将向聚合智能、自适应智能、隐形智能和智能增强方向外延。人工智能的应用将向人机混合智能系统、自主智能系统、人工智能产业等方向发展，智能机器人集合了人工智能各方面的技术，是人工智能水平的体现。
本书在结构上为积木状，各章内容独立论述。由于作者水平有限，书中不足之处在所难免，敬请读者批评指正。
2023年9月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
