《人工智能導(dǎo)論 第2版》系統(tǒng)地闡述了人工智能的基本理論、基本技術(shù)、研究方法和應(yīng)用領(lǐng)域，全面地反映了人工智能研究領(lǐng)域的發(fā)展，并根據(jù)人工智能的發(fā)展動(dòng)向?qū)σ恍﹤鹘y(tǒng)內(nèi)容做了取舍，如詳細(xì)介紹了機(jī)器學(xué)習(xí)方面的內(nèi)容�！度斯ぶ悄軐�(dǎo)論 第2版》共分為8章，內(nèi)容涉及人工智能的基本概念、知識(shí)工程、確定性推理和不確定性推理、搜索與優(yōu)化策略、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)，以及模式識(shí)別、自然語(yǔ)言處理和多智能體等。每章后面附有習(xí)題，以供讀者練習(xí)。
《人工智能導(dǎo)論 第2版》充分考慮到人工智能領(lǐng)域的發(fā)展動(dòng)態(tài)，注重系統(tǒng)性、新穎性、實(shí)用性和可讀性，內(nèi)容由淺入深、循序漸進(jìn)、條理清晰。
《人工智能導(dǎo)論 第2版》適合作為計(jì)算機(jī)專業(yè)本科生和其他相關(guān)專業(yè)本科生、研究生的教材，也可作為有關(guān)科技人員的參考書(shū)。
前言
第1章緒論
11什么是人工智能
111關(guān)于智能
112人工智能的研究目標(biāo)
12人工智能發(fā)展簡(jiǎn)史
13人工智能的研究方法
131人工智能的研究特點(diǎn)
132人工智能的研究途徑
133人工智能研究資源
14人工智能研究及應(yīng)用領(lǐng)域
141模式識(shí)別
142自然語(yǔ)言處理
143機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘
144人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
145博弈
146多智能體
147專家系統(tǒng)
148計(jì)算機(jī)視覺(jué)
149自動(dòng)定理證明
1410智能控制
1411機(jī)器人學(xué)
1412人工生命
15本章小結(jié)
習(xí)題
第2章知識(shí)工程
21概述
22知識(shí)表示方法
221經(jīng)典邏輯表示法
222產(chǎn)生式表示法
223層次結(jié)構(gòu)表示法
224網(wǎng)絡(luò)結(jié)構(gòu)表示法
225其他表示法
23知識(shí)獲取與管理
231知識(shí)獲取的任務(wù)
232知識(shí)獲取的方式
233知識(shí)管理
234本體論
235知識(shí)圖譜
24基于知識(shí)的系統(tǒng)
241什么是知識(shí)系統(tǒng)
242專家系統(tǒng)
243問(wèn)答系統(tǒng)
244知識(shí)系統(tǒng)舉例
25本章小結(jié)
習(xí)題
第3章確定性推理
31概述
311推理方式與分類
312推理控制策略
313知識(shí)匹配
32自然演繹推理
33歸結(jié)演繹推理
331歸結(jié)原理
332歸結(jié)策略
333應(yīng)用歸結(jié)原理求解問(wèn)題
34與或形演繹推理
341與或形正向演繹推理
342與或形逆向演繹推理
343與或形雙向演繹推理
35本章小結(jié)
習(xí)題
第4章不確定性推理
41概述
42基本概率方法
43主觀貝葉斯方法
431不確定性的表示
432不確定性的傳遞算法
433結(jié)論不確定性的合成算法
44可信度方法
441基本可信度模型
442帶閾值限度的可信度模型
443加權(quán)的可信度模型
444前件帶不確定性的可信度模型
45模糊推理
451模糊理論
452簡(jiǎn)單模糊推理
453模糊三段論推理
454多維模糊推理
455多重模糊推理
456帶有可信度因子的模糊推理
46證據(jù)理論
461D-S理論
462基于證據(jù)理論的不確定性推理
47粗糙集理論
471粗糙集理論的基本概念
472粗糙集在知識(shí)發(fā)現(xiàn)中的應(yīng)用
48本章小結(jié)
習(xí)題
第5章搜索與優(yōu)化策略
51概述
511什么是搜索
512狀態(tài)空間表示法
513與或樹(shù)表示法
52狀態(tài)空間搜索
521狀態(tài)空間的一般搜索過(guò)程
522廣度優(yōu)先搜索
523深度優(yōu)先搜索
524有界深度優(yōu)先搜索
525啟發(fā)式搜索
526A*算法
53與或樹(shù)搜索
531與或樹(shù)的一般搜索過(guò)程
532與或樹(shù)的廣度優(yōu)先搜索
533與或樹(shù)的深度優(yōu)先搜索
534與或樹(shù)的有序搜索
535博弈樹(shù)的啟發(fā)式搜索
536剪枝技術(shù)
537人機(jī)對(duì)弈與AlphaGo
54智能優(yōu)化搜索
541NP問(wèn)題
542優(yōu)化問(wèn)題
543遺傳算法
544蟻群算法
545粒子群算法
546智能優(yōu)化搜索應(yīng)用案例
55本章小結(jié)
習(xí)題
第6章機(jī)器學(xué)習(xí)
61概述
611什么是機(jī)器學(xué)習(xí)
612機(jī)器學(xué)習(xí)方法分類
613機(jī)器學(xué)習(xí)的基本問(wèn)題
614評(píng)估學(xué)習(xí)結(jié)果
62決策樹(shù)學(xué)習(xí)
621決策樹(shù)表示法
622ID3算法
623決策樹(shù)學(xué)習(xí)的常見(jiàn)問(wèn)題
624隨機(jī)森林算法
625決策樹(shù)學(xué)習(xí)應(yīng)用案例
63貝葉斯學(xué)習(xí)
631貝葉斯法則
632樸素貝葉斯方法
633貝葉斯網(wǎng)絡(luò)
634EM算法
635貝葉斯學(xué)習(xí)應(yīng)用案例
64統(tǒng)計(jì)學(xué)習(xí)
641小樣本統(tǒng)計(jì)學(xué)習(xí)理論
642支持向量機(jī)
643核函數(shù)
644支持向量機(jī)應(yīng)用案例
65聚類
651聚類問(wèn)題
652分層聚類方法
653劃分聚類方法
654基于密度的聚類方法
655基于網(wǎng)格的聚類方法
656聚類算法應(yīng)用案例
66特征選擇與表示學(xué)習(xí)
661特征提取與選擇
662常用的特征函數(shù)
663主成分分析
664表示學(xué)習(xí)
665表示學(xué)習(xí)應(yīng)用案例
67其他學(xué)習(xí)方法
671k近鄰算法
672強(qiáng)化學(xué)習(xí)
673隱馬爾可夫模型
68本章小結(jié)
習(xí)題
第7章人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
71概述
711人腦神經(jīng)系統(tǒng)
712人工神經(jīng)網(wǎng)絡(luò)的研究?jī)?nèi)容與特點(diǎn)
713人工神經(jīng)網(wǎng)絡(luò)基本形態(tài)
714深度學(xué)習(xí)
72前饋神經(jīng)網(wǎng)絡(luò)
721感知器模型
722反向傳播算法
723卷積神經(jīng)網(wǎng)絡(luò)
724前饋神經(jīng)網(wǎng)絡(luò)應(yīng)用案例
73反饋神經(jīng)網(wǎng)絡(luò)
731循環(huán)神經(jīng)網(wǎng)絡(luò)
732長(zhǎng)短期記憶網(wǎng)絡(luò)
733雙向循環(huán)神經(jīng)網(wǎng)絡(luò)
734反饋神經(jīng)網(wǎng)絡(luò)應(yīng)用案例
74本章小結(jié)
習(xí)題
第8章人工智能的其他領(lǐng)域
81模式識(shí)別
811模式識(shí)別的基本問(wèn)題
812圖像識(shí)別
813人臉識(shí)別
82自然語(yǔ)言處理
821自然語(yǔ)言處理的基本問(wèn)題
822信息檢索
823機(jī)器翻譯
824自動(dòng)問(wèn)答
83多智能體
831多智能體系統(tǒng)模型
832多智能體系統(tǒng)的學(xué)習(xí)與協(xié)作
833多智能體系統(tǒng)的主要研究?jī)?nèi)容
834多智能體系統(tǒng)應(yīng)用案例
84本章小結(jié)
習(xí)題
參考文獻(xiàn)
書(shū)單推薦
