正版新书]人工智能入门朱丽达9787302571902

章概述

1．1什么是人工智能

1．1．1人工智能的定义

1．1．2人工智能的分级

1．2人工智能的产生背景及主要学派

1．3图灵测试

1．4人工智能的发展历程

1．5无处不在的人工智能

1．6人工智能的技术特征

1．7新一代人工智能的研究

1．8未来人工智能展望

习题1

第2章用搜索实现问题求解

2．1搜索求解问题的基本思路

2．2实现搜索过程的三大要素

2．2．1搜索对象

2．2．2扩展规则

2．2．3目标测试

2．3实现搜索的基本步骤

2．4搜索的几种基本策略

2．4．1盲目的搜索方法

2．4．2启发式搜索

习题2

第3章图搜索算法

3．1或图搜索

3．1．1或图搜索算法

3．1．2A算法与A*算法

3．2与/或图搜索





3．2．1问题归约求解方法和“与/或图”

3．2．2与/或图的构造方法

3．2．3与/或图的搜索过程

3．2．4与/或图搜索算法AO*

3．2．5用AO*算法求解一个智力问题

习题3

第4章博弈与搜索

4．1博弈问题

4．2极小极大搜索算法

4．2．1极小极大搜索的思想

4．2．2极小极大搜索算法的具体内容

4．2．3算法分析与举例

4．3αβ剪枝算法

4．4AlphaGo搜索策略

4．4．1围棋博弈程序的发展

4．4．2AlphaGo博弈树搜索算法的改进

4．4．3MCTS算法的四个基本步骤

习题4

第5章演化计算与遗传算法

5．1演化计算与演化算法

5．1．1演化算法的基本结构

5．1．2演化算法的设计

5．1．3演化算法的特点

5．2遗传算法

5．2．1遗传算法的基本结构

5．2．2遗传算法的实现

5．2．3遗传算法举例

5．3遗传算法的应用领域

习题5

第6章群集智能

6．1粒子群优化算法

6．1．1粒子群优化算法的基本描述

6．1．2粒子群优化算法的实现

6．1．3粒子群优化算法应用实例

6．2蚁群优化算法

6．2．1蚁群优化的原理

6．2．2蚁群优化算法的实现

6．2．3蚁群优化算法应用实例

习题6

第7章经典逻辑知识表示和推理

7．1产生式知识表示及推理

7．1．1产生式系统的组成

7．1．2产生式系统的知识表示

7．1．3产生式系统的推理方式

7．1．4产生式规则的选择与匹配

7．1．5产生式知识表示的特点

7．2命题知识表示及推理方法

7．2．1基本概念

7．2．2命题演算的归结方法

7．3谓词逻辑知识表示及推理

7．3．1知识的谓词逻辑表示法

7．3．2谓词逻辑自动推理的基本问题

7．3．3将公式化成标准子句形式的步骤

7．3．4合一算法

7．3．5谓词逻辑的归结算法

7．3．6推理中的相等意义的转换策略

7．4一个推理实例

习题7

第8章非经典逻辑知识的表示与推理

8．1非单调推理

8．1．1单调推理与非单调推理的概念

8．1．2默认逻辑

8．2证据理论

8．2．1识别框架

8．2．2基本概率分配函数

8．2．3置信函数

8．2．4置信区间

8．2．5证据的组合函数

8．2．6DS证据理论的评价

8．3不确定性推理

8．3．1不确定性

8．3．2主观概率贝叶斯方法

8．4模糊推理

8．4．1模糊推理的基本理论

8．4．2Fuzzy逻辑

习题8

第9章神经网络与卷积神经网络

9．1人工神经网络的基本概念

9．1．1人工神经网络的定义

9．1．2人工神经网络的基本原理

9．1．3人工神经网络互连结构

9．1．4神经网络模型分类

9．2几种典型的神经网络简介

9．2．1单层前向网络

9．2．2多层前向网络及BP学习算法

9．2．3Hopfield神经网络

9．3卷积神经网络

9．3．1卷积神经网络的结构

9．3．2参数减少与权值共享

9．3．3池化

9．3．4全连接层

9．4神经网络的应用领域

习题9

0章机器学习与深度学习

10．1概述

10．1．1机器学习的定义和意义

10．1．2机器学习的研究简史

10．1．3机器学习方法的分类

10．1．4机器学习中的推理方法

10．2归纳学习

10．2．1归纳概念学习的定义

10．2．2归纳概念学习算法的一般步骤

10．2．3归纳概念学习的基本技术

10．3基于类比的学习

10．3．1类比学习的一般原理

10．3．2类比学习的表示

10．3．3类比学习的求解

10．4深度学习

10．4．1什么是深度学习

10．4．2特征提取

10．4．3自动特征提取

10．4．4深度学习直观理解

习题10

1章数据挖掘与Web挖掘

11．1一般数据挖掘方法

11．1．1数据挖掘的定义

11．1．2数据挖掘研究的主要内容

11．1．3数据挖掘的任务

11．1．4数据挖掘的特点

11．1．5数据挖掘常用的技术

11．1．6数据挖掘过程

11．2关联规则挖掘

11．2．1问题的形式化描述

11．2．2挖掘步骤

11．2．3Apriori算法

11．2．4实例与分析

11．3聚类分析

11．3．1聚类分析的定义

11．3．2聚类分析的主要步骤

11．3．3聚类分析的几种主要的算法

11．3．4聚类分析的应用领域

11．4Web挖掘

11．4．1Web挖掘概述

11．4．2Web内容挖掘

11．4．3Web结构挖掘

11．4．4Web使用挖掘

习题11

2章大数据与云计算

12．1从理论维度认识大数据

12．1．1大数据的定义

12．1．2大数据的特征

12．1．3大数据的价值

12．1．4大数据的发展趋势

12．2从技术的维度认识大数据

12．2．1云计算的定义以及要解决的问题

12．2．2云计算与虚拟化

12．2．3云存储与云网络

12．2．4私有云、公有云与云平台

12．2．5云计算的服务模式

12．2．6用大数据技术实现人工智能

12．3从应用的维度认识大数据

12．3．1从大数据走向大知识

12．3．2从大数据走向大智慧

12．3．3从大数据走向大财富

12.3.4大数据——企业竞争力的关键

12．3．5大数据及人工智能全面渗透人类生活

习题12

3章专家系统与人工智能工具

13．1专家系统

13．1．1专家系统概述

13．1．2专家系统中的知识获取

13．1．3专家系统的解释机制

13．1．4专家系统开发

13．1．5专家系统开发实例

13．2专家系统开发工具与环境

13．2．1专家系统开发工具与环境简介

13．2．2生成工具

13．2．3辅助工具

13．2．4专家系统工具JESS

13．3人工智能开源工具

13．3．1TensorFlow

13．3．2Apache SystemML

13．3．3Caffe

13．3．4Apache Mahout

13．3．5Torch

13．3．6Neuroph

习题13

"朱福喜，武汉学院信息工程学院 ，教授，原武汉大学计算机学院教授、博导，博士、人工智能领域专家；发表论文百余篇，其中SCI论文、EI论文三十余篇。编写专著和教材二十部。主持国家基金和参与国家自然科学基金多项。
朱丽达 ，华农农业大学信息学院，讲师，博士、机器学习领域专家；发表SCI论文5篇，发表EI论文十余篇。主持国家基金一项，参与国家基金多项。
"

"内容全面，既有经典的至今仍有广泛应用的人工智能知识，又有人工智能研究的近期新进展和热门研究课题。内容精炼、经典，是作者从多年来撰写的10余本人工智能教材中提炼而来，内容通俗易懂，适合入门者学习。
 配套教学资料丰富，配有课堂讲授课件、微课视频和课堂演示实例，生动、直观、形象地讲授课程内容，并配有教学大纲和教案。辅助学习资料齐全，配备项目实践案例、习题解析和答案。
"