前言 人工智能是研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门综合学科，其涉及领域十分广泛。 20世纪90年代初，常州大学借助国内外优质资源，开始人工智能教学工作，并着手培养师资。借此，笔者有幸先后师从浙江大学钱积新教授、南京理工大学夏德深教授，开始从事人工智能有关领域的理论学习与应用研究。2002年开始在常州大学给计算机本科生和自动化本科生讲授“人工智能基础（神经网络技术）”专业课程，2007年开始给计算机硕士研究生讲授“人工智能”学位课程，2016年开始给全校理工类本科生讲授“人工智能导论”公选课程，2020年开始给人工智能专业本科生讲授“人工智能导论”专业基础课程。经过多年的教学实践，笔者强烈感觉到需要一部适合于地方高校使用的人工智能教材，该教材应该既能比较完整地反映人工智能理论方法发展至今的全貌，又强调人工智能理论算法的编程实现。基于这样的考虑，笔者于2020年年初开始着手本教材的编写工作，经过3年的边编写边教学，于2023年春完成主体编写工作。 本教材以人工智能理论算法及其编程实现为核心，按照经典方法到现代算法顺次进行内容编排，具体如下: 第1章人工智能概论，介绍人工智能的定义、发展历程、现状、研究和应用领域；第2章介绍命题逻辑、谓词逻辑、知识图谱；第3章介绍经典和现代搜索策略，包括盲目搜索策略、启发式搜索策略、AlphaBeta剪枝算法和蒙特卡罗搜索算法及它们的编程实现；第4章介绍有监督机器学习方法，包括回归分析、线性判别分析、AdaBoosting、支持向量机、决策树及它们的编程实现；第5章介绍无监督机器学习方法，包括Kmeans聚类、主成分分析、特征脸方法、局部线性嵌入、独立成分分析及它们的编程实现；第6章介绍BP前馈神经网络模型、经典卷积神经网络模型、若干新型卷积神经模型、循环神经网络模型及它们的编程实现；第7章介绍强化学习，包括马尔可夫决策过程与强化学习问题、策略优化与策略评估、基于价值的强化学习（Q学习）、Q学习的编程实现。为适应不同读者需要，本书还通过附录形式，介绍了与本书内容相关的数学基础知识，包括矩阵运算、最优化方法、概率论。 本书可作为国内地方高校的人工智能、智能科学与技术、计算机大类及自动化等专业的“人工智能导论”和“人工智能基础”课程的本科生或研究生教材。由于各章内容相对独立，所以教师可根据需要选择内容讲授。本书对应课程的教学时数一般为48～64学时。 特别感谢浙江工业大学王万良教授、南京大学周志华教授、浙江大学吴飞教授、清华大学马少平教授，在笔者从事人工智能教学和编写本书的过程中，得到了他们的大力支持与帮助。 感谢常州大学计算机与人工智能学院的张继副教授、丁宗元讲师、毕卉讲师、倪彤光副教授、顾晓清副教授、肖宇副教授、刘锁兰副教授、王军讲师、程起才讲师，他们认真参与了本教材的编写工作和算法编程调试工作。 感谢常州大学、清华大学出版社、全国高校计算机教学研究会等单位对本书编写与出版的大力支持。 目前人工智能各个子领域发展迅速，尽管笔者在整个教材编写过程中时刻保持学习、严谨、仔细认真的态度，但由于水平及时间所限，书中内容一定会存在不足，真诚欢迎读者朋友批评指正。 王洪元2023年12月

• 课件下载
• 样章下载
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接