目录

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

9.3.2RCNN目标检测算法215

9.3.3Fast RCNN目标检测算法218

9.3.4Faster RCNN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