目錄

第1章緒論

1.1什么是人工智能

1.1.1人工智能的定義

1.1.2人工智能的研究領(lǐng)域

1.1.3人工智能的發(fā)展現(xiàn)狀

1.2人工智能簡史

1.2.1人工智能的誕生（1943—1956年）

1.2.2人工智能的起步期（1956—1974年）

1.2.3人工智能的**個(gè)低谷（1974—1980年）

1.2.4人工智能的應(yīng)用發(fā)展期（1980—1989年）

1.2.5人工智能的第二個(gè)低谷（1989—1993年）

1.2.6人工智能的穩(wěn)步發(fā)展期（1993—2006年）

1.2.7人工智能的蓬勃發(fā)展期（2006年至今）

1.3人工智能的流派

1.3.1符號(hào)主義流派

1.3.2聯(lián)結(jié)主義流派

1.3.3行為主義流派

1.3.4代表人物

1.4人工智能的應(yīng)用與挑戰(zhàn)

1.4.1中國人工智能的國家戰(zhàn)略

1.4.2人工智能行業(yè)的未來格局

1.4.3迎接人工智能2.0的挑戰(zhàn)和機(jī)遇

參考文獻(xiàn)

擴(kuò)展閱讀

習(xí)題1

第2章機(jī)器學(xué)習(xí)

2.1引言

2.1.1機(jī)器學(xué)習(xí)的定義和基本概念

2.1.2機(jī)器學(xué)習(xí)的分類

2.1.3機(jī)器學(xué)習(xí)的發(fā)展歷程

2.2監(jiān)督學(xué)習(xí)

2.2.1監(jiān)督學(xué)習(xí)的定義

2.2.2K近鄰算法

2.2.3決策樹

2.2.4支持向量機(jī)

2.3無監(jiān)督學(xué)習(xí)

2.3.1無監(jiān)督學(xué)習(xí)的任務(wù)

2.3.2KMeans聚類算法

2.3.3層次聚類算法

2.3.4基于密度的聚類算法

*2.4強(qiáng)化學(xué)習(xí)

2.4.1強(qiáng)化學(xué)習(xí)的原理

2.4.2QLearning強(qiáng)化學(xué)習(xí)算法

2.4.3強(qiáng)化學(xué)習(xí)的應(yīng)用

參考文獻(xiàn)

擴(kuò)展閱讀

習(xí)題2

第3章人工神經(jīng)網(wǎng)絡(luò)

3.1概述

3.1.1人工神經(jīng)網(wǎng)絡(luò)簡介

3.1.2人工神經(jīng)網(wǎng)絡(luò)發(fā)展史

3.2MP模型

3.2.1生物神經(jīng)元

3.2.2MP模型的結(jié)構(gòu)

3.2.3MP模型實(shí)現(xiàn)與門電路邏輯運(yùn)算的應(yīng)用案例

3.3感知機(jī)

3.3.1感知機(jī)模型

3.3.2感知機(jī)工作過程

3.3.3感知機(jī)的學(xué)習(xí)過程

3.3.4感知機(jī)分類案例

3.3.5多層感知機(jī)

3.4多層神經(jīng)網(wǎng)絡(luò)

3.4.1梯度

3.4.2多層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和工作過程

3.4.3實(shí)現(xiàn)異或運(yùn)算的多層神經(jīng)網(wǎng)絡(luò)案例

3.4.4梯度消失與梯度爆炸問題

3.5深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型原理

3.5.1計(jì)算機(jī)中的圖像

3.5.2卷積運(yùn)算

3.5.3池化運(yùn)算

3.5.4卷積神經(jīng)網(wǎng)絡(luò)中的其他相關(guān)技術(shù)

3.5.5一個(gè)基本的多分類卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3.5.6經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)LeNet5模型

3.6深度學(xué)習(xí)的RNN模型介紹

3.6.1基本RNN網(wǎng)絡(luò)的結(jié)構(gòu)和工作過程

3.6.2LSTM的結(jié)構(gòu)和工作過程

參考文獻(xiàn)

擴(kuò)展閱讀

習(xí)題3

第4章知識(shí)表示與專家系統(tǒng)

4.1知識(shí)表示

4.1.1邏輯表示法

4.1.2產(chǎn)生式表示法

4.1.3框架表示法

4.1.4語義網(wǎng)表示法

4.1.5知識(shí)圖譜表示法

4.2專家系統(tǒng)

4.2.1專家系統(tǒng)概述

4.2.2專家系統(tǒng)的構(gòu)建舉例

4.2.3不確定性推理

參考文獻(xiàn)

擴(kuò)展閱讀

習(xí)題4

第5章搜索技術(shù)

5.1搜索問題的定義

5.2狀態(tài)空間

5.3盲目搜索

5.3.1深度優(yōu)先搜索

5.3.2廣度優(yōu)先搜索

5.4啟發(fā)式搜索

5.5博弈搜索

5.5.1極大極小博弈

5.5.2固定深度博弈搜索

5.5.3αβ剪枝算法

5.5.4博弈搜索的發(fā)展

參考文獻(xiàn)

擴(kuò)展閱讀

習(xí)題5

第6章群智能算法

6.1遺傳算法

6.1.1遺傳算法的產(chǎn)生與發(fā)展

6.1.2遺傳算法的基本問題

6.1.3遺傳算法的一個(gè)簡單優(yōu)化問題

6.1.4遺傳算法的優(yōu)缺點(diǎn)

6.1.5遺傳算法的應(yīng)用

6.2粒子群算法

6.2.1粒子群算法的起源

6.2.2粒子群算法的原理

6.2.3粒子群算法程序設(shè)計(jì)

6.2.4粒子群算法的參數(shù)選取

6.2.5粒子群算法的優(yōu)缺點(diǎn)

6.3蟻群算法

6.3.1蟻群算法的提出

6.3.2蟻群算法的原理

6.3.3蟻群算法求解旅行商問題

參考文獻(xiàn)

擴(kuò)展閱讀

習(xí)題6

第7章圖像識(shí)別技術(shù)與應(yīng)用

7.1圖像識(shí)別技術(shù)概述

7.1.1圖像的概念

7.1.2圖像識(shí)別的概念

7.2圖像處理與圖像識(shí)別技術(shù)

7.2.1圖像處理技術(shù)概述

7.2.2圖像識(shí)別技術(shù)的起源

7.2.3圖像識(shí)別技術(shù)發(fā)展史

7.2.4圖像識(shí)別技術(shù)現(xiàn)狀

7.3圖像識(shí)別技術(shù)的實(shí)現(xiàn)

7.3.1圖像識(shí)別的基本流程

7.3.2圖像識(shí)別的基本方法

7.4圖像識(shí)別技術(shù)的應(yīng)用

7.4.1圖像識(shí)別技術(shù)的分類

7.4.2圖像識(shí)別技術(shù)的應(yīng)用場景

7.4.3圖像識(shí)別技術(shù)的展望

參考文獻(xiàn)

擴(kuò)展閱讀

習(xí)題7

第8章自然語言處理

8.1自然語言處理概述

8.1.1什么是自然語言處理

8.1.2自然語言處理的主要困難

8.1.3自然語言處理的發(fā)展

8.2自然語言處理的研究任務(wù)

8.3自然語言處理的發(fā)展歷程

8.4自然語言處理經(jīng)典應(yīng)用解析——計(jì)算網(wǎng)頁排名

8.5自然語言處理與人工智能

參考文獻(xiàn)

擴(kuò)展閱讀

習(xí)題8

附錄A遺傳算法的MATLAB程序示例

附錄B粒子群算法的MATLAB程序示例

附錄C蟻群算法的MATLAB程序示例