人工智能應(yīng)用教程 版權(quán)信息
- ISBN:9787302628194
- 條形碼:9787302628194 ; 978-7-302-62819-4
- 裝幀:一般膠版紙
- 冊數(shù):暫無
- 重量:暫無
- 所屬分類:>
人工智能應(yīng)用教程 本書特色
(1)語言簡明,可讀性好。 (2)內(nèi)容先進(jìn),注重應(yīng)用。 (3)精心編排,便于學(xué)習(xí)。 (4)結(jié)構(gòu)合理,方便教學(xué)。 (5)附有實驗指導(dǎo),方便實驗教學(xué)。 (6)有配套MOOC課程,便于學(xué)生自學(xué)。
人工智能應(yīng)用教程 內(nèi)容簡介
本書全面介紹人工智能的基本理論、技術(shù)及應(yīng)用。全書共10章,主要內(nèi)容包括人工智能概論、知識表示與知識圖譜、確定性與不確定性推理、搜索策略、遺傳算法、群智能算法、人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)、專家系統(tǒng)、自然語言理解,附錄部分給出了實用性強(qiáng)的12個實驗。本書強(qiáng)調(diào)人工智能知識的基礎(chǔ)性、整體性、綜合性和廣博性,使學(xué)生掌握人工智能的主要思想和應(yīng)用人工智能技術(shù)解決專業(yè)領(lǐng)域問題的基本技術(shù),培養(yǎng)創(chuàng)新精神。 本書的適用對象廣泛,可作為高等學(xué)校各專業(yè)“人工智能基礎(chǔ)”課程的教材,也可供對人工智能技術(shù)感興趣的廣大讀者閱讀。
人工智能應(yīng)用教程 目錄
第1章人工智能概論1
1.1你了解人類的智能嗎1
1.1.1智能的概念1
1.1.2智能的特征3
1.2人工智能的孕育和誕生6
1.2.1人工智能的孕育期6
1.2.2人工智能的誕生——達(dá)特茅斯會議8
1.2.3人工智能的定義與圖靈測試9
1.3人工智能的發(fā)展11
1.3.1人工智能的形成期11
1.3.2幾起幾落的曲折發(fā)展期12
1.3.3大數(shù)據(jù)驅(qū)動的飛速發(fā)展期14
1.4從兩場標(biāo)志性人機(jī)博弈看人工智能的發(fā)展15
1.4.1人工智能研究中的“小白鼠”15
1.4.2“深藍(lán)”戰(zhàn)勝國際象棋棋王卡斯帕羅夫15
1.4.3阿爾法狗無師自通橫掃世界圍棋大師17
1.5人工智能研究的基本內(nèi)容19
1.6人工智能的主要應(yīng)用領(lǐng)域21
1.7人工智能倫理36
1.7.1人工智能倫理的提出與發(fā)展37
1.7.2人工智能倫理的典型案例與成因分析38
1.7.3人工智能倫理的治理原則40
1.7.4人工智能倫理的治理措施42
1.8本章小結(jié)44
討論題44人工智能應(yīng)用教程目錄第2章知識表示與知識圖譜45
2.1你了解人類知識嗎45
2.1.1什么是知識45
2.1.2知識的相對正確性46
2.1.3知識的不確定性47
2.1.4計算機(jī)表示知識的方法49
2.2一階謂詞邏輯表示法50
2.2.1命題50
2.2.2謂詞51
2.2.3謂詞公式53
2.2.4一階謂詞邏輯知識表示方法56
2.2.5一階謂詞邏輯表示法的特點57
2.3產(chǎn)生式表示法58
2.3.1產(chǎn)生式59
2.3.2產(chǎn)生式系統(tǒng)60
2.3.3產(chǎn)生式表示法的特點62
2.4框架表示法63
2.4.1框架的一般結(jié)構(gòu)64
2.4.2用框架表示知識的例子65
2.4.3框架表示法的特點68
2.5知識圖譜68
2.5.1知識圖譜的提出69
2.5.2知識圖譜的定義69
2.5.3知識圖譜的表示71
2.5.4知識圖譜的架構(gòu)72
2.5.5知識圖譜的典型應(yīng)用72
2.6本章小結(jié)74
討論題76
習(xí)題77第3章模擬人類思維的推理方法78
3.1推理的定義78
3.2推理的分類79
3.2.1從推出知識的路徑分類79
3.2.2從知識的確定性分類81
3.3推理的方向81
3.3.1正向推理82
3.3.2逆向推理84
3.3.3混合推理85
3.4推理中的沖突消解策略87
3.5基于謂詞邏輯的確定性推理90
3.5.1自然演繹推理90
3.5.2魯濱遜歸結(jié)原理92
3.5.3歸結(jié)反演93
3.5.4歸結(jié)求解96
3.6基于統(tǒng)計分析的不確定性推理99
3.6.1不確定性推理的概念99
3.6.2可信度方法103
3.6.3可信度方法舉例106
3.7基于模糊理論的不確定性推理107
3.7.1模糊邏輯的提出與發(fā)展107
3.7.2模糊集合的定義與表示109
3.7.3隸屬函數(shù)111
3.7.4模糊關(guān)系113
3.7.5模糊關(guān)系的合成115
3.7.6模糊推理116
3.7.7模糊決策117
3.7.8模糊推理的應(yīng)用118
3.8本章小結(jié)119
討論題121
習(xí)題121
第4章搜索策略125
4.1搜索的概念125
4.2如何用狀態(tài)空間表示搜索對象126
4.2.1狀態(tài)空間知識表示方法126
4.2.2狀態(tài)空間的圖描述128
4.3回溯策略131
4.4盲目的圖搜索策略133
4.4.1寬度優(yōu)先搜索策略133
4.4.2深度優(yōu)先搜索策略134
4.5啟發(fā)式圖搜索策略137
4.5.1啟發(fā)式策略137
4.5.2啟發(fā)信息和估價函數(shù)140
4.5.3A搜索算法142
4.5.4A搜索算法143
4.5.5蒙特卡洛樹搜索算法145
4.6本章小結(jié)147
討論題148
習(xí)題149
第5章模擬生物進(jìn)化的遺傳算法150
5.1進(jìn)化算法的生物學(xué)背景150
5.2遺傳算法152
5.2.1遺傳算法的發(fā)展歷史152
5.2.2遺傳算法的基本思想153
5.2.3編碼154
5.2.4種群設(shè)定156
5.2.5適應(yīng)度函數(shù)157
5.2.6選擇158
5.2.7交叉161
5.2.8變異163
5.3遺傳算法的主要改進(jìn)算法164
5.3.1雙倍體遺傳算法165
5.3.2雙種群遺傳算法166
5.3.3自適應(yīng)遺傳算法167
5.4基于遺傳算法的生產(chǎn)調(diào)度方法169
5.4.1基于遺傳算法的流水車間調(diào)度方法169
5.4.2基于遺傳算法的混合流水車間調(diào)度方法171
5.5本章小結(jié)176
討論題177
習(xí)題178
第6章模擬生物群體行為的群智能算法179
6.1群智能算法的生物學(xué)背景179
6.2模擬鳥群行為的粒子群優(yōu)化算法181
6.2.1基本粒子群優(yōu)化算法181
6.2.2粒子群優(yōu)化算法的應(yīng)用183
6.3模擬蟻群行為的蟻群優(yōu)化算法185
6.3.1蟻群優(yōu)化算法的生物學(xué)背景186
6.3.2基本蟻群優(yōu)化算法186
6.3.3蟻群優(yōu)化算法的應(yīng)用190
6.4本章小結(jié)192
討論題193
第7章模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)194
7.1人工神經(jīng)元與人工神經(jīng)網(wǎng)絡(luò)194
7.1.1生物神經(jīng)元結(jié)構(gòu)194
7.1.2生物神經(jīng)元的數(shù)學(xué)模型195
7.1.3人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與學(xué)習(xí)197
7.2機(jī)器學(xué)習(xí)的先驅(qū)——赫布學(xué)習(xí)規(guī)則198
7.3掀起人工神經(jīng)網(wǎng)絡(luò)**次高潮的感知器200
7.4掀起人工神經(jīng)網(wǎng)絡(luò)第二次高潮的BP學(xué)習(xí)算法202
7.4.1BP學(xué)習(xí)算法的提出202
7.4.2BP神經(jīng)網(wǎng)絡(luò)203
7.4.3BP學(xué)習(xí)算法204
7.4.4BP學(xué)習(xí)算法在模式識別中的應(yīng)用207
7.5本章小結(jié)209
討論題209
習(xí)題210
第8章機(jī)器學(xué)習(xí)與深度學(xué)習(xí)213
8.1機(jī)器學(xué)習(xí)的基本概念213
8.1.1學(xué)習(xí)213
8.1.2機(jī)器學(xué)習(xí)214
8.1.3學(xué)習(xí)系統(tǒng)214
8.1.4機(jī)器學(xué)習(xí)的發(fā)展217
8.2機(jī)器學(xué)習(xí)的分類218
8.2.1機(jī)器學(xué)習(xí)的一般分類方法218
8.2.2監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)220
8.2.3弱監(jiān)督學(xué)習(xí)222
8.3知識發(fā)現(xiàn)與數(shù)據(jù)挖掘225
8.3.1知識發(fā)現(xiàn)與數(shù)據(jù)挖掘的概念226
8.3.2知識發(fā)現(xiàn)的一般過程226
8.3.3知識發(fā)現(xiàn)的任務(wù)227
8.3.4知識發(fā)現(xiàn)的對象228
8.4動物視覺機(jī)理與深度學(xué)習(xí)的提出230
8.4.1淺層學(xué)習(xí)的局限性230
8.4.2深度學(xué)習(xí)的提出231
8.5卷積神經(jīng)網(wǎng)絡(luò)與膠囊網(wǎng)絡(luò)233
8.5.1卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)233
8.5.2卷積的物理、生物與生態(tài)學(xué)等意義234
8.5.3卷積神經(jīng)網(wǎng)絡(luò)的卷積運算235
8.5.4卷積神經(jīng)網(wǎng)絡(luò)中的關(guān)鍵技術(shù)237
8.5.5卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用240
8.5.6膠囊網(wǎng)絡(luò)241
8.5.7基于深度學(xué)習(xí)的計算機(jī)視覺244
8.6生成對抗網(wǎng)絡(luò)及其應(yīng)用246
8.6.1生成對抗網(wǎng)絡(luò)的基本原理247
8.6.2生成對抗網(wǎng)絡(luò)的結(jié)構(gòu)與訓(xùn)練248
8.6.3生成對抗網(wǎng)絡(luò)在圖像處理中的應(yīng)用250
8.6.4生成對抗網(wǎng)絡(luò)在語言處理中的應(yīng)用254
8.6.5生成對抗網(wǎng)絡(luò)在視頻生成中的應(yīng)用258
8.6.6生成對抗網(wǎng)絡(luò)在醫(yī)療中的應(yīng)用259
8.7本章小結(jié)260
討論題262
習(xí)題262
第9章專家系統(tǒng)263
9.1專家系統(tǒng)的產(chǎn)生和發(fā)展263
9.2專家系統(tǒng)的概念265
9.2.1專家系統(tǒng)的定義265
9.2.2專家系統(tǒng)的特點266
9.2.3專家系統(tǒng)的類型268
9.3專家系統(tǒng)的工作原理269
9.3.1專家系統(tǒng)的一般結(jié)構(gòu)269
9.3.2知識庫270
9.3.3推理機(jī)271
9.3.4綜合數(shù)據(jù)庫271
9.3.5知識獲取機(jī)構(gòu)271
9.3.6解釋機(jī)構(gòu)272
9.3.7人機(jī)接口273
9.4簡單的動物識別專家系統(tǒng)273
9.4.1知識庫建立273
9.4.2綜合數(shù)據(jù)庫建立和推理過程275
9.5專家系統(tǒng)開發(fā)工具——骨架系統(tǒng)276
9.5.1骨架系統(tǒng)的概念276
9.5.2EMYCIN骨架系統(tǒng)277
9.5.3KAS骨架系統(tǒng)278
9.6專家系統(tǒng)開發(fā)環(huán)境280
9.7本章小結(jié)281
討論題282
第10章自然語言理解283
10.1自然語言理解的概念與發(fā)展283
10.1.1自然語言理解的概念283
10.1.2自然語言理解的發(fā)展歷史284
10.2語言處理過程的層次287
10.3機(jī)器翻譯方法概述289
10.4循環(huán)神經(jīng)網(wǎng)絡(luò)293
10.4.1循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)293
10.4.2循環(huán)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練294
10.4.3長短期記憶神經(jīng)網(wǎng)絡(luò)295
10.5基于循環(huán)神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯295
10.6語音識別297
10.6.1語音識別的概念297
10.6.2語音識別的主要過程298
10.6.3語音識別的方法301
10.7本章小結(jié)302
討論題303
附錄A人工智能實驗指導(dǎo)書304
實驗1產(chǎn)生式系統(tǒng)實驗304
實驗2洗衣機(jī)模糊推理系統(tǒng)實驗305
實驗3A算法求解N數(shù)碼問題實驗306
實驗4A算法求解迷宮尋路問題實驗308
實驗5遺傳算法求函數(shù)*大值實驗309
實驗6遺傳算法求解TSP問題實驗312
實驗7粒子群算法求函數(shù)*小值實驗314
實驗8蟻群算法求解TSP問題實驗315
實驗9BP神經(jīng)網(wǎng)絡(luò)分類實驗315
實驗10卷積神經(jīng)網(wǎng)絡(luò)分類實驗316
實驗11膠囊網(wǎng)絡(luò)分類實驗317
實驗12用生成對抗網(wǎng)絡(luò)生成數(shù)字圖像實驗318
人工智能應(yīng)用教程 作者簡介
王萬良,工學(xué)博士,教授,博士生導(dǎo)師,2000年享受 政府特殊津貼,2008年獲 教學(xué)名師獎,2014年入選 “萬人計劃”首批教學(xué)名師,2014年獲 教學(xué)成果獎,2016年授予浙江省杰出教師稱號。現(xiàn)任浙江工業(yè)大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院院長、軟件學(xué)院院長、 精品課程和資源共享課程《自動控制原理》負(fù)責(zé)人、 高等學(xué)校計算機(jī)類專業(yè)教學(xué)指導(dǎo)委員會委員、浙江省高等學(xué)校計算機(jī)類專業(yè)教學(xué)指導(dǎo)委員會副主任、全國高校大數(shù)據(jù)教育聯(lián)盟副理事長、浙江省計算機(jī)學(xué)會副理事長、浙江省計算機(jī)應(yīng)用與教育學(xué)會副理事長、杭州市計算機(jī)學(xué)會理事長、杭州市人工智能學(xué)會副理事長。
- >
羅曼·羅蘭讀書隨筆-精裝
- >
龍榆生:詞曲概論/大家小書
- >
朝聞道
- >
經(jīng)典常談
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
小考拉的故事-套裝共3冊
- >
史學(xué)評論
- >
名家?guī)阕x魯迅:朝花夕拾