目录

第1章绪论

1.1思维与智能

1.2强人工智能与弱人工智能

1.3识别适用人工智能解决的

问题

1.4人工智能的研究途径与研究

内容

1.5人工智能的历史、现状与

未来

本章小结

思考与练习

第2章人工智能的数学基础

2.1线性代数

2.1.1向量与矩阵

2.1.2向量运算

2.1.3矩阵的运算与特殊

类别的矩阵

2.2概率论

2.2.1随机试验、样本空间与

随机事件

2.2.2事件的概率

2.2.3条件概率

2.3统计学术语与常用公式

2.3.1期望与方差

2.3.2几种常见的概率分布

函数

2.4命题逻辑与谓词逻辑

2.4.1命题及命题逻辑

2.4.2谓词及谓词逻辑

2.4.3谓词公式

2.5博弈论

2.5.1博弈论概述

2.5.2博弈论示例

2.6运筹学

2.6.1线性规划

2.6.2动态规划

本章小结

思考与练习

第3章搜索智能与优化策略

3.1搜索与问题的状态空间表示

3.1.1搜索介绍

3.1.2问题的状态空间

表示

3.2状态空间的搜索过程与

策略

3.2.1关于搜索的几个

概念

3.2.2状态空间的一般搜索

过程

3.2.3爬山法

3.3启发式搜索与A*算法

3.3.1启发信息与估价

函数

3.3.2A*算法

3.4博弈树搜索与αβ剪枝

3.4.1极大—极小搜索

过程

3.4.2αβ剪枝

3.5蒙特卡罗树搜索与

AlphaGo

3.6搜索的复杂度问题

本章小结

思考与练习

第4章知识工程

4.1知识工程概述

4.1.1知识工程基本

概念

4.1.2知识系统与知识

图谱

4.2知识表示和知识表示方法

4.2.1知识表示

4.2.2知识表示方法

4.3基于规则的专家系统

4.3.1前向链接与后向链接

推理技术

4.3.2开发一个简易的专家

系统

4.4知识图谱

4.4.1知识图谱概述

4.4.2知识图谱构建的

关键技术与技术

结构

4.4.3知识存储

4.4.4知识加工

4.4.5知识更新

4.4.6知识图谱的应用

本章小结

思考与练习

第5章确定性推理

5.1确定性推理概述

5.1.1推理的方式与

种类

5.1.2推理的控制策略

5.2自然演绎推理

5.3归结演绎推理

5.3.1子句与子句集

5.3.2合一与替换原理

5.3.3鲁滨逊归结原理

5.3.4归结反演

5.3.5归结策略

本章小结

思考与练习

第6章不确定性推理

6.1不确定性推理概述

6.2概率统计方法

6.2.1经典概率方法

6.2.2逆概率方法

6.2.3主观贝叶斯方法

6.2.4可信度方法

6.2.5DS证据理论

6.3处理不确定性问题的图

方法

6.3.1贝叶斯信念网络

6.3.2马尔可夫链

6.3.3隐马尔可夫模型

6.4模糊推理

6.4.1模糊命题与

模糊集

6.4.2模糊逻辑与模糊

推理

本章小结

思考与练习

第7章群智能算法与进化计算

7.1群智能算法

7.1.1蚁群算法

7.1.2粒子群算法

7.2遗传算法

7.2.1遗传算法的基本

框架

7.2.2遗传算法应用

示例

7.2.3遗传编程

7.3生命游戏与基于社会的

学习

7.3.1生命游戏

7.3.2基于社会的学习

本章小结

思考与练习

第8章机器学习

8.1机器学习概述

8.2决策树学习

8.2.1决策树表示法

8.2.2ID3学习算法

8.2.3ID3算法的改进

8.3贝叶斯分类器

8.3.1贝叶斯公式概述与

极大似然估计

8.3.2朴素贝叶斯方法

8.3.3Jensen不等式和

EM算法

8.3.4贝叶斯网络

8.4统计学习理论

8.4.1小样本统计学习

理论

8.4.2支持向量机

8.4.3核函数

8.5聚类

8.5.1聚类问题

8.5.2聚类方法

8.6特征选择与表示学习

8.6.1特征提取与选择

8.6.2主成分分析

8.6.3表示学习

8.6.4归纳学习及应用

案例

8.7其他学习方法

8.7.1K近邻算法

8.7.2强化学习

8.7.3线性回归模型

本章小结

思考与练习

第9章神经网络

9.1神经网络概述

9.1.1人脑神经系统

9.1.2神经元与神经

网络

9.1.3人工神经网络的研究

内容

9.2前馈神经网络

9.2.1感知器学习规则

9.2.2增量学习

9.2.3反向传播算法

9.2.4竞争学习

9.3反馈神经网络

9.3.1循环神经网络

9.3.2记忆网络

9.4深度学习

9.4.1深度学习简介

9.4.2卷积神经网络

本章小结

思考与练习

第10章人工智能的应用领域

10.1模式识别

10.1.1模式识别的基本

问题

10.1.2图像识别

10.1.3人脸识别

10.1.4语音识别

10.2自然语言处理

10.3多智能体

10.3.1智能体与多智能体

系统

10.3.2多智能体系统的

学习与协作

10.3.3智能机器人

10.4数据工程

10.4.1大数据与人工

智能

10.4.2数据分析与

挖掘

本章小结

第11章人工智能的安全与伦理

11.1人工智能与生物智能

11.2人工智能的安全与伦理

问题

附录A实训环境安装与使用

A.1Java、Python语言开发

环境

A.2基于百度AI开放平台的

开发环境搭建与使用

A.2.1PaddlePaddle的

安装与使用

A.2.2PaddlePaddle开发

组件介绍

A.2.3使用PaddlePaddle

开发本地应用的

步骤

A.3通过百度AI开放平台

使用智能服务

A.3.1百度AI开放

平台

A.3.2AI Studio

参考文献