人工智能原理及应用/云南省普通高等学校“十二五”规划教材
定 价:42 元
丛书名:云南省普通高等学校“十二五”规划教材 , 大数据与计算机科学系列·大数据技术与应用方向
- 作者:佘玉梅,段鹏 著
- 出版时间:2018/12/1
- ISBN:9787313182647
- 出 版 社:上海交通大学出版社
- 中图法分类:TP18
- 页码:201
- 纸张:胶版纸
- 版次:1
- 开本:16开
《人工智能原理及应用/云南省普通高等学校“十二五”规划教材》是作者在科学研究与教学实践的基础上,吸纳了国内外人工智能领域专家学者的经验,归纳、整理、提炼而形成的,主要讲述了人工智能的基本概念和基本原理,给出了在相应领域的算法及应用。全书共8章,主要内容有:人工智能的基本概念、知识表示和问题求解、自动规划求解系统、机器学习、自然语言处理技术、智能信息处理技术、分布式人工智能和Agent技术、知识发现与数据挖掘等。
《人工智能原理及应用/云南省普通高等学校“十二五”规划教材》可作为计算机类及相关专业本科高年级学生或研究生的教材,也可供从事计算机科学、人工智能等方面工作的科技人员参考。
人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支,是计算机科学、控制论、信息论、自动化、仿生学、生物学、语言学、神经生理学、心理学、数学、医学和哲学等多种学科相互渗透而发展起来的综合性的交叉学科和边缘学科。人工智能的基本目标是使机器不仅能模拟,而且可以延伸、扩展人的智能,更进一步的目标是制造出智能机器。人工智能自20世纪50年代中期诞生以来,取得了长足的发展。
随着人工智能时代的到来,对人工智能原理进行深入研究,对人工智能学科进行理论创新和应用创新,将有力地推动科学技术和经济社会的发展。为此,世界各国对人工智能的研究都十分重视,投人大量的人力、物力和财力,激烈争夺这一高新技术的制高点。计算机学科、自动化领域的学科及计算机应用密集的其他学科的学生掌握人工智能的基础知识,已经成为国内外许多高校提高学生综合素质,培养高水平、复合型和创新型人才的一项重要举措。
本书是在佘玉梅、段鹏编写的《人工智能及其应用》(上海交通大学出版社2007年出版)的基础上编写完成的,新增内容在40%左右。编写过程中,注意跟踪学科前沿,结合智能计算理论和应用的发展,根据作者多年的教学经验和体会,对教材结构和内容进行了重组,增加了相应的章节,加入一些实例、习题,让学生更易理解和掌握,进一步丰富和完善了教材内容。
本书力求深入浅出地对人工智能的基本原理及应用进行讨论,同时为读者提供学习和研究本学科的有效工具。全书分8章。第1章介绍人工智能的基本概念;第2章介绍知识表示和问题求解;第3章介绍自动规划求解系统;第4章介绍机器学习;第5章介绍自然语言处理技术;第6章介绍智能信息处理技术;第7章介绍分布式人工智能和Agent技术;第8章介绍知识发现与数据挖掘等。其中第1章、第2章、第3章、第4章、第5章由佘玉梅撰稿,第6章、第7章、第8章由段鹏撰稿。
本书在写作过程中,得到了云南省教育厅和云南民族大学“十二五”规划教材建设项目的大力支持,同时得到了很多专家的指导和帮助。另外,书中部分定义、算法、模型、实例等内容,直接或间接地参考和引用了许多国内外专家和学者的文献资料,这些资料已在本书的主要参考文献中列出,在此一并表示衷心的感谢。
由于作者水平有限,加之人工智能发展较快,书中存在的错误、疏漏和不妥之处,恳请读者不吝赐教和批评指正。
第1章 绪论
1.1 人工智能概念和发展
1.1.1 人工智能的概念
1.1.2 人工智能的发展简史
1.2 人工智能的研究学派
1.2.1 符号主义
1.2.2 联结主义
1.2.3 行为主义
1.3 人工智能的研究目标
1.4 人工智能的研究领域
1.4.1 模式识别
1.4.2 自动定理证明
1.4.3 机器视觉
1.4.4 专家系统
1.4.5 机器人
1.4.6 自然语言处理
1.4.7 博弈
1.4.8 人工神经网络
1.4.9 问题求解
1.4.10 机器学习
1.4.11 基于Agent的人工智能
第2章 知识表示和问题求解
2.1 知识及知识表示的基本概念
2.1.1 知识的概念
2.1.2 知识表示
2.1.3 知识的分类
2.1.4 知识的使用
2.1.5 对知识表示方法的衡量
2.2 状态空间知识表示及求解
2.2.1 状态空间表示法
2.2.2 图搜索策略
2.3 产生式系统及推理
2.3.1 产生式系统的构成
2.3.2 产生式系统的求解问题策略
2.4 问题归约法
2.4.1 问题归约表示
2.4.2 与/或图表示
2.5 谓词逻辑表示及归结原理
2.5.1 命题逻辑
2.5.2 谓词逻辑
2.5.3 一阶谓词演算的基本体系
2.5.4 推理规则
2.5.5 归结原理
2.6 语义网络
2.6.1 语义网络的构成及特点
2.6.2 语义网络的表示
2.6.3 语义网络的推理
2.6.4 语义网络表示的优缺点特点
2.7 其他知识表示与问题求解方法
2.7.1 框架
2.7.2 脚本
2.7.3 过程
第3章 自动规划求解系统
3.1 规划
3.1.1 规划的概念
3.1.2 规划的特性及作用
3.1.3 系统规划求解的方法与途径
3.1.4 系统规划求解的任务
3.2 机器规划成功性基本原理
3.2.1 概述
3.2.2 总规划的设计与分层规划原理
3.2.3 规划问题求解与最优规划原理
3.3 机器人规划求解应用举例
第4章 机器学习
4.1 机器学习的概念
4.1.1 什么是学习
4.1.2 机器学习与人类学习的区别
4.1.3 机器学习实现的困难
4.2 机器学习的研究目标
4.2.1 通用学习算法
4.2.2 认知模型
4.2.3 工程目标
4.3 机器学习系统
4.3.1 什么是机器学习系统
4.3.2 机器学习的基本模型
4.4 机器学习的分类
4.5 实例学习
4.5.1 概述
4.5.2 实例学习的两个空间模型
4.5.3 实例学习示例
第5章 自然语言处理技术
5.1 自然语言处理概述
5.1.1 汉语信息处理技术方面的进展
5.1.2 少数民族语言文字信息处理技术方面的进展
5.1.3 自然语言处理的研究领域和方向
5.2 自然语言理解
5.2.1 自然语言分析的层次
5.2.2 自然语言理解的层次
5.3 词法分析
5.3 句法分析
5.3.1 短语结构文法
5.3.2 乔姆斯基文法体系
5.3.3 句法分析树
5.3.4 转移网络
5.4 语义分析
5.4.1 语义文法
5.4.2 格文法
5.5 大规模真实文本的处理
5.6 信息搜索
5.6.1 搜索引擎
5.6.2 智能搜索引擎
5.7 机器翻译
5.7.1 基于词的统计机器翻译
5.7.2 基于短语的统计机器翻译
5.8 语音识别
5.8.1 信号处理
5.8.2 识别
第6章 智能信息处理技术
6.1 神经网络
6.1.1 神经网络的模型和学习算法
6.1.2 几种典型神经网络简介
6.1.3 神经网络的应用
6.2 深度学习
6.2.1 深度学习的模型和学习算法
6.2.2 深度学习的应用
6.3 遗传算法
6.3.1 遗传算法的概念
6.3.2 基本遗传算法
6.3.3 遗传算法应用
6.4 粗糙集方法
6.4.1 粗糙集的基本概念
6.4.2 粗糙集对缺失数据的补齐方法
6.5 模糊计算技术
6.5.1 模糊集合
6.5.2 模糊集合的表示方法
6.5.3 模糊集合的运算
6.5.4 隶属函数
6.5.5 模糊模式识别
6.6 云模型理论
6.7 支持向量机
6.7.1 线性分类
6.7.2 核函数
6.7.3 SVM的应用
第7章 分布式人工智能和Agent技术
7.1 分布式人工智能
7.2 Agent系统
7.2.1 Agent的基本概念及特性
7.2.2 Agent的分类及能力
7.3 多Agent系统
7.3.1 多Agent系统的基本概念及特性
7.3.2 多Agent系统的研究内容
第8章 知识发现与数据挖掘
8.1 知识发现
8.2 数据挖掘
8.2.1 数据挖掘技术的产生及定义
8.2.2 数据挖掘的功能
8.2.3 常用的数据挖掘方法
8.3 大数据处理
8.3.1 大数据计算框架——MapReduce
8.3.2 Hadoop平台及相关生态系统
8.3.3 Spark计算框架及相关生态系统
8.3.4 流式大数据
8.3.5 大数据挖掘与分析
主要参考文献