人工智能通識教程

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人工智能的先驅(qū)圖靈與圖靈測試8
1.2.3人工智能的誕生——達(dá)特茅斯會議9
1.3人工智能的發(fā)展10
1.3.1人工智能的形成期10
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13
1.4從兩場標(biāo)志性人機(jī)博弈看人工智能的發(fā)展14
1.4.1人工智能研究中的“小白鼠”14
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人工智能會使許多人失業(yè)嗎34
1.8本章小結(jié)35
討論題35
第2章知識表示與知識圖譜36
2.1你了解人類知識嗎36
2.1.1什么是知識36
2.1.2知識的相對正確性37
2.1.3知識的不確定性38
2.2計算機(jī)表示知識的方法40
2.3產(chǎn)生式表示法41
2.3.1產(chǎn)生式42
2.3.2產(chǎn)生式系統(tǒng)43
2.3.3產(chǎn)生式表示法的特點(diǎn)45
2.4框架表示法46
2.4.1框架的一般結(jié)構(gòu)47
2.4.2用框架表示知識的例子48
2.4.3框架表示法的特點(diǎn)50
2.5知識圖譜51
2.5.1知識圖譜的提出52
2.5.2知識圖譜的定義52
2.5.3知識圖譜的表示53
2.5.4知識圖譜的架構(gòu)54
2.5.5知識圖譜的典型應(yīng)用55
2.6本章小結(jié)57
討論題58
人工智能通識教程目錄第3章模擬人類思維的模糊推理60
3.1推理的定義60
3.2推理的分類61
3.2.1演繹推理61
3.2.2歸納推理62
3.2.3默認(rèn)推理62
3.3推理的方向63
3.3.1正向推理63
3.3.2逆向推理64
3.3.3混合推理67
3.4推理中的沖突消解策略69
3.5模糊集合與模糊知識表示71
3.5.1模糊邏輯的提出與發(fā)展71
3.5.2模糊集合的定義與表示73
3.5.3隸屬函數(shù)75
3.6模糊關(guān)系與模糊關(guān)系的合成76
3.6.1模糊關(guān)系76
3.6.2模糊關(guān)系的合成78
3.7模糊推理與模糊決策79
3.7.1模糊推理79
3.7.2模糊決策80
3.8模糊推理的應(yīng)用81
3.9本章小結(jié)82
討論題83
第4章搜索策略85
4.1搜索的概念85
4.2如何用狀態(tài)空間表示搜索對象86
4.2.1狀態(tài)空間知識表示方法86
4.2.2狀態(tài)空間的圖描述88
4.3回溯策略91
4.4盲目的圖搜索策略93
4.4.1寬度優(yōu)先搜索策略93
4.4.2深度優(yōu)先搜索策略94
4.5啟發(fā)式圖搜索策略97
4.5.1啟發(fā)式策略97
4.5.2啟發(fā)信息和估價函數(shù)100
4.5.3A搜索算法102
4.5.4A搜索算法103
4.6本章小結(jié)105
討論題106
第5章模擬生物進(jìn)化的遺傳算法107
5.1進(jìn)化算法的生物學(xué)背景107
5.2遺傳算法109
5.2.1遺傳算法的發(fā)展歷史109
5.2.2遺傳算法的基本思想110
5.2.3編碼111
5.2.4種群設(shè)定113
5.2.5適應(yīng)度函數(shù)114
5.2.6選擇116
5.2.7交叉118
5.2.8變異120
5.3遺傳算法的主要改進(jìn)算法122
5.3.1雙倍體遺傳算法122
5.3.2雙種群遺傳算法124
5.3.3自適應(yīng)遺傳算法124
5.4基于遺傳算法的生產(chǎn)調(diào)度方法126
5.4.1基于遺傳算法的流水車間調(diào)度方法126
5.4.2基于遺傳算法的混合流水車間調(diào)度方法128
5.5本章小結(jié)133
討論題134
第6章模擬生物群體行為的群智能算法135
6.1群智能算法的生物學(xué)背景135
6.2模擬鳥群行為的粒子群優(yōu)化算法137
6.2.1基本粒子群優(yōu)化算法137
6.2.2粒子群優(yōu)化算法的應(yīng)用139
6.3模擬蟻群行為的蟻群優(yōu)化算法141
6.3.1蟻群優(yōu)化算法的生物學(xué)背景142
6.3.2基本蟻群優(yōu)化算法142
6.3.3蟻群優(yōu)化算法的應(yīng)用146
6.4本章小結(jié)148
討論題149
第7章模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)150
7.1人工神經(jīng)元與人工神經(jīng)網(wǎng)絡(luò)150
7.1.1生物神經(jīng)元結(jié)構(gòu)150
7.1.2生物神經(jīng)元的數(shù)學(xué)模型151
7.1.3人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與學(xué)習(xí)153
7.2機(jī)器學(xué)習(xí)的先驅(qū)——赫布學(xué)習(xí)規(guī)則154
7.3掀起人工神經(jīng)網(wǎng)絡(luò)第一次高潮的感知器155
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158
7.4.1BP學(xué)習(xí)算法的提出158
7.4.2BP神經(jīng)網(wǎng)絡(luò)159
7.4.3BP學(xué)習(xí)算法160
7.4.4BP學(xué)習(xí)算法在模式識別中的應(yīng)用161
7.5本章小結(jié)163
討論題164
第8章機(jī)器學(xué)習(xí)與深度學(xué)習(xí)165
8.1機(jī)器學(xué)習(xí)的基本概念165
8.1.1學(xué)習(xí)165
8.1.2機(jī)器學(xué)習(xí)166
8.1.3學(xué)習(xí)系統(tǒng)166
8.1.4機(jī)器學(xué)習(xí)的發(fā)展169
8.2機(jī)器學(xué)習(xí)的分類170
8.2.1機(jī)器學(xué)習(xí)的一般分類方法170
8.2.2有監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)172
8.2.3弱監(jiān)督學(xué)習(xí)174
8.3知識發(fā)現(xiàn)與數(shù)據(jù)挖掘177
8.3.1知識發(fā)現(xiàn)與數(shù)據(jù)挖掘的概念178
8.3.2知識發(fā)現(xiàn)的一般過程178
8.3.3知識發(fā)現(xiàn)的任務(wù)179
8.3.4知識發(fā)現(xiàn)的對象180
8.4動物視覺機(jī)理與深度學(xué)習(xí)的提出182
8.4.1淺層學(xué)習(xí)的局限性182
8.4.2深度學(xué)習(xí)的提出183
8.5卷積神經(jīng)網(wǎng)絡(luò)與膠囊網(wǎng)絡(luò)185
8.5.1卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)185
8.5.2卷積的物理、生物與生態(tài)學(xué)等意義186
8.5.3卷積神經(jīng)網(wǎng)絡(luò)的卷積運(yùn)算187
8.5.4卷積神經(jīng)網(wǎng)絡(luò)中的關(guān)鍵技術(shù)189
8.5.5卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用192
8.5.6膠囊網(wǎng)絡(luò)193
8.6生成對抗網(wǎng)絡(luò)及其應(yīng)用196
8.6.1生成對抗網(wǎng)絡(luò)的基本原理196
8.6.2生成對抗網(wǎng)絡(luò)的結(jié)構(gòu)與訓(xùn)練197
8.6.3生成對抗網(wǎng)絡(luò)在圖像處理中的應(yīng)用200
8.6.4生成對抗網(wǎng)絡(luò)在語言處理中的應(yīng)用203
8.6.5生成對抗網(wǎng)絡(luò)在視頻生成中的應(yīng)用205
8.6.6生成對抗網(wǎng)絡(luò)在醫(yī)療中的應(yīng)用207
8.7本章小結(jié)207
討論題208
第9章專家系統(tǒng)210
9.1專家系統(tǒng)的產(chǎn)生和發(fā)展210
9.2專家系統(tǒng)的概念212
9.2.1專家系統(tǒng)的定義212
9.2.2專家系統(tǒng)的特點(diǎn)212
9.2.3專家系統(tǒng)的類型214
9.3專家系統(tǒng)的工作原理216
9.3.1專家系統(tǒng)的一般結(jié)構(gòu)216
9.3.2知識庫216
9.3.3推理機(jī)217
9.3.4綜合數(shù)據(jù)庫217
9.3.5知識獲取機(jī)構(gòu)218
9.3.6人機(jī)接口219
9.3.7解釋機(jī)構(gòu)219
9.4簡單的動物識別專家系統(tǒng)219
9.4.1知識庫建立220
9.4.2綜合數(shù)據(jù)庫建立和推理過程221
9.5專家系統(tǒng)實例及其骨架系統(tǒng)222
9.5.1骨架系統(tǒng)的概念222
9.5.2EMYCIN骨架系統(tǒng)223
9.5.3KAS骨架系統(tǒng)224
9.6專家系統(tǒng)開發(fā)環(huán)境226
9.7本章小結(jié)227
討論題228
第10章自然語言理解229
10.1自然語言理解的概念與發(fā)展229
10.1.1自然語言理解的概念229
10.1.2自然語言理解的發(fā)展歷史229
10.2語言處理過程的層次232
10.3機(jī)器翻譯方法概述234
10.4循環(huán)神經(jīng)網(wǎng)絡(luò)238
10.4.1循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)238
10.4.2循環(huán)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練239
10.4.3長短期記憶神經(jīng)網(wǎng)絡(luò)240
10.5基于循環(huán)神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯240
10.6語音識別242
10.6.1語音識別的概念242
10.6.2語音識別的主要過程243
10.6.3語音識別的方法246
10.7本章小結(jié)247
討論題247
第11章計算機(jī)視覺248
11.1計算機(jī)視覺概述248
11.2計算機(jī)視覺系統(tǒng)中的數(shù)字圖像251
11.3基于深度學(xué)習(xí)的計算機(jī)視覺252
11.4基于計算機(jī)視覺的生物特征識別253
11.4.1人臉識別253
11.4.2虹膜識別254
11.5本章小結(jié)255
討論題256
第12章智能機(jī)器人257
12.1機(jī)器人的產(chǎn)生與發(fā)展257
12.2機(jī)器人中的人工智能技術(shù)260
12.2.1機(jī)器人智能感知260
12.2.2機(jī)器人智能導(dǎo)航264
12.2.3機(jī)器人智能路徑規(guī)劃264
12.2.4機(jī)器人智能運(yùn)動控制265
12.2.5機(jī)器人智能交互267
12.3智能機(jī)器人的應(yīng)用267
12.3.1工業(yè)機(jī)器人268
12.3.2農(nóng)業(yè)機(jī)器人270
12.3.3服務(wù)機(jī)器人273
12.3.4醫(yī)用機(jī)器人276
12.3.5軍用機(jī)器人277
12.4智能機(jī)器人技術(shù)展望與倫理280
12.4.1智能機(jī)器人技術(shù)展望280
12.4.2機(jī)器人倫理問題281
12.5本章小結(jié)282
討論題282