人工智慧

韋巍 博士，畢業於浙江大學，現任浙江大學請是特聘教授，浙大城市學院副校長，國務院特殊津貼獲得者，國家首批863首席專家。目前兼任IEEE PES數位電網（中國）技術委員會副主任等。主要從事智慧配電網、智慧控制等方向的研究，主持國家863、國家重點研發計畫、國家重點自然科學基金等20餘項，發表學術論文300餘篇，獲得省會級科技進步一等獎3項、二等獎5項，獲得國家優秀教學成果一等獎1項、二等獎1項。 李知藝，博士，畢業於美國伊利諾理工大學電機工程。現任浙江大學電機工程學院研究員、博士生導師。主要從事電力系統數位轉型、電力人工智慧與資訊安全等。擔任10餘本國內外權威期刊的編委，中國電工技術學會主配配電網及分散式電源專業委員會委員。主持或承擔完成國家級、省部級項目10餘項，獲授權國家發明專利10餘項，發表SCI/EI檢索論文150餘篇。 潘樹文，博士，畢業於美國加州大學爾灣分校（UCI）。現任浙大城市學院資訊與電機工程學院電機系教授、碩士生指導教授。浙江省自動化學會理事。主要從事機器人感測與控制、系統辨識等研究。主持國家自然科學基金、省級科技計畫計畫等多項，發表學術論文30餘篇。 李靜，博士，畢業於浙江大學。現任浙大城市學院資訊與電機工程學院副院長、教授、博士生導師。浙江省自動化學會理事。主要從事分散式能源智慧控制、智慧資訊處理技術等的研究。主持完成國家自然科學基金、省級科技計畫計畫等多項，發表學術論文50餘篇，獲得浙江省科技進步一等獎、中國電力科技進步二等獎等科技獎勵。

前言
第1章緒論
1.1人工智慧的定義與歷史
1.1.1人工智慧的定義
1.1.2人工智慧的歷史
1.2人工智慧的研究範疇
1.3人工智慧研究的應用領域
1.4人工智慧研究進展與展望
參考文獻
第2章知識表示和邏輯推理
2.1知識與推理的關係
2.1.1什麼是知識
2.1.2知識的特性
2.1.3知識的分類
2.1.4知識的表示
2.1.5什麼是推理
2.1.6推理方式及其分類
2.2一階謂詞邏輯表示法
2.2.1一階謂詞邏輯表示的邏輯基礎
2.2.2一階謂詞邏輯表示方法實例
2.2.3一階謂詞邏輯表示法的特點
2.3產生式表示法
2.3.1產生式的基本形式
2.3.2產生式系統
2.3.3產生式系統的分類
2.3.4產生式表示法的特點
2.4框架表示法
2.4.1框架
2.4.2框架網絡
2.4.3框架中槽的設定與組織
2.4.4框架系統中求解問題的基本過程
2.4.5框架表示法的特點
2.5語意網路表示法
2.5.1語意網路的概念
2.5.2知識的語意網路表示
2.5.3常用的語意聯繫
2.5.4語意網路系統中求解問題的基本過程
2.5.5語意網路表示法的特點
2.6自然演繹推理
2.6.1推理所需邏輯基礎
2.6.2自然演繹推理的形式
2.6.3自然演繹推理的特點
人 工 智 能目錄2.7歸結演繹推理
2.7.1子句
2.7.2海伯倫理論
2.7.3魯賓遜歸結原理
2.7.4歸結策略
2.7.5歸結演繹推理的特點
2.8與/或形演繹推理
2.8.1與/或形正向演繹推理
2.8.2與/或形逆向演繹推理
2.8.3與/或形雙向演繹推理
2.8.4與/或形演繹推理的特點
2.9主觀貝葉斯推理
2.9.1簡單不確定性推理
2.9.2知識不確定性的表示
2.9.3證據不確定性的表示
2.9.4組合證據不確定性的演算法
2.9.5不確定性的傳遞演算法
2.9.6主觀貝葉斯推理的特點
2.10證據理論
2.10.1證據理論的表示
2.10.2證據理論的推理模型
2.10.3知識不確定性的表示
2.10.4證據不確定性的表示
2.10.5組合證據不確定性的演算法
2.10.6不確定性的傳遞演算法
2.10.7證據理論的特點
2.11其他推理方法
2.11.1模糊推理
2.11.2非單調推理
思考討論題
參考文獻
第3章搜尋技術
3.1搜尋概述
3.1.1搜尋的分類
3.1.2基於搜尋的問題求解
3.1.3問題的狀態空間表示
3.1.4問題的與/或樹表示
3.2無資訊搜尋基本策略
3.2.1狀態空間的圖搜索
3.2.2寬度優先搜索
3.2.3深度優先搜索
3.3啟發式搜尋基本策略
3.3.1啟發式搜尋的幾個重要概念
3.3.2A搜尋演算法
3.3.3A*搜尋演算法
3.3.4與/或樹的有序搜索
3.4博弈搜尋基本策略
3.4.1博弈樹
3.4.2極大極小值演算法
3.4.3alpha-beta剪枝演算法
3.5禁忌搜尋演算法
3.5.1局部搜尋與最優化
3.5.2禁忌搜尋演算法理論
3.5.3改進禁忌搜索
3.5.4禁忌搜尋演算法流程
3.5.5禁忌搜尋演算法的參數設定
3.5.6禁忌搜尋實例
思考討論題
參考文獻
第4章進化演算法與群智能演算法
4.1概述
4.2遺傳演算法
4.2.1基本GA演算法
4.2.2遺傳演算法的參數設定
4.2.3改進遺傳演算法
4.2.4遺傳演算法最佳化實例
4.3差分進化演算法
4.3.1標準DE算法
4.3.2差分進化演算法的參數設定
4.3.3改進DE演算法
4.3.4差分進化演算法最佳化實例
4.4粒子群演算法
4.4.1基本PSO演算法
4.4.2粒子群最佳化演算法的參數設定
4.4.3改進粒子群最佳化演算法
4.4.4粒子群優化算例
4.5蟻群演算法
4.5.1基本蟻群演算法
4.5.2蟻群演算法的參數設定
4.5.3改進蟻群演算法
4.5.4蟻群演算法的最佳化實例
思考討論題
參考文獻
第5章機器學習
5.1機器學習基礎
5.1.1機器學習的基本概念
5.1.2機器學習的研究史
5.1.3機器學習的分類
5.2神經網絡
5.2.1神經網路的基本特點
5.2.2激活函數
5.2.3神經網路的學習機理
5.2.4線性分類器
5.3深度神經網絡
5.3.1神經網路的結構
5.3.2前饋神經網路－卷積神經網絡
5.3.3前饋神經網路－圖神經網絡
5.3.4回饋神經網絡
5.4學習技巧
5.4.1自監督學習
5.4.2半監督訓練
5.4.3特徵嵌入
5.4.4多任務學習
5.4.5集成學習
5.4.6聯邦學習
5.4.7自動化機器學習
5.5機器學習在電力工程的應用
5.5.1新能源出力預測
5.5.2用電異常診斷
思考討論題
參考文獻
第6章強化學習
6.1強化學習基本思想
6.1.1強化學習概念
6.1.2強化學習發展歷程
6.1.3研究現況與展望
6.2強化學習系統
6.2.1系統組成
6.2.2強化學習方法類型
6.2.3強化學習特有概念
6.2.4馬可夫決策過程
6.2.5貝爾曼方程
6.3強化學習方法
6.3.1動態規劃方法
6.3.2蒙特卡羅方法
6.3.3Q學習方法
6.3.4深度強化學習
6.4強化學習實例
6.4.1背景介紹
6.4.2實例要求
6.4.3Deep Q-Learning(DQN)演算法實現
思考討論題
參考文獻
第7章自然語言處理
7.1自然語言處理技術簡述
7.1.1自然語言處理發展階段
7.1.2自然語言處理難點問題
7.1.3自然語言理解
7.1.4機器翻譯
7.1.5語音識別
7.1.6問答系統
7.2自然語言處理基礎
7.2.1文本分類
7.2.2結構預測
7.2.3序列到序列
7.2.4任務評價方法
7.3預訓練語言模型
7.3.1背景知識
7.3.2GPT模型
7.3.3BERT模型
7.3.4多模態預訓練模型
7.3.5模型壓縮
7.3.6文本生成
7.4自然語言處理實例
7.4.1背景介紹
7.4.2實例要求
7.4.3資料集介紹
7.4.4資料集預處理
7.4.5建立深度神經網路模型
7.4.6創建模型
思考討論題
參考文獻