人工智能導論（第2版）
莫宏偉
相關主題
商品描述
本書遵循理念與方法、經典與前沿、技術與應用相融合滲透的原則，在理念、結構、內容和資源上都極具特色和創新。按照人工智能新知識體系，本書內容分為五大部分13 章。 將傳統或經典人工智能理論、方法與技術以及新一代人工智能技術和方法相結合，形成基礎概念（1-3章）+基礎技術（4-5章）+重點研究內容與方向（機器智能）（6-12章）+行業應用與倫理基礎（12、13章）的新知識體系模式。 本書提供了配套學習資源，可通過人郵教育社區（www.ryjiaoyu.com）下載本書配套的電子資源，包括教學大綱、教案、教學課件PPT、習題答案、思政素材、實踐案例及其他拓展學習資料。
作者簡介
莫宏伟，哈尔滨工程大学工学博士、教授，类脑计算与人工智能研究中心主任，全国高校人工智能与大数据创新联盟常务理事，黑龙江省高等教育学会人工智能教育专业委员会理事长。长期从事人工智能导论、原理与方法的课程教学工作，主要研究领域涉及类脑计算、自然计算、智能机器人、视觉智能与认知智能等。完成国家自然科学基金、国防科学技术预先研究基金等项目20余项，发表论文80余篇，出版专著6部，教材2部，授权发明专利8项。
目錄大綱
01
緒論
1.0 學習導言
1.1 生命與智能
1.1.1 什麽是智能
1.1.2 圖靈測試與人工智能
1.1.3 人工智能圖譜
1.2 人工智能的歷史
1.2.1 第 一階段：初創時期
（1936年—1956年）
1.2.2 第二階段：形成時期
（1957年—1969年）
1.2.3 第三階段：發展時期
（1970年—1992年）
1.2.4 第四階段：大突破時期
（1993年至今）
1.3 中國人工智能發展歷史
1.4 人工智能學科交叉與融合
1.5 人工智能實現方法
1.5.1 傳統實現方法
1.5.2 數據驅動方法
1.6 人工智能主要研究內容
1.6.1 計算智能
1.6.2 感知智能
1.6.3 認知智能
1.6.4 行為智能
1.6.5 群體智能
1.6.6 混合智能
1.6.7 情感智能
1.6.8 類腦智能
1.6.9 人工智能倫理與法律
1.7 機器創造與博弈
1.8 人工智能發展趨勢
1.9 本書內容結構
1.9.1 人工智能五維知識體系與本書內容
1.9.2 人工智能五個認識層次與本書內容
1.10 關鍵知識梳理
1.11 問題與實踐
02
人工智能哲學觀
2.0 學習導言
2.1 從哲學角度理解人工智能
2.1.1 與人工智能有關的哲學
概念
2.1.2 與人工智能有關的主要
哲學分支
2.1.3 大歷史觀——智能進化
2.1.4 人工智能的本質
2.2 人工智能局限性的認識
2.2.1 弱人工智能與人類心智的
差距
2.2.2 強人工智能與通用人工智能
2.3 關鍵知識梳理
2.4 問題與實踐
03
腦科學基礎
3.0 學習導言
3.1 腦與神經科學
3.2 腦神經系統
3.2.1 腦神經組織
3.2.2 神經元與信息傳遞
3.2.3 大腦皮層
3.3 腦的視覺與信息處理機制
3.3.1 腦的視覺結構
3.3.2 視覺皮層區域
3.4 腦的記憶機制
3.5 腦的學習機制
3.6 腦功能新發現
3.6.1 大腦導航功能
3.6.2 大腦孕周發育
3.6.3 社會互動增強神經復雜性
3.7 關鍵知識梳理
3.8 問題與實踐
04
人工神經網絡
4.0 學習導言
4.1 如何構建人工神經網絡
4.1.1 神經元模型
4.1.2 感知器模型
4.2 人工神經網絡的訓練—反向傳播算法
4.3 捲積神經網絡原理
4.3.1 稀疏連接與全連接
4.3.2 權值共享與特徵提取
4.3.3 捲積層
4.3.4 池化層
4.3.5 全連接層
4.3.6 激活函數層
4.3.7 損失函數
4.3.8 CNN算法
4.4 循環神經網絡
4.5 長短時記憶網絡
4.6 受限玻爾茲曼機
4.7 深度置信網絡
4.8 關鍵知識梳理
4.9 問題與實踐
05
機器學習
5.0 學習導言
5.1 機器學習能否實現機器智能
5.2 機器學習的類型和應用
5.3 監督學習與無監督學習
5.3.1 k-最近鄰分類
5.3.2 支持向量機
5.3.3 樸素貝葉斯分類器
5.3.4 k-均值聚類算法
5.3.5 隨機森林算法
5.3.6 集成學習
5.4 深度學習
5.4.1 淺層學習與深度學習
5.4.2 深度學習的應用——圖像
描述
5.5 生成對抗網絡
5.5.1生成網絡
5.5.2判別網絡
5.6 深度學習大模型
5.6.1 DALL·E和CLIP
5.6.2 悟道1.0/2.0
5.6.3 NüWA（女媧）
5.7 遷移學習
5.8 深度學習缺陷與因果學習
5.8.1深度學習缺陷
5.8.2因果學習概念及其作用
5.8.3結構因果模型
5.9 強化學習
5.9.1 能夠自適應學習的機器人
5.9.2 強化學習的應用
5.10 關鍵知識梳理
5.11 問題與實踐
06
感知智能
6.0 學習導言
6.1 數字圖像處理技術
6.1.1 灰度直方圖
6.1.2 圖像平滑處理
6.1.3 圖像邊緣檢測
6.1.4 圖像銳化
6.1.5 圖像分割
6.1.6 圖像特徵提取
6.1.7 圖像分析
6.2 電腦視覺與機器視覺
6.3 模式識別
6.3.1 模式識別方法
6.3.2 模式識別過程
6.4圖像分類
6.4.1 圖像分類概念
6.4.2 深度學習與圖像分類
6.5 目標檢測與識別
6.6 無人駕駛汽車的環境感知
6.7 關鍵知識梳理
6.8 問題與實踐
07
認知智能
7.0 學習導言
7.1 邏輯推理
7.1.1 命題與推理
7.1.2 推理類型
7.1.3 模糊推理
7.2 知識表示
7.2.1 謂詞邏輯表示法
7.2.2 語義網絡表示法
7.3 搜索技術
7.3.1 盲目搜索
7.3.2 啟發式搜索
7.3.3 蒙特卡羅樹搜索算法
7.4 知識圖譜
7.4.1 知識圖譜與認知智能
7.4.2 知識圖譜基本技術
7.4.3 知識圖譜架構
7.5 認知計算
7.6 認知智能的興起
7.7 關鍵知識梳理
7.8 問題與實踐
08
語言智能
8.0 學習導言
8.1 語言與認知
8.2 自然語言處理
8.2.1 自然語言理解源起
8.2.2 自然語言處理應用
8.2.3 自然語言處理技術
8.3 智能問答系統
8.4 聊天機器人
8.4.1 聊天機器人類型
8.4.2 聊天機器人與自然語言
理解
8.5 語音識別
8.5.1 語音識別系統
8.5.2 語音識別過程
8.6 機器翻譯
8.6.1 機器翻譯原理與過程
8.6.2 通用翻譯模型
8.7 關鍵知識梳理
8.8 問題與實踐
09
機器人
9.0 學習導言
9.1 機器人與行為智能
9.1.1 行為主義載體——機器人
9.1.2 機器人基本組成
9.1.3 智能機器人
9.2 工業機器人
9.3 移動機器人
9.4 無人飛行器
9.5 水下機器人
9.6 太空機器人
9.7 人形機器人
9.8 機器動物
9.9 軟體機器人
9.10 微型機器人
9.11 群體機器人
9.12 認知發展機器人
9.13 關鍵知識梳理
9.14 問題與實踐
10
類腦智能
10.0 學習導言
10.1 類腦計算基礎
10.1.1 馮·諾依曼結構電腦的
局限
10.1.2 類腦電腦
10.1.3 類腦計算研究內容與
方法
10.2 類腦計算基礎
10.2.1 神經形態計算
10.2.2 神經形態類腦芯片
10.2.3 神經形態類腦電腦
10.3 基於憶阻器的類腦計算
10.3.1 憶阻器原理
10.3.2 憶阻器芯片
10.4 人工大腦
10.4.1 人工大腦的基本單元
10.4.2 仿腦模型
10.4.3 虛擬大腦
10.4.4 深度學習腦功能模擬
10.5 非神經形態智能芯片
10.6 關鍵知識梳理
11.7 問題與實踐
11
混合智能
11.0 學習導言
11.1 混合智能基本形態
11.2 腦機接口
11.2.1 腦機接口工作原理
11.2.2 可探測識別的腦電波
信號
11.2.3 侵入式腦機接口
11.2.4 非侵入式腦機接口
11.2.5 腦機接口應用
11.3 可穿戴技術
11.3.1 可穿戴傳感器
11.3.2 可穿戴神經刺激
11.4 可植入電子芯片
11.4.1 電子識別芯片
11.4.2 人造感覺神經
11.5 外骨骼混合智能
11.6 動物混合智能
11.7 人體增強
11.8 關鍵知識梳理
11.9 問題與實踐
12
人工智能行業應用
12.1 學習導言
12.1 智能製造
12.1.1 智能製造定義
12.1.2 智能製造與數字製造
12.1.3 智能製造產業核心內容
12.1.4 智能工廠
12.2 智能醫療
12.2.1 智能醫療定義與組成
12.2.2 智能醫療核心技術
12.2.3 智能醫療應用場景
12.3 人工智能與新基建
12.3.1 新基建加速企業智能化轉型
12.3.2新基建完善人工智能基礎設施
12.3.3新基建拓展人工智能應用場景
12.4人工智能技術在企業的應用
12.4.1企業應用的主要人工智能技術
12.4.2人工智能技術零售業應用
12.4.3 人工智能技術電商營銷應用
12.5 關鍵知識梳理
12.6 問題與實踐
13
人工智能倫理與法律
13.0 學習導言
13.1 電車難題引發的人工智能
道德困境
13.2 人工智能倫理的定義
13.3 人工智能倫理問題
13.4 機器人倫理問題與基本
原則
13.4.1 機器人倫理問題
13.4.2 機器人倫理的基本原則
13.5 人工智能倫理規範
13.6 人工智能法律問題
13.6.1 人工智能引發的法律
問題
13.6.2 人工智能的法律主體和法律人格問題
13.7 超現實人工智能倫理問題
13.8 關鍵知識梳理
13.9 問題與實踐
參考文獻
