人工智能導論

劉若辰，博士,教授，博士生導師，國家教育部重點實驗室骨干成員，教育部創新團隊骨干成員，國家"111計劃"創新引智基地骨干成員，校"智能信息處理優秀創新團隊"骨干成員。
2009年獲陝西省科學技術一等獎(8/11)；2011年獲中國電子學會電子信息科學技術二等獎(9/15)等。

慕彩紅，博士，西安電子科技大學副教授，博士生及碩士生導師。
西安電子科技大學人工智能學院、智能感知與圖像理解教育部重點實驗室，智能感知與計算國際聯合研究中心成員，國家“111”計劃創新引智基地成員，美國電氣電子工程師協會(IEEE)會員，主講的本科生課程有《人工智能概論》、《人工智能導論》等。

目錄
第1章概論
1.1人工智能的定義
1.1.1生物智能與人類智能
1.1.2人工智能
1.2人工智能的發展史和研究現狀
1.2.1萌芽期(1956年以前)
1.2.2形成期(1956—1970年)
1.2.3黯淡期(1966—1974年)
1.2.4繁榮期(1970—1988年)
1.2.5集成發展期(1986—2005年)
1.2.6發展新時代(2006年至今)
1.2.7人工智能的研究現狀
1.3人工智能三大學派
1.3.1圖靈測試
1.3.2符號主義
1.3.3連接主義
1.3.4行為主義
1.3.5三大學派的爭論
1.4人工智能的應用領域
1.4.1電腦視覺
1.4.2自然語言處理
1.4.3認知與推理
1.4.4機器人學
1.4.5博弈與倫理
1.4.6機器學習
本章小結
習題1
參考文獻

第2章狀態空間知識表示及其搜索技術
2.1經典問題
2.2狀態空間表示法
2.2.1狀態空間的基本構成
2.2.2狀態空間的問題表示
2.3狀態空間搜索的一般過程
2.3.1搜索的一般概念
2.3.2狀態空間圖搜索
2.4盲目式搜索
2.4.1寬度優先搜索
2.4.2深度優先搜索
2.4.3有界深度優先搜索
2.4.4等代價搜索
2.5啟發式搜索
2.5.1估價函數與啟發式信息
2.5.2局部擇優搜索
2.5.3全局擇優搜索
2.5.4A*算法
2.6搜索算法的評價標準
本章小結
習題2
參考文獻

第3章問題歸約知識表示及其搜索技術
3.1問題歸約表示法
3.1.1問題的分解與等價變換
3.1.2問題歸約的與/或圖表示
3.2與/或圖的一般搜索過程
3.3盲目式搜索
3.3.1寬度優先搜索
3.3.2深度優先搜索
3.4啟發式搜索
3.4.1解樹的代價
3.4.2希望樹
3.5機器博弈
3.5.1機器博弈背景
3.5.2極大極小搜索
3.5.3αβ剪枝
本章小結
習題3
參考文獻

第4章確定性推理
4.1推理的基本概念
4.1.1推理的概念
4.1.2推理的分類
4.1.3推理的策略
4.2推理的邏輯基礎
4.2.1命題邏輯
4.2.2謂詞邏輯
4.3自然演繹推理
4.4歸結演繹推理
4.4.1海伯倫定理
4.4.2魯濱遜歸結原理
4.4.3歸結策略
4.4.4歸結反演
4.5基於規則的演繹推理
4.5.1規則正向演繹系統
4.5.2規則逆向演繹系統
4.5.3規則雙向演繹系統
本章小結
習題4
參考文獻

第5章不確定性推理
5.1不確定性推理的基本概念
5.1.1不確定性的表示與度量
5.1.2不確定性的算法
5.1.3不確定性推理方法分類
5.2概率推理
5.2.1概率的基本公式
5.2.2概率推理方法
5.3主觀貝葉斯方法
5.3.1基於主觀貝葉斯的不確定性表示
5.3.2主觀貝葉斯方法的推理算法
5.4可信度方法
5.4.1基於可信度的不確定性表示
5.4.2可信度方法的推理算法
5.4.3帶有閾值限度的不確定性推理
5.4.4加權的不確定性推理
5.5證據理論
5.5.1基於證據理論的不確定性
5.5.2證據理論的不確定推理模型
5.6模糊推理
5.6.1模糊集合
5.6.2模糊關系及其合成
5.6.3模糊推理
5.6.4模糊決策
本章小結
習題5
參考文獻

第6章遺傳算法
6.1進化計算
6.1.1進化計算的背景
6.1.2進化計算的分類
6.2遺傳算法的生物學背景
6.2.1達爾文進化論與孟德爾學說
6.2.2生物進化與遺傳算法的基本思想
6.3遺傳算法的實現過程
6.3.1編碼機制
6.3.2種群初始化
6.3.3適應度函數
6.3.4遺傳算子
6.3.5環境選擇
6.3.6停機準則
6.3.7基本步驟
6.4遺傳算法求解優化問題實例
6.4.1優化問題
6.4.2求解連續優化問題
6.4.3求解組合優化問題
6.4.4求解多目標優化問題
6.4.5遺傳算法參數討論
6.4.6遺傳算法工具箱
6.5遺傳算法的改進
6.6遺傳算法的應用
本章小結
習題6
參考文獻

第7章群智能算法
7.1群智能基礎
7.1.1群智能算法的基本思想
7.1.2典型群智能算法
7.2粒子群算法
7.2.1粒子群算法的背景
7.2.2粒子群算法的原理
7.2.3粒子群算法求解實例
7.2.4粒子群算法的各種改進
7.2.5粒子群算法的應用
7.3蟻群算法
7.3.1蟻群算法的起源
7.3.2蟻群算法的原理
7.3.3蟻群算法求解實例
7.3.4蟻群算法的各種改進
7.3.5蟻群算法的應用
7.4魚群算法
7.4.1魚群算法的背景
7.4.2魚群算法的原理
7.4.3魚群算法的求解實例
本章小結
習題7
參考文獻

第8章人工神經網絡
8.1人工神經網絡的基本原理
8.1.1生物神經系統
8.1.2人工神經網絡的模型
8.1.3人工神經網絡的結構建模
8.2學習機理
8.2.1單層感知器及其學習算法
8.2.2BP神經網絡及其學習算法
8.3人工神經網絡的分類
8.3.1前向網絡
8.3.2反饋網絡
8.4人工神經網絡的基本學習算法
8.4.1Hebb規則
8.4.2誤差修正學習算法
8.4.3勝者為王學習規則
8.5從神經網絡到深度學習
8.6深度網絡
8.6.1深度捲積神經網絡
8.6.2稀疏深度神經網絡
8.6.3深度融合網絡
本章小結
習題8
參考文獻

第9章機器學習基礎
9.1機器學習理論基礎
9.1.1機器學習的定義和研究意義
9.1.2機器學習的發展史
9.2機器學習的方法
9.2.1機器學習系統的基本結構
9.2.2機器學習方法的分類
9.2.3幾種機器學習方法介紹
9.3機器學習算法的應用
本章小結
習題9
參考文獻

第10章模式識別
10.1模式識別的基本概念
10.1.1模式識別的定義
10.1.2模式識別與分類器
10.1.3有監督學習與無監督學習
10.1.4實例： 手寫數字識別
10.2模式識別系
10.2.1基本框架
10.2.2基本方法
10.3特徵提取與選擇
10.3.1基本概念
10.3.2特徵評價
10.3.3特徵選擇算法
10.3.4特徵提取
10.4分類器設計
10.4.1經典的有監督分類
10.4.2經典的無監督分類器
10.5分類器的評價
10.5.1監督模式識別系統評價
10.5.2非監督模式識別系統評價
本章小結
習題 10
參考文獻

第11章未來人工智能
11.1人工智能的發展階段
11.2人工智能圍棋
11.2.1AlphaGo
11.2.2AlphaGo Zero
11.3無人駕駛
11.3.1原理概述
11.3.2研究概況
11.4無人超市
11.4.1誕生背景
11.4.2Amazon Go
11.5情感機器人
11.5.1情感機器人的定義
11.5.2情感機器人的研究概況
11.6智能醫療
11.6.1智能醫療設備
11.6.2智能醫療系統
11.7智能家居
11.7.1背景
11.7.2發展現狀
11.7.3主要功能
11.8智能藝術
11.8.1作詩
11.8.2繪畫
11.9機器翻譯
11.9.1翻譯簡史
11.9.2機譯系統
11.9.3在線機譯
11.10未來人工智能展望
11.10.1人工智能的未來趨勢
11.10.2面臨的挑戰
本章小結
習題11

參考文獻