人工智能通識教程（第2版）

目錄

第1章人工智能概論1

1.1你瞭解人類的智能嗎1

1.1.1智能的概念1

1.1.2智能的特徵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人工智能的誕生——達特茅斯會議8

1.2.3人工智能的定義與圖靈測試9

1.3人工智能的發展11

1.3.1人工智能的形成期11

1.3.2幾起幾落的曲折發展期12

1.3.3大數據驅動的飛速發展期14

1.4從兩場標志性人機博弈看人工智能的發展15

1.4.1人工智能研究中的“小白鼠”15

1.4.2“深藍”戰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容19

1.6人工智能的主要應用領域21

1.7人工智能會使許多人失業嗎36

1.8人工智能倫理37

1.8.1人工智能倫理的提出與發展37

1.8.2人工智能倫理的典型案例與成因分析38

1.8.3人工智能倫理的治理原則41

1.8.4人工智能倫理的治理措施42

1.9本章小結44

討論題44

第2章知識表示與知識圖譜46

2.1你瞭解人類知識嗎46

2.1.1什麽是知識46

2.1.2知識的相對正確性47

2.1.3知識的不確定性48

2.2電腦表示知識的方法50

2.3產生式表示法51

2.3.1產生式52

2.3.2產生式系統53

2.3.3產生式表示法的特點55

2.4框架表示法56

2.4.1框架的一般結構57

2.4.2用框架表示知識的例子58

2.4.3框架表示法的特點60

2.5知識圖譜61

2.5.1知識圖譜的提出61

2.5.2知識圖譜的定義62

2.5.3知識圖譜的表示63

2.5.4知識圖譜的架構64

2.5.5知識圖譜的典型應用65

2.6本章小結67

討論題68

人工智能通識教程（第2版）目錄第3章模擬人類思維的模糊推理69

3.1推理的定義69

3.2推理的分類70

3.2.1演繹推理70

3.2.2歸納推理71

3.2.3默認推理71

3.3推理的方向72

3.3.1正向推理72

3.3.2逆向推理73

3.3.3混合推理76

3.4推理中的沖突消解策略78

3.5模糊集合與模糊知識表示81

3.5.1模糊邏輯的提出與發展81

3.5.2模糊集合的定義與表示82

3.5.3隸屬函數85

3.6模糊關系與模糊關系的合成86

3.6.1模糊關系86

3.6.2模糊關系的合成88

3.7模糊推理與模糊決策89

3.7.1模糊推理89

3.7.2模糊決策90

3.8模糊推理的應用91

3.9本章小結93

討論題93

第4章搜索策略96

4.1搜索的概念96

4.2如何用狀態空間表示搜索對象97

4.2.1狀態空間知識表示方法97

4.2.2狀態空間的圖描述99

4.3回溯策略102

4.4盲目的圖搜索策略104

4.4.1寬度優先搜索策略104

4.4.2深度優先搜索策略105

4.5啟發式圖搜索策略108

4.5.1啟發式策略108

4.5.2啟發信息和估價函數111

4.5.3A搜索算法113

4.5.4A搜索算法114

4.6本章小結116

討論題117

第5章模擬生物進化的遺傳算法118

5.1進化算法的生物學背景118

5.2遺傳算法120

5.2.1遺傳算法的發展歷史120

5.2.2遺傳算法的基本思想121

5.2.3編碼122

5.2.4種群設定124

5.2.5適應度函數125

5.2.6選擇126

5.2.7交叉129

5.2.8變異131

5.3遺傳算法的主要改進算法132

5.3.1雙倍體遺傳算法133

5.3.2雙種群遺傳算法134

5.3.3自適應遺傳算法135

5.4基於遺傳算法的生產調度方法137

5.4.1基於遺傳算法的流水車間調度方法137

5.4.2基於遺傳算法的混合流水車間調度方法139

5.5本章小結144

討論題145

第6章模擬生物群體行為的群智能算法146

6.1群智能算法的生物學背景146

6.2模擬鳥群行為的粒子群優化算法148

6.2.1基本粒子群優化算法148

6.2.2粒子群優化算法的應用150

6.3模擬蟻群行為的蟻群優化算法152

6.3.1蟻群優化算法的生物學背景153

6.3.2基本蟻群優化算法153

6.3.3蟻群優化算法的應用157

6.4本章小結159

討論題160

第7章模擬生物神經系統的人工神經網絡161

7.1人工神經元與人工神經網絡161

7.1.1生物神經元結構161

7.1.2生物神經元的數學模型162

7.1.3人工神經網絡的結構與學習164

7.2機器學習的先驅——赫布學習規則165

7.3掀起人工神經網絡第一次高潮的感知器167

7.4掀起人工神經網絡第二次高潮的BP學習算法169

7.4.1BP學習算法的提出169

7.4.2BP神經網絡170

7.4.3BP學習算法171

7.4.4BP學習算法在模式識別中的應用172

7.5本章小結175

討論題175

第8章機器學習與深度學習176

8.1機器學習的基本概念176

8.1.1學習176

8.1.2機器學習177

8.1.3學習系統177

8.1.4機器學習的發展180

8.2機器學習的分類181

8.2.1機器學習的一般分類方法181

8.2.2監督學習與無監督學習183

8.2.3弱監督學習185

8.3知識發現與數據挖掘188

8.3.1知識發現與數據挖掘的概念189

8.3.2知識發現的一般過程189

8.3.3知識發現的任務190

8.3.4知識發現的對象191

8.4動物視覺機理與深度學習的提出193

8.4.1淺層學習的局限性193

8.4.2深度學習的提出194

8.5捲積神經網絡與膠囊網絡196

8.5.1捲積神經網絡的結構196

8.5.2捲積的物理、生物與生態學等意義197

8.5.3捲積神經網絡的捲積運算198

8.5.4捲積神經網絡中的關鍵技術200

8.5.5捲積神經網絡的應用203

8.5.6膠囊網絡204

8.6生成對抗網絡及其應用207

8.6.1生成對抗網絡的基本原理207

8.6.2生成對抗網絡的結構與訓練208

8.6.3生成對抗網絡在圖像處理中的應用210

8.6.4生成對抗網絡在語言處理中的應用214

8.6.5生成對抗網絡在視頻生成中的應用217

8.6.6生成對抗網絡在醫療中的應用218

8.7本章小結219

討論題220

第9章專家系統222

9.1專家系統的產生和發展222

9.2專家系統的概念224

9.2.1專家系統的定義224

9.2.2專家系統的特點225

9.2.3專家系統的類型227

9.3專家系統的工作原理228

9.3.1專家系統的一般結構228

9.3.2知識庫229

9.3.3推理機230

9.3.4綜合數據庫230

9.3.5知識獲取機構230

9.3.6解釋機構231

9.3.7人機接口232

9.4簡單的動物識別專家系統232

9.4.1知識庫建立232

9.4.2綜合數據庫建立和推理過程234

9.5專家系統開發工具——骨架系統235

9.5.1骨架系統的概念235

9.5.2EMYCIN骨架系統236

9.5.3KAS骨架系統237

9.6專家系統開發環境239

9.7本章小結240

討論題241

第10章自然語言理解242

10.1自然語言理解的概念與發展242

10.1.1自然語言理解的概念242

10.1.2自然語言理解的發展歷史243

10.2語言處理過程的層次246

10.3機器翻譯方法概述248

10.4循環神經網絡252

10.4.1循環神經網絡的結構252

10.4.2循環神經網絡的訓練253

10.4.3長短期記憶神經網絡254

10.5基於循環神經網絡的機器翻譯254

10.6語音識別256

10.6.1語音識別的概念256

10.6.2語音識別的主要過程257

10.6.3語音識別的方法260

10.7本章小結261

討論題262

第11章電腦視覺263

11.1電腦視覺概述263

11.2電腦視覺系統中的數字圖像266

11.3基於深度學習的電腦視覺267

11.4基於電腦視覺的生物特徵識別268

11.4.1人臉識別268

11.4.2虹膜識別269

11.5本章小結270

討論題271

第12章智能機器人272

12.1機器人的產生與發展272

12.2機器人中的人工智能技術275

12.2.1機器人智能感知276

12.2.2機器人智能導航279

12.2.3機器人智能路徑規劃279

12.2.4機器人智能運動控制281

12.2.5機器人智能交互282

12.3智能機器人的應用283

12.3.1工業機器人283

12.3.2農業機器人285

12.3.3服務機器人288

12.3.4醫用機器人291

12.3.5軍用機器人293

12.4智能機器人技術展望295

12.5智能機器人倫理問題297

12.6本章小結299

討論題299

附錄A人工智能實驗指導書300

實驗1產生式系統實驗300

實驗2洗衣機模糊推理系統實驗301

實驗3A算法求解N數碼問題實驗302

實驗4A算法求解迷宮尋路問題實驗304

實驗5遺傳算法求函數最大值實驗305

實驗6遺傳算法求解TSP問題實驗308

實驗7粒子群算法求函數最小值實驗310

實驗8蟻群算法求解TSP問題實驗311

實驗9BP神經網絡分類實驗311

實驗10捲積神經網絡分類實驗312

實驗11膠囊網絡分類實驗313

實驗12用生成對抗網絡生成數字圖像實驗314