《人工智能導(dǎo)論》為大連理工大學(xué)“新工科”系列精品教材。
本書內(nèi)容包括緒論、知識表示、確定性推理、不確定性推理、搜索求解策略、遺傳算法及其應(yīng)用、群智能算法及其應(yīng)用、人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用、機器學(xué)習(xí)、專家系統(tǒng)、自然語言理解及其應(yīng)用等。
本書可供電子信息類專業(yè)本、專科學(xué)生作為教材使用，也可供從事人工智能領(lǐng)域的技術(shù)人員參考。
韓敏，大連理工大學(xué)，教授，博士生導(dǎo)師，大連理工大學(xué)模糊信息處理與機器智能研究所副所長。研究領(lǐng)域主要包括復(fù)雜系統(tǒng)建模與預(yù)測、時間序列分析、遙感影像智能信息處理、人工智能、數(shù)據(jù)挖掘等。先后承擔各類項目30余項，其中國家自然科學(xué)基金5項，國家重點基礎(chǔ)研究“973”發(fā)展計劃項目子課題3項，國家高技術(shù)研究“863”發(fā)展計劃項目2項，十一五國家科技支撐計劃項目1項，企事業(yè)單位合作項目20余項。在《IEEE Transactions on Cybernetics》、《IEEE Transactions on Neural Networks and Learning Systems》、《IEEE Transactions on Signal Processing》、《IEEE Transactions on Systems, Man, and Cybernetics: Systems》等國內(nèi)外重要期刊和會議上發(fā)表論文400余篇，其中被SCI或EI檢索380余篇次，出版專著5本，教材4本，獲國家發(fā)明專利6項，軟件著作權(quán)14項。2014年-2017年連續(xù)四年入選愛思唯爾中國高被引學(xué)者。本書主要編著人韓敏教授在自動控制原理教學(xué)方面具有十余年的教學(xué)經(jīng)驗，曾先后獲得2005年《自動控制原理》遼寧省精品課程，2013年寶鋼you秀教師獎，2017年遼寧省教學(xué)名師獎等多項獎勵；
1緒論
1.1人工智能的定義001
1.2人工智能發(fā)展簡史003
1.3人工智能的研究方法006
1.3.1人工智能研究的特點006
1.3.2人工智能研究的途徑007
1.4人工智能的應(yīng)用009
1.4.1無人駕駛009
1.4.2智能機器人009
1.4.3圖像識別010
1.4.4語音識別010
1.4.5智能控制011
1.4.6人工神經(jīng)網(wǎng)絡(luò)011
1.4.7機器學(xué)習(xí)012
1.4.8專家系統(tǒng)013
1.4.9計算機視覺014
1.4.10人工生命015
1.5人工智能的發(fā)展趨勢與存在的問題016
1.5.1人工智能的發(fā)展趨勢016
1.5.2人工智能存在的問題016
2知識表示
2.1知識與知識表示的概念019
2.1.1知識的概念019
2.1.2知識的特性019
2.1.3知識的表示020
2.2一階謂詞邏輯表示法021
2.2.1基本概念021
2.2.2謂詞公式024
2.2.3謂詞邏輯表示法025
2.2.4謂詞邏輯表示法的特點026
2.3產(chǎn)生式表示法026
2.3.1產(chǎn)生式的知識表示027
2.3.2產(chǎn)生式系統(tǒng)的組成028
2.3.3基于產(chǎn)生式系統(tǒng)的推理029
2.3.4產(chǎn)生式表示法的特點030
2.4框架表示法031
2.4.1框架的一般結(jié)構(gòu)032
2.4.2基于框架的推理034
2.4.3框架表示法的特點034
2.5語義網(wǎng)絡(luò)表示法035
2.5.1基本語義關(guān)系036
2.5.2復(fù)合語義關(guān)系037
2.5.3基于語義網(wǎng)絡(luò)的推理039
2.5.4語義網(wǎng)絡(luò)表示法的特點041
3確定性推理
3.1推理的基本概念042
3.1.1推理的定義042
3.1.2推理方式及其分類043
3.1.3推理的方向044
3.1.4沖突消解策略046
3.2自然演繹推理047
3.3歸結(jié)演繹推理049
3.3.1謂詞公式化為子句集的方法049
3.3.2海伯倫理論052
3.3.3魯賓孫歸結(jié)原理053
3.3.4歸結(jié)反演056
3.3.5應(yīng)用歸結(jié)原理求解問題056
3.3.6歸結(jié)策略057
3.4與或型演繹推理062
3.4.1與或型正向演繹推理062
3.4.2與或形逆向演繹推理064
3.4.3與或型雙向演繹推理066
4不確定性推理
4.1不確定性推理概述068
4.2概率推理方法070
4.2.1純概率推理070
4.2.2主觀Bayes方法071
4.3證據(jù)理論074
4.3.1假設(shè)的不確定性074
4.3.2證據(jù)的組合函數(shù)076
4.3.3證據(jù)理論的不確定性推理算法076
4.4模糊推理系統(tǒng)078
4.4.1模糊集合及模糊關(guān)系078
4.4.2語言變量和模糊If-Then規(guī)則080
4.4.3模糊推理082
5搜索求解策略
5.1搜索的基本概念086
5.1.1搜索的過程086
5.1.2搜索的方向086
5.1.3搜索的種類086
5.2狀態(tài)空間表示法087
5.2.1狀態(tài)空間表示的基本概念087
5.2.2狀態(tài)空間的圖描述088
5.3盲目搜索策略090
5.3.1深度優(yōu)先搜索策略090
5.3.2寬度優(yōu)先搜索策略092
5.4代價樹搜索策略093
5.4.1最近擇優(yōu)搜索093
5.4.2最小代價優(yōu)先搜索094
5.5啟發(fā)式搜索策略095
5.5.1啟發(fā)信息和估價函數(shù)095
5.5.2啟發(fā)式策略096
5.5.3A搜索算法097
5.5.4A*搜索算法099
5.6與或圖搜索100
5.6.1問題的歸約描述100
5.6.2與或圖表示法101
5.6.3AO*算法102
6遺傳算法及應(yīng)用
6.1遺傳算法概述104
6.1.1遺傳算法的發(fā)展歷史105
6.1.2遺傳算法的基本思想106
6.2編碼和種群107
6.2.1編碼107
6.2.2種群108
6.3適應(yīng)度函數(shù)109
6.4遺傳算子110
6.4.1選擇算子110
6.4.2交叉算子112
6.4.3變異算子112
6.5遺傳算法的總體流程和特點113
6.6遺傳算法的改進算法114
6.6.1自適應(yīng)遺傳算法114
6.6.2分層遺傳算法116
6.6.3并行遺傳算法117
6.7多目標遺傳算法118
6.8遺傳算法的應(yīng)用119
7群智能算法及其應(yīng)用
7.1群智感知的研究內(nèi)容122
7.1.1眾包思想124
7.1.2社交活動感知124
7.1.3周圍環(huán)境感知124
7.2群智任務(wù)感知質(zhì)量125
7.2.1機會覆蓋率125
7.2.2數(shù)據(jù)質(zhì)量可靠性126
7.3群智感知網(wǎng)絡(luò)數(shù)據(jù)傳輸126
7.3.1信息擴散模型127
7.3.2機會數(shù)據(jù)收集128
7.4群智感知網(wǎng)絡(luò)的激勵機制129
7.4.1Game激勵130
7.4.2貨幣激勵131
7.5群智感知的應(yīng)用場景133
7.5.1環(huán)境監(jiān)測和災(zāi)害防控133
7.5.2公共設(shè)施和安全134
7.5.3移動設(shè)備視頻眾包134
8人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
8.1神經(jīng)網(wǎng)絡(luò)的發(fā)展簡史136
8.2人工神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容與特點137
8.2.1人工神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容137
8.2.2人工神經(jīng)網(wǎng)絡(luò)的特點138
8.3神經(jīng)元和神經(jīng)網(wǎng)絡(luò)138
8.3.1生物神經(jīng)元結(jié)構(gòu)138
8.3.2神經(jīng)元的數(shù)學(xué)模型139
8.3.3神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)140
8.3.4神經(jīng)網(wǎng)絡(luò)的工作方式141
8.3.5神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)141
8.4前饋神經(jīng)網(wǎng)絡(luò)模型141
8.4.1感知機網(wǎng)絡(luò)141
8.4.2BP神經(jīng)網(wǎng)絡(luò)142
8.4.3RBF徑向基網(wǎng)絡(luò)145
8.5反饋神經(jīng)網(wǎng)絡(luò)147
8.5.1離散型Hopfield網(wǎng)絡(luò)147
8.5.2連續(xù)型Hopfield網(wǎng)絡(luò)149
8.5.3Hopfield網(wǎng)絡(luò)存在的問題150
8.6隨機神經(jīng)網(wǎng)絡(luò)151
8.6.1模擬退火算法151
8.6.2玻爾茲曼機152
8.7神經(jīng)網(wǎng)絡(luò)的應(yīng)用154
8.7.1神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用154
8.7.2神經(jīng)網(wǎng)絡(luò)在軟測量中的應(yīng)用156
8.7.3Hopfield神經(jīng)網(wǎng)絡(luò)在優(yōu)化上的應(yīng)用156
9機器學(xué)習(xí)
9.1機器學(xué)習(xí)概述159
9.2決策樹學(xué)習(xí)161
9.3邏輯回歸164
9.4支持向量機165
9.5聚類分析168
9.5.1K均值算法168
9.5.2DBSCAN170
9.5.3模糊C均值171
9.6強化學(xué)習(xí)171
10專家系統(tǒng)
10.1專家系統(tǒng)的由來和發(fā)展175
10.1.1專家系統(tǒng)的提出175
10.1.2專家系統(tǒng)的發(fā)展175
10.2專家系統(tǒng)概述176
10.2.1專家系統(tǒng)的定義176
10.2.2專家系統(tǒng)的分類176
10.2.3專家系統(tǒng)的特點178
10.3專家系統(tǒng)的結(jié)構(gòu)179
10.3.1專家系統(tǒng)的概念結(jié)構(gòu)179
10.3.2專家系統(tǒng)的實際結(jié)構(gòu)180
10.4知識獲取182
10.4.1知識獲取的過程與模式182
10.4.2知識的檢測與求精183
10.4.3知識的組織與管理185
10.5專家系統(tǒng)的建立186
10.5.1專家系統(tǒng)的選題原則186
10.5.2專家系統(tǒng)的設(shè)計原則187
10.5.3專家系統(tǒng)的開發(fā)步驟187
10.5.4專家系統(tǒng)的評價189
10.6專家系統(tǒng)實例190
10.6.1醫(yī)學(xué)專家系統(tǒng)——MYCIN190
10.6.2地質(zhì)勘探專家系統(tǒng)——PROSPECTOR195
10.7專家系統(tǒng)的開發(fā)工具197
10.7.1研究開發(fā)工具的作用與意義197
10.7.2專家系統(tǒng)開發(fā)工具的類型197
11自然語言處理與應(yīng)用
11.1自然語言處理概述200
11.1.1自然語言處理的基本方法200
11.1.2自然語言處理的發(fā)展歷史200
11.1.3自然語言處理的研究意義201
11.2詞法分析202
11.3句法分析203
11.3.1短語結(jié)構(gòu)語法和Chomsky語法203
11.3.2句法分析樹205
11.4語義分析206
11.4.1邏輯形式表達及語義解析206
11.4.2義素分析法207
11.4.3語義分析文法208
11.5自然語言處理應(yīng)用——信息檢索209
11.5.1向量空間模型209
11.5.2排序?qū)W習(xí)模型211
11.5.3信息檢索系統(tǒng)的評測212
11.6自然語言處理的應(yīng)用——機器翻譯214
11.6.1機器翻譯的發(fā)展215
11.6.2機器翻譯方法215
11.6.3機器翻譯評估方法219
參考文獻
書單推薦
