人工智能新視野

第一部分 生物啟發(fā)帕人工智能第1章 人工智能發(fā)展簡況1.1 人工智能領域主要研究成就回顧1.1.1 1956年：人工智能的信息處理觀1.1.2 20世紀60年代：啟發(fā)式搜索與知識表示1.1.3 20世紀80年代：人工神經網絡1.1.4 20世紀90年代：物化與多代理系統1.1.5 21世紀：符號動力學1.1.6 我國的人工智能研究1.2 人工智能的發(fā)展1.2.1 從圖靈測試到IBM的沃森1.2.2 谷歌的智能機器未來1.2.3 百度大腦1.2.4 微軟智能生態(tài)1.2.5 臉書的深臉1.2.6 三大突破讓人工智能近在眼前1.3 生物啟發(fā)的人工智能發(fā)展里程碑1.3.1 遺傳算法與進化計算1.3.2 神經網絡1.3.3 群體智能1.4 小結參考文獻第2章 進化計算、遺傳算法與人工生命2.1 受生物啟發(fā)的計算2.1.1 受生物啟發(fā)的計算科學：康莊大道還是荊棘叢生？2.1.2 什么是受生物啟發(fā)的計算？2.1.3 生物學在計算科學研究中的多重角色2.2 進化計算2.2.1 什么是進化計算？2.2.2 進化計算的基本框架與主要特點2.2.3 進化計算的分類2.2.4 進化計算的若干關鍵問題2.3 遺傳算法2.3.1 遺傳算法的概述2.3.2 遺傳算法的理論基礎2.3.3 遺傳算法的基本思想2.3.4 遺傳算法的一個簡單的應用實例2.4 人工生命2.4.1 機器人學1：包容性架構2.4.2 機器人學2：受細菌活動啟發(fā)的機器人趨向性技術2.4.3 機器人學3：能量和容錯性控制2.5 小結參考文獻第3章 神經計算3.1 人工神經網絡相關介紹3.1.1 人工神經網絡的起源與發(fā)展3.1.2 人工神經網絡的應用3.1.3 小結3.2 Hopfield神經網絡3.2.1 Hopfield神經網絡概述3.2.2 Hopfield神經網絡聯想記憶3.3 博弈與神經網絡的結合3.3.1 博弈論概述3.3.2 博弈模型與神經網絡模型結合的學習模型3.4 自組織特征映射網絡(SOM)3.4.1 快速SOM文本聚類法3.4.2 樸素貝葉斯與SOM相結合的混合聚類算法3.5 神經芯片與人工生命3.5.1 神經芯片的發(fā)展及其應用3.5.2 人工生命的相關應用3.6 深度學習3.6.1 深度學習的基本思想3.6.2 深度學習的典型結構3.6.3 深度學習的應用3.6.4 深度學習現狀及前景分析3.7 人工神經網絡與醫(yī)學影像3.7.1 人工神經網絡與醫(yī)學影像概述3.7.2 基于人工神經網絡的腦成像分類模型介紹參考文獻第4章 群體智能4.1 群體智能基本思想4.1.1 思想來源……第5章 變形蟲模型與應用第6章 智能Agent與多Agent系統
第二部分 人工智能熱門研究問題第7章 AI研究熱點第8章 Turing開創(chuàng)性工作對人工智能研究的啟示
第三部分 建馥、橫批與應用第9章 社會網絡分析第10章 語義網技術及其應用第11章 信息融合第12章 人工智能技術在生物信息學中的應用