人工智能通識(shí)教程

目錄
第1章人工智能概論1
1.1你了解人類的智能嗎1
1.1.1智能的概念1
1.1.2智能的特征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人工智能的先驅(qū)圖靈與圖靈測(cè)試8
1.2.3人工智能的誕生——達(dá)特茅斯會(huì)議9
1.3人工智能的發(fā)展10
1.3.1人工智能的形成期10
1.3.2幾起幾落的曲折發(fā)展期12
1.3.3大數(shù)據(jù)驅(qū)動(dòng)的飛速發(fā)展期13
1.4從兩場(chǎng)標(biāo)志性人機(jī)博弈看人工智能的發(fā)展14
1.4.1人工智能研究中的“小白鼠”14
1.4.2“深藍(lán)”戰(zhàn)勝國(guó)際象棋棋王卡斯帕羅夫15
1.4.3阿爾法狗無(wú)師自通橫掃世界圍棋大師17
1.5人工智能研究的基本內(nèi)容19
1.6人工智能的主要應(yīng)用領(lǐng)域21
1.7人工智能會(huì)使許多人失業(yè)嗎34
1.8本章小結(jié)35
討論題35
第2章知識(shí)表示與知識(shí)圖譜36
2.1你了解人類知識(shí)嗎36
2.1.1什么是知識(shí)36
2.1.2知識(shí)的相對(duì)正確性37
2.1.3知識(shí)的不確定性38
2.2計(jì)算機(jī)表示知識(shí)的方法40
2.3產(chǎn)生式表示法41
2.3.1產(chǎn)生式42
2.3.2產(chǎn)生式系統(tǒng)43
2.3.3產(chǎn)生式表示法的特點(diǎn)45
2.4框架表示法46
2.4.1框架的一般結(jié)構(gòu)47
2.4.2用框架表示知識(shí)的例子48
2.4.3框架表示法的特點(diǎn)50
2.5知識(shí)圖譜51
2.5.1知識(shí)圖譜的提出52
2.5.2知識(shí)圖譜的定義52
2.5.3知識(shí)圖譜的表示53
2.5.4知識(shí)圖譜的架構(gòu)54
2.5.5知識(shí)圖譜的典型應(yīng)用55
2.6本章小結(jié)57
討論題58
人工智能通識(shí)教程目錄第3章模擬人類思維的模糊推理60
3.1推理的定義60
3.2推理的分類61
3.2.1演繹推理61
3.2.2歸納推理62
3.2.3默認(rèn)推理62
3.3推理的方向63
3.3.1正向推理63
3.3.2逆向推理64
3.3.3混合推理67
3.4推理中的沖突消解策略69
3.5模糊集合與模糊知識(shí)表示71
3.5.1模糊邏輯的提出與發(fā)展71
3.5.2模糊集合的定義與表示73
3.5.3隸屬函數(shù)75
3.6模糊關(guān)系與模糊關(guān)系的合成76
3.6.1模糊關(guān)系76
3.6.2模糊關(guān)系的合成78
3.7模糊推理與模糊決策79
3.7.1模糊推理79
3.7.2模糊決策80
3.8模糊推理的應(yīng)用81
3.9本章小結(jié)82
討論題83
第4章搜索策略85
4.1搜索的概念85
4.2如何用狀態(tài)空間表示搜索對(duì)象86
4.2.1狀態(tài)空間知識(shí)表示方法86
4.2.2狀態(tài)空間的圖描述88
4.3回溯策略91
4.4盲目的圖搜索策略93
4.4.1寬度優(yōu)先搜索策略93
4.4.2深度優(yōu)先搜索策略94
4.5啟發(fā)式圖搜索策略97
4.5.1啟發(fā)式策略97
4.5.2啟發(fā)信息和估價(jià)函數(shù)100
4.5.3A搜索算法102
4.5.4A搜索算法103
4.6本章小結(jié)105
討論題106
第5章模擬生物進(jìn)化的遺傳算法107
5.1進(jìn)化算法的生物學(xué)背景107
5.2遺傳算法109
5.2.1遺傳算法的發(fā)展歷史109
5.2.2遺傳算法的基本思想110
5.2.3編碼111
5.2.4種群設(shè)定113
5.2.5適應(yīng)度函數(shù)114
5.2.6選擇116
5.2.7交叉118
5.2.8變異120
5.3遺傳算法的主要改進(jìn)算法122
5.3.1雙倍體遺傳算法122
5.3.2雙種群遺傳算法124
5.3.3自適應(yīng)遺傳算法124
5.4基于遺傳算法的生產(chǎn)調(diào)度方法126
5.4.1基于遺傳算法的流水車(chē)間調(diào)度方法126
5.4.2基于遺傳算法的混合流水車(chē)間調(diào)度方法128
5.5本章小結(jié)133
討論題134
第6章模擬生物群體行為的群智能算法135
6.1群智能算法的生物學(xué)背景135
6.2模擬鳥(niǎo)群行為的粒子群優(yōu)化算法137
6.2.1基本粒子群優(yōu)化算法137
6.2.2粒子群優(yōu)化算法的應(yīng)用139
6.3模擬蟻群行為的蟻群優(yōu)化算法141
6.3.1蟻群優(yōu)化算法的生物學(xué)背景142
6.3.2基本蟻群優(yōu)化算法142
6.3.3蟻群優(yōu)化算法的應(yīng)用146
6.4本章小結(jié)148
討論題149
第7章模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)150
7.1人工神經(jīng)元與人工神經(jīng)網(wǎng)絡(luò)150
7.1.1生物神經(jīng)元結(jié)構(gòu)150
7.1.2生物神經(jīng)元的數(shù)學(xué)模型151
7.1.3人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與學(xué)習(xí)153
7.2機(jī)器學(xué)習(xí)的先驅(qū)——赫布學(xué)習(xí)規(guī)則154
7.3掀起人工神經(jīng)網(wǎng)絡(luò)第一次高潮的感知器155
7.4掀起人工神經(jīng)網(wǎng)絡(luò)第二次高潮的BP學(xué)習(xí)算法158
7.4.1BP學(xué)習(xí)算法的提出158
7.4.2BP神經(jīng)網(wǎng)絡(luò)159
7.4.3BP學(xué)習(xí)算法160
7.4.4BP學(xué)習(xí)算法在模式識(shí)別中的應(yīng)用161
7.5本章小結(jié)163
討論題164
第8章機(jī)器學(xué)習(xí)與深度學(xué)習(xí)165
8.1機(jī)器學(xué)習(xí)的基本概念165
8.1.1學(xué)習(xí)165
8.1.2機(jī)器學(xué)習(xí)166
8.1.3學(xué)習(xí)系統(tǒng)166
8.1.4機(jī)器學(xué)習(xí)的發(fā)展169
8.2機(jī)器學(xué)習(xí)的分類170
8.2.1機(jī)器學(xué)習(xí)的一般分類方法170
8.2.2有監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)172
8.2.3弱監(jiān)督學(xué)習(xí)174
8.3知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘177
8.3.1知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘的概念178
8.3.2知識(shí)發(fā)現(xiàn)的一般過(guò)程178
8.3.3知識(shí)發(fā)現(xiàn)的任務(wù)179
8.3.4知識(shí)發(fā)現(xiàn)的對(duì)象180
8.4動(dòng)物視覺(jué)機(jī)理與深度學(xué)習(xí)的提出182
8.4.1淺層學(xué)習(xí)的局限性182
8.4.2深度學(xué)習(xí)的提出183
8.5卷積神經(jīng)網(wǎng)絡(luò)與膠囊網(wǎng)絡(luò)185
8.5.1卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)185
8.5.2卷積的物理、生物與生態(tài)學(xué)等意義186
8.5.3卷積神經(jīng)網(wǎng)絡(luò)的卷積運(yùn)算187
8.5.4卷積神經(jīng)網(wǎng)絡(luò)中的關(guān)鍵技術(shù)189
8.5.5卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用192
8.5.6膠囊網(wǎng)絡(luò)193
8.6生成對(duì)抗網(wǎng)絡(luò)及其應(yīng)用196
8.6.1生成對(duì)抗網(wǎng)絡(luò)的基本原理196
8.6.2生成對(duì)抗網(wǎng)絡(luò)的結(jié)構(gòu)與訓(xùn)練197
8.6.3生成對(duì)抗網(wǎng)絡(luò)在圖像處理中的應(yīng)用200
8.6.4生成對(duì)抗網(wǎng)絡(luò)在語(yǔ)言處理中的應(yīng)用203
8.6.5生成對(duì)抗網(wǎng)絡(luò)在視頻生成中的應(yīng)用205
8.6.6生成對(duì)抗網(wǎng)絡(luò)在醫(yī)療中的應(yīng)用207
8.7本章小結(jié)207
討論題208
第9章專家系統(tǒng)210
9.1專家系統(tǒng)的產(chǎn)生和發(fā)展210
9.2專家系統(tǒng)的概念212
9.2.1專家系統(tǒng)的定義212
9.2.2專家系統(tǒng)的特點(diǎn)212
9.2.3專家系統(tǒng)的類型214
9.3專家系統(tǒng)的工作原理216
9.3.1專家系統(tǒng)的一般結(jié)構(gòu)216
9.3.2知識(shí)庫(kù)216
9.3.3推理機(jī)217
9.3.4綜合數(shù)據(jù)庫(kù)217
9.3.5知識(shí)獲取機(jī)構(gòu)218
9.3.6人機(jī)接口219
9.3.7解釋機(jī)構(gòu)219
9.4簡(jiǎn)單的動(dòng)物識(shí)別專家系統(tǒng)219
9.4.1知識(shí)庫(kù)建立220
9.4.2綜合數(shù)據(jù)庫(kù)建立和推理過(guò)程221
9.5專家系統(tǒng)實(shí)例及其骨架系統(tǒng)222
9.5.1骨架系統(tǒng)的概念222
9.5.2EMYCIN骨架系統(tǒng)223
9.5.3KAS骨架系統(tǒng)224
9.6專家系統(tǒng)開(kāi)發(fā)環(huán)境226
9.7本章小結(jié)227
討論題228
第10章自然語(yǔ)言理解229
10.1自然語(yǔ)言理解的概念與發(fā)展229
10.1.1自然語(yǔ)言理解的概念229
10.1.2自然語(yǔ)言理解的發(fā)展歷史229
10.2語(yǔ)言處理過(guò)程的層次232
10.3機(jī)器翻譯方法概述234
10.4循環(huán)神經(jīng)網(wǎng)絡(luò)238
10.4.1循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)238
10.4.2循環(huán)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練239
10.4.3長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)240
10.5基于循環(huán)神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯240
10.6語(yǔ)音識(shí)別242
10.6.1語(yǔ)音識(shí)別的概念242
10.6.2語(yǔ)音識(shí)別的主要過(guò)程243
10.6.3語(yǔ)音識(shí)別的方法246
10.7本章小結(jié)247
討論題247
第11章計(jì)算機(jī)視覺(jué)248
11.1計(jì)算機(jī)視覺(jué)概述248
11.2計(jì)算機(jī)視覺(jué)系統(tǒng)中的數(shù)字圖像251
11.3基于深度學(xué)習(xí)的計(jì)算機(jī)視覺(jué)252
11.4基于計(jì)算機(jī)視覺(jué)的生物特征識(shí)別253
11.4.1人臉識(shí)別253
11.4.2虹膜識(shí)別254
11.5本章小結(jié)255
討論題256
第12章智能機(jī)器人257
12.1機(jī)器人的產(chǎn)生與發(fā)展257
12.2機(jī)器人中的人工智能技術(shù)260
12.2.1機(jī)器人智能感知260
12.2.2機(jī)器人智能導(dǎo)航264
12.2.3機(jī)器人智能路徑規(guī)劃264
12.2.4機(jī)器人智能運(yùn)動(dòng)控制265
12.2.5機(jī)器人智能交互267
12.3智能機(jī)器人的應(yīng)用267
12.3.1工業(yè)機(jī)器人268
12.3.2農(nóng)業(yè)機(jī)器人270
12.3.3服務(wù)機(jī)器人273
12.3.4醫(yī)用機(jī)器人276
12.3.5軍用機(jī)器人277
12.4智能機(jī)器人技術(shù)展望與倫理280
12.4.1智能機(jī)器人技術(shù)展望280
12.4.2機(jī)器人倫理問(wèn)題281
12.5本章小結(jié)282
討論題282