人工智能原理及應(yīng)用/云南省普通高等學(xué)�！笆濉币�(guī)劃教材
定 價(jià)：42 元
叢書名：云南省普通高等學(xué)校“十二五”規(guī)劃教材 ， 大數(shù)據(jù)與計(jì)算機(jī)科學(xué)系列·大數(shù)據(jù)技術(shù)與應(yīng)用方向
- 作者：佘玉梅，段鵬 著
- 出版時(shí)間：2018/12/1
- ISBN：9787313182647
- 出 版 社：上海交通大學(xué)出版社
- 中圖法分類：TP18
- 頁碼：201
- 紙張：膠版紙
- 版次：1
- 開本：16開
《人工智能原理及應(yīng)用/云南省普通高等學(xué)�！笆濉币�(guī)劃教材》是作者在科學(xué)研究與教學(xué)實(shí)踐的基礎(chǔ)上，吸納了國內(nèi)外人工智能領(lǐng)域?qū)＜覍W(xué)者的經(jīng)驗(yàn)，歸納、整理、提煉而形成的，主要講述了人工智能的基本概念和基本原理，給出了在相應(yīng)領(lǐng)域的算法及應(yīng)用。全書共8章，主要內(nèi)容有：人工智能的基本概念、知識(shí)表示和問題求解、自動(dòng)規(guī)劃求解系統(tǒng)、機(jī)器學(xué)習(xí)、自然語言處理技術(shù)、智能信息處理技術(shù)、分布式人工智能和Agent技術(shù)、知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘等。
《人工智能原理及應(yīng)用/云南省普通高等學(xué)�！笆濉币�(guī)劃教材》可作為計(jì)算機(jī)類及相關(guān)專業(yè)本科高年級(jí)學(xué)生或研究生的教材，也可供從事計(jì)算機(jī)科學(xué)、人工智能等方面工作的科技人員參考。
人工智能是計(jì)算機(jī)科學(xué)中涉及研究、設(shè)計(jì)和應(yīng)用智能機(jī)器的一個(gè)分支，是計(jì)算機(jī)科學(xué)、控制論、信息論、自動(dòng)化、仿生學(xué)、生物學(xué)、語言學(xué)、神經(jīng)生理學(xué)、心理學(xué)、數(shù)學(xué)、醫(yī)學(xué)和哲學(xué)等多種學(xué)科相互滲透而發(fā)展起來的綜合性的交叉學(xué)科和邊緣學(xué)科。人工智能的基本目標(biāo)是使機(jī)器不僅能模擬，而且可以延伸、擴(kuò)展人的智能，更進(jìn)一步的目標(biāo)是制造出智能機(jī)器。人工智能自20世紀(jì)50年代中期誕生以來，取得了長足的發(fā)展。
隨著人工智能時(shí)代的到來，對(duì)人工智能原理進(jìn)行深入研究，對(duì)人工智能學(xué)科進(jìn)行理論創(chuàng)新和應(yīng)用創(chuàng)新，將有力地推動(dòng)科學(xué)技術(shù)和經(jīng)濟(jì)社會(huì)的發(fā)展。為此，世界各國對(duì)人工智能的研究都十分重視，投人大量的人力、物力和財(cái)力，激烈爭奪這一高新技術(shù)的制高點(diǎn)。計(jì)算機(jī)學(xué)科、自動(dòng)化領(lǐng)域的學(xué)科及計(jì)算機(jī)應(yīng)用密集的其他學(xué)科的學(xué)生掌握人工智能的基礎(chǔ)知識(shí)，已經(jīng)成為國內(nèi)外許多高校提高學(xué)生綜合素質(zhì)，培養(yǎng)高水平、復(fù)合型和創(chuàng)新型人才的一項(xiàng)重要舉措。
本書是在佘玉梅、段鵬編寫的《人工智能及其應(yīng)用》（上海交通大學(xué)出版社2007年出版）的基礎(chǔ)上編寫完成的，新增內(nèi)容在40%左右。編寫過程中，注意跟蹤學(xué)科前沿，結(jié)合智能計(jì)算理論和應(yīng)用的發(fā)展，根據(jù)作者多年的教學(xué)經(jīng)驗(yàn)和體會(huì)，對(duì)教材結(jié)構(gòu)和內(nèi)容進(jìn)行了重組，增加了相應(yīng)的章節(jié)，加入一些實(shí)例、習(xí)題，讓學(xué)生更易理解和掌握，進(jìn)一步豐富和完善了教材內(nèi)容。
本書力求深入淺出地對(duì)人工智能的基本原理及應(yīng)用進(jìn)行討論，同時(shí)為讀者提供學(xué)習(xí)和研究本學(xué)科的有效工具。全書分8章。第1章介紹人工智能的基本概念；第2章介紹知識(shí)表示和問題求解；第3章介紹自動(dòng)規(guī)劃求解系統(tǒng)；第4章介紹機(jī)器學(xué)習(xí)；第5章介紹自然語言處理技術(shù)；第6章介紹智能信息處理技術(shù)；第7章介紹分布式人工智能和Agent技術(shù)；第8章介紹知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘等。其中第1章、第2章、第3章、第4章、第5章由佘玉梅撰稿，第6章、第7章、第8章由段鵬撰稿。
本書在寫作過程中，得到了云南省教育廳和云南民族大學(xué)“十二五”規(guī)劃教材建設(shè)項(xiàng)目的大力支持，同時(shí)得到了很多專家的指導(dǎo)和幫助。另外，書中部分定義、算法、模型、實(shí)例等內(nèi)容，直接或間接地參考和引用了許多國內(nèi)外專家和學(xué)者的文獻(xiàn)資料，這些資料已在本書的主要參考文獻(xiàn)中列出，在此一并表示衷心的感謝。
由于作者水平有限，加之人工智能發(fā)展較快，書中存在的錯(cuò)誤、疏漏和不妥之處，懇請(qǐng)讀者不吝賜教和批評(píng)指正。
第1章 緒論
1．1 人工智能概念和發(fā)展
1．1．1 人工智能的概念
1．1．2 人工智能的發(fā)展簡史
1．2 人工智能的研究學(xué)派
1．2．1 符號(hào)主義
1．2．2 聯(lián)結(jié)主義
1．2．3 行為主義
1．3 人工智能的研究目標(biāo)
1．4 人工智能的研究領(lǐng)域
1．4．1 模式識(shí)別
1．4．2 自動(dòng)定理證明
1．4．3 機(jī)器視覺
1．4．4 專家系統(tǒng)
1．4．5 機(jī)器人
1．4．6 自然語言處理
1．4．7 博弈
1．4．8 人工神經(jīng)網(wǎng)絡(luò)
1．4．9 問題求解
1．4．10 機(jī)器學(xué)習(xí)
1．4．11 基于Agent的人工智能
第2章 知識(shí)表示和問題求解
2．1 知識(shí)及知識(shí)表示的基本概念
2．1．1 知識(shí)的概念
2．1．2 知識(shí)表示
2．1．3 知識(shí)的分類
2．1．4 知識(shí)的使用
2．1．5 對(duì)知識(shí)表示方法的衡量
2．2 狀態(tài)空間知識(shí)表示及求解
2．2．1 狀態(tài)空間表示法
2．2．2 圖搜索策略
2．3 產(chǎn)生式系統(tǒng)及推理
2．3．1 產(chǎn)生式系統(tǒng)的構(gòu)成
2．3．2 產(chǎn)生式系統(tǒng)的求解問題策略
2．4 問題歸約法
2．4．1 問題歸約表示
2．4．2 與／或圖表示
2．5 謂詞邏輯表示及歸結(jié)原理
2．5．1 命題邏輯
2．5．2 謂詞邏輯
2．5．3 一階謂詞演算的基本體系
2．5．4 推理規(guī)則
2．5．5 歸結(jié)原理
2．6 語義網(wǎng)絡(luò)
2．6．1 語義網(wǎng)絡(luò)的構(gòu)成及特點(diǎn)
2．6．2 語義網(wǎng)絡(luò)的表示
2．6．3 語義網(wǎng)絡(luò)的推理
2．6．4 語義網(wǎng)絡(luò)表示的優(yōu)缺點(diǎn)特點(diǎn)
2．7 其他知識(shí)表示與問題求解方法
2．7．1 框架
2．7．2 腳本
2．7．3 過程
第3章 自動(dòng)規(guī)劃求解系統(tǒng)
3．1 規(guī)劃
3．1．1 規(guī)劃的概念
3．1．2 規(guī)劃的特性及作用
3．1．3 系統(tǒng)規(guī)劃求解的方法與途徑
3．1．4 系統(tǒng)規(guī)劃求解的任務(wù)
3．2 機(jī)器規(guī)劃成功性基本原理
3．2．1 概述
3．2．2 總規(guī)劃的設(shè)計(jì)與分層規(guī)劃原理
3．2．3 規(guī)劃問題求解與最優(yōu)規(guī)劃原理
3．3 機(jī)器人規(guī)劃求解應(yīng)用舉例
第4章 機(jī)器學(xué)習(xí)
4．1 機(jī)器學(xué)習(xí)的概念
4．1．1 什么是學(xué)習(xí)
4．1．2 機(jī)器學(xué)習(xí)與人類學(xué)習(xí)的區(qū)別
4．1．3 機(jī)器學(xué)習(xí)實(shí)現(xiàn)的困難
4．2 機(jī)器學(xué)習(xí)的研究目標(biāo)
4．2．1 通用學(xué)習(xí)算法
4．2．2 認(rèn)知模型
4．2．3 工程目標(biāo)
4．3 機(jī)器學(xué)習(xí)系統(tǒng)
4．3．1 什么是機(jī)器學(xué)習(xí)系統(tǒng)
4．3．2 機(jī)器學(xué)習(xí)的基本模型
4．4 機(jī)器學(xué)習(xí)的分類
4．5 實(shí)例學(xué)習(xí)
4．5．1 概述
4．5．2 實(shí)例學(xué)習(xí)的兩個(gè)空間模型
4．5．3 實(shí)例學(xué)習(xí)示例
第5章 自然語言處理技術(shù)
5．1 自然語言處理概述
5．1．1 漢語信息處理技術(shù)方面的進(jìn)展
5．1．2 少數(shù)民族語言文字信息處理技術(shù)方面的進(jìn)展
5．1．3 自然語言處理的研究領(lǐng)域和方向
5．2 自然語言理解
5．2．1 自然語言分析的層次
5．2．2 自然語言理解的層次
5．3 詞法分析
5．3 句法分析
5．3．1 短語結(jié)構(gòu)文法
5．3．2 喬姆斯基文法體系
5．3．3 句法分析樹
5．3．4 轉(zhuǎn)移網(wǎng)絡(luò)
5．4 語義分析
5．4．1 語義文法
5．4．2 格文法
5．5 大規(guī)模真實(shí)文本的處理
5．6 信息搜索
5．6．1 搜索引擎
5．6．2 智能搜索引擎
5．7 機(jī)器翻譯
5．7．1 基于詞的統(tǒng)計(jì)機(jī)器翻譯
5．7．2 基于短語的統(tǒng)計(jì)機(jī)器翻譯
5．8 語音識(shí)別
5．8．1 信號(hào)處理
5．8．2 識(shí)別
第6章 智能信息處理技術(shù)
6．1 神經(jīng)網(wǎng)絡(luò)
6．1．1 神經(jīng)網(wǎng)絡(luò)的模型和學(xué)習(xí)算法
6．1．2 幾種典型神經(jīng)網(wǎng)絡(luò)簡介
6．1．3 神經(jīng)網(wǎng)絡(luò)的應(yīng)用
6．2 深度學(xué)習(xí)
6．2．1 深度學(xué)習(xí)的模型和學(xué)習(xí)算法
6．2．2 深度學(xué)習(xí)的應(yīng)用
6．3 遺傳算法
6．3．1 遺傳算法的概念
6．3．2 基本遺傳算法
6．3．3 遺傳算法應(yīng)用
6．4 粗糙集方法
6．4．1 粗糙集的基本概念
6．4．2 粗糙集對(duì)缺失數(shù)據(jù)的補(bǔ)齊方法
6．5 模糊計(jì)算技術(shù)
6．5．1 模糊集合
6．5．2 模糊集合的表示方法
6．5．3 模糊集合的運(yùn)算
6．5．4 隸屬函數(shù)
6．5．5 模糊模式識(shí)別
6．6 云模型理論
6．7 支持向量機(jī)
6．7．1 線性分類
6．7．2 核函數(shù)
6．7．3 SVM的應(yīng)用
第7章 分布式人工智能和Agent技術(shù)
7．1 分布式人工智能
7．2 Agent系統(tǒng)
7．2．1 Agent的基本概念及特性
7．2．2 Agent的分類及能力
7．3 多Agent系統(tǒng)
7．3．1 多Agent系統(tǒng)的基本概念及特性
7．3．2 多Agent系統(tǒng)的研究內(nèi)容
第8章 知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘
8．1 知識(shí)發(fā)現(xiàn)
8．2 數(shù)據(jù)挖掘
8．2．1 數(shù)據(jù)挖掘技術(shù)的產(chǎn)生及定義
8．2．2 數(shù)據(jù)挖掘的功能
8．2．3 常用的數(shù)據(jù)挖掘方法
8．3 大數(shù)據(jù)處理
8．3．1 大數(shù)據(jù)計(jì)算框架——MapReduce
8．3．2 Hadoop平臺(tái)及相關(guān)生態(tài)系統(tǒng)
8．3．3 Spark計(jì)算框架及相關(guān)生態(tài)系統(tǒng)
8．3．4 流式大數(shù)據(jù)
8．3．5 大數(shù)據(jù)挖掘與分析
主要參考文獻(xiàn)
書單推薦
