人工智能原理及應用/云南省普通高等學�！笆濉币�(guī)劃教材
定 價：42 元
叢書名：云南省普通高等學�！笆濉币�(guī)劃教材 ， 大數(shù)據(jù)與計算機科學系列·大數(shù)據(jù)技術與應用方向
- 作者：佘玉梅，段鵬 著
- 出版時間：2018/12/1
- ISBN：9787313182647
- 出 版 社：上海交通大學出版社
- 中圖法分類：TP18
- 頁碼：201
- 紙張：膠版紙
- 版次：1
- 開本：16開
《人工智能原理及應用/云南省普通高等學�！笆濉币�(guī)劃教材》是作者在科學研究與教學實踐的基礎上，吸納了國內(nèi)外人工智能領域?qū)＜覍W者的經(jīng)驗，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，給出了在相應領域的算法及應用。全書共8章，主要內(nèi)容有：人工智能的基本概念、知識表示和問題求解、自動規(guī)劃求解系統(tǒng)、機器學習、自然語言處理技術、智能信息處理技術、分布式人工智能和Agent技術、知識發(fā)現(xiàn)與數(shù)據(jù)挖掘等。
《人工智能原理及應用/云南省普通高等學校“十二五”規(guī)劃教材》可作為計算機類及相關專業(yè)本科高年級學生或研究生的教材，也可供從事計算機科學、人工智能等方面工作的科技人員參考。
人工智能是計算機科學中涉及研究、設計和應用智能機器的一個分支，是計算機科學、控制論、信息論、自動化、仿生學、生物學、語言學、神經(jīng)生理學、心理學、數(shù)學、醫(yī)學和哲學等多種學科相互滲透而發(fā)展起來的綜合性的交叉學科和邊緣學科。人工智能的基本目標是使機器不僅能模擬，而且可以延伸、擴展人的智能，更進一步的目標是制造出智能機器。人工智能自20世紀50年代中期誕生以來，取得了長足的發(fā)展。
隨著人工智能時代的到來，對人工智能原理進行深入研究，對人工智能學科進行理論創(chuàng)新和應用創(chuàng)新，將有力地推動科學技術和經(jīng)濟社會的發(fā)展。為此，世界各國對人工智能的研究都十分重視，投人大量的人力、物力和財力，激烈爭奪這一高新技術的制高點。計算機學科、自動化領域的學科及計算機應用密集的其他學科的學生掌握人工智能的基礎知識，已經(jīng)成為國內(nèi)外許多高校提高學生綜合素質(zhì)，培養(yǎng)高水平、復合型和創(chuàng)新型人才的一項重要舉措。
本書是在佘玉梅、段鵬編寫的《人工智能及其應用》（上海交通大學出版社2007年出版）的基礎上編寫完成的，新增內(nèi)容在40%左右。編寫過程中，注意跟蹤學科前沿，結合智能計算理論和應用的發(fā)展，根據(jù)作者多年的教學經(jīng)驗和體會，對教材結構和內(nèi)容進行了重組，增加了相應的章節(jié)，加入一些實例、習題，讓學生更易理解和掌握，進一步豐富和完善了教材內(nèi)容。
本書力求深入淺出地對人工智能的基本原理及應用進行討論，同時為讀者提供學習和研究本學科的有效工具。全書分8章。第1章介紹人工智能的基本概念；第2章介紹知識表示和問題求解；第3章介紹自動規(guī)劃求解系統(tǒng)；第4章介紹機器學習；第5章介紹自然語言處理技術；第6章介紹智能信息處理技術；第7章介紹分布式人工智能和Agent技術；第8章介紹知識發(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“十二五”規(guī)劃教材建設項目的大力支持，同時得到了很多專家的指導和幫助。另外，書中部分定義、算法、模型、實例等內(nèi)容，直接或間接地參考和引用了許多國內(nèi)外專家和學者的文獻資料，這些資料已在本書的主要參考文獻中列出，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，書中存在的錯誤、疏漏和不妥之處，懇請讀者不吝賜教和批評指正。
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 人工智能的研究學派
1．2．1 符號主義
1．2．2 聯(lián)結主義
1．2．3 行為主義
1．3 人工智能的研究目標
1．4 人工智能的研究領域
1．4．1 模式識別
1．4．2 自動定理證明
1．4．3 機器視覺
1．4．4 專家系統(tǒng)
1．4．5 機器人
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
1．4．9 問題求解
1．4．10 機器學習
1．4．11 基于Agent的人工智能
第2章 知識表示和問題求解
2．1 知識及知識表示的基本概念
2．1．1 知識的概念
2．1．2 知識表示
2．1．3 知識的分類
2．1．4 知識的使用
2．1．5 對知識表示方法的衡量
2．2 狀態(tài)空間知識表示及求解
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 歸結原理
2．6 語義網(wǎng)絡
2．6．1 語義網(wǎng)絡的構成及特點
2．6．2 語義網(wǎng)絡的表示
2．6．3 語義網(wǎng)絡的推理
2．6．4 語義網(wǎng)絡表示的優(yōu)缺點特點
2．7 其他知識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
3．2 機器規(guī)劃成功性基本原理
3．2．1 概述
3．2．2 總規(guī)劃的設計與分層規(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 機器人規(guī)劃求解應用舉例
第4章 機器學習
4．1 機器學習的概念
4．1．1 什么是學習
4．1．2 機器學習與人類學習的區(qū)別
4．1．3 機器學習實現(xiàn)的困難
4．2 機器學習的研究目標
4．2．1 通用學習算法
4．2．2 認知模型
4．2．3 工程目標
4．3 機器學習系統(tǒng)
4．3．1 什么是機器學習系統(tǒng)
4．3．2 機器學習的基本模型
4．4 機器學習的分類
4．5 實例學習
4．5．1 概述
4．5．2 實例學習的兩個空間模型
4．5．3 實例學習示例
第5章 自然語言處理技術
5．1 自然語言處理概述
5．1．1 漢語信息處理技術方面的進展
5．1．2 少數(shù)民族語言文字信息處理技術方面的進展
5．1．3 自然語言處理的研究領域和方向
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 短語結構文法
5．3．2 喬姆斯基文法體系
5．3．3 句法分析樹
5．3．4 轉移網(wǎng)絡
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 機器翻譯
5．7．1 基于詞的統(tǒng)計機器翻譯
5．7．2 基于短語的統(tǒng)計機器翻譯
5．8 語音識別
5．8．1 信號處理
5．8．2 識別
第6章 智能信息處理技術
6．1 神經(jīng)網(wǎng)絡
6．1．1 神經(jīng)網(wǎng)絡的模型和學習算法
6．1．2 幾種典型神經(jīng)網(wǎng)絡簡介
6．1．3 神經(jīng)網(wǎng)絡的應用
6．2 深度學習
6．2．1 深度學習的模型和學習算法
6．2．2 深度學習的應用
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 粗糙集對缺失數(shù)據(jù)的補齊方法
6．5 模糊計算技術
6．5．1 模糊集合
6．5．2 模糊集合的表示方法
6．5．3 模糊集合的運算
6．5．4 隸屬函數(shù)
6．5．5 模糊模式識別
6．6 云模型理論
6．7 支持向量機
6．7．1 線性分類
6．7．2 核函數(shù)
6．7．3 SVM的應用
第7章 分布式人工智能和Agent技術
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 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘
8．1 知識發(fā)現(xiàn)
8．2 數(shù)據(jù)挖掘
8．2．1 數(shù)據(jù)挖掘技術的產(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)計算框架——MapReduce
8．3．2 Hadoop平臺及相關生態(tài)系統(tǒng)
8．3．3 Spark計算框架及相關生態(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
書單推薦
