第一篇 基础理论篇 2
第1章 总论 2
1.1 人工智能发展历史 2
1.2 人工智能概念介绍 7
1.3 人工智能发展三大学派 10
1.4 人工智能的学科体系 11
小结 16
习题1 17
第2章 知识及知识表示 18
2.1 概述 18
2.2 产生式表示法 20
2.3 状态空间表示法 23
2.4 谓词逻辑表示法 26
2.5 知识图谱表示法 32
小结 35
习题2 36
第3章 知识组织与管理——知识库介绍 37
3.1 知识库概述 37
3.2 知识库发展历史 40
3.3 典型知识库系统介绍 41
小结 48
习题3 50
第4章 知识获取之搜索策略方法 51
4.1 概述 51
4.2 盲目搜索 52
4.3 启发式搜索 53
4.4 博弈树的启发式搜索 56
小结 59
习题4 59
第5章 知识获取之推理方法 60
5.1 知识推理基本理论 60
5.2 谓词逻辑自然推理 61
5.3 谓词逻辑的自动定理证明 65
5.4 知识推理方法之评价 73
小结 74
习题5 74
第6章 知识获取之机器学习方法 76
6.1 机器学习概述 76
6.2 人工神经网络 79
6.3 决策树 86
6.4 贝叶斯方法 92
6.5 支持向量机方法 95
6.6 关联规则方法 97
6.7 聚类方法 103
6.8 迁移学习 106
6.9 强化学习方法 108
小结 109
习题6 110
第7章 深度学习与卷积神经网络 111
7.1 浅层学习与深度学习 111
7.2 深度学习概述 112
7.3 卷积神经网络 114
小结 121
习题7 123
第8章 知识获取之知识图谱方法 124
8.1 知识图谱中的知识获取概述 124
8.2 知识图谱中的知识获取方法 124
8.3 著名的知识图谱介绍 127
8.4 知识图谱中的知识存储 129
8.5 知识图谱的应用 130
小结 130
习题8 131
第9章 知识获取之Agent方法 133
9.1 Agent介绍 133
9.2 多Agent 137
9.3 移动Agent 139
9.4 智能Agent 140
小结 141
习题9 142
第二篇 应用技术篇 144
第10章 知识工程与专家系统 144
10.1 知识工程与专家系统概述 144
10.2 专家系统组成 146
10.3 专家系统分类 148
10.4 专家系统开发 148
10.5 传统专家系统与新一代专家系统 151
小结 152
习题10 153
第11章 计算机视觉 155
11.1 计算机视觉概述 155
11.2 计算机视觉中的图像分析和理解 158
11.3 计算机视觉应用 160
小结 163
习题11 165
第12章 自然语言处理 166
12.1 自然语言处理之自然语言理解 167
12.2 自然语言处理之自然语言生成 173
12.3 语音处理 174
12.4 自然语言处理应用实例 181
小结 183
习题12 185
第13章 机器人 187
13.1 机器人概述 187
13.2 机器人组织结构 190
13.3 机器人工作原理 191
13.4 机器人的应用 192
小结 196
习题13 198
第三篇 应用篇 201
第14章 大数据技术 201
14.1 大数据技术概述 201
14.2 大数据基础平台 204
14.3 大数据软件平台一Hadoop 204
14.4 大数据管理系统标准NoSQL 207
14.5 大数据计算 208
14.6 大数据用户接口与可视化 212
小结 212
习题14 214
第15章 人工智能应用系统开发 216
15.1 概述 216
15.2 人工智能应用开发的三大要素 217
15.3 人工智能应用开发系统结构 220
15.4 人工智能应用系统开发流程 223
15.5 人工智能应用的三种典型方法 225
小结 226
习题15 227
第16章 人工智能的应用系统 228
16.1 自动驾驶与网联车 228
16.2 人脸识别 234
16.3 机器翻译 239
16.4 智能医学图像处理 242
小结 247
习题16 249
第四篇 展望篇 252
第17章 人工智能发展展望 252
17.1 人工智能学科发展 252
17.2 人工智能所引发的社会问题及其解决 254
小结 257
习题17 258
参考文献 259