本书按照人工智能历史上的热点迁移顺序，将主体内容分为推理、知识和学习三个部分进行章节组织，系统介绍人工智能的基本原理和方法。在各章内部，按照基本概念、算法模型和应用设计逐步深化提升。具有启发性强、系统性好、注重实用、贴近前沿等特点。配套提供讲解视频、习题答案、实践代码和思维导图等教学资源。
更多科学出版社服务，请扫码获取。
国家重点研发计划,2018YFB1305100 人-机器人智能融合技术
国家自然科学基金青年基金项目，31000591，大规模蛋白质相互作用中潜在信号通路的生物信息学挖掘
目录
序
前言
第1章 人工智能概述 1
1.1 人工智能的基本概念 1
1.1.1 人工智能的定义 1
1.1.2 人工智能的研究目标 2
1.2 人工智能的发展历程 3
1.2.1 孕育期 3
1.2.2 推理期 4
1.2.3 知识期 5
1.2.4 学习期 6
1.3 人工智能的主要学派 7
1.3.1 符号主义 7
1.3.2 连接主义 8
1.3.3 行为主义 9
1.3.4 不同学派的交叉与融合 10
1.4 人工智能的应用领域 10
1.4.1 机器视觉 11
1.4.2 自然语言处理 11
1.4.3 智能规划与决策 12
1.4.4 机器人 13
1.4.5 计算机博弈 14
1.4.6 专家系统 15
1.4.7 其他 15
1.5 人工智能的研究现状 16
1.5.1 人工智能擅长处理的问题 16
1.5.2 现阶段人工智能的局限性 17
1.6 本章小结 18
思考题 19
第2章 状态空间搜索 21
2.1 状态空间搜索概述 21
2.1.1 状态空间的基本概念 21
2.1.2 通用图搜索框架 24
2.1.3 状态空间的形式化表示 29
2.2 盲目搜索 32
2.2.1 宽度优先搜索 33
2.2.2 深度优先搜索 34
2.2.3 代价优先搜索 35
2.3 启发式搜索 38
2.3.1 A算法 38
2.3.2 A*算法 42
2.4 本章小结 51
思考题 52
练习题 53
第3章 人工智能博弈 58
3.1 博弈问题概述 58
3.1.1 博弈问题的描述 58
3.1.2 博弈问题的分类 59
3.1.3 博弈问题求解的特点 60
3.2 完美信息博弈 61
3.2.1 双人零和完美信息博弈问题描述 61
3.2.2 极小极大搜索 63
3.2.3 α-β剪枝 69
3.2.4 蒙特卡罗树搜索 73
3.3 不完美信息博弈 78
3.3.1 纳什均衡 78
3.3.2 遗憾最小化 79
3.4 随机博弈 83
3.4.1 随机博弈问题描述 83
3.4.2 期望极小极大搜索 84
3.5 本章小结 85
思考题 86
练习题 86
第4章 智能优化算法 89
4.1 遗传算法 89
4.1.1 遗传算法的基本原理 90
4.1.2 基于遗传算法的旅行商问题求解 96
4.1.3 遗传算法的特点和应用 98
4.2 蚁群优化算法 98
4.2.1 蚁群优化算法的基本原理 99
4.2.2 基于蚁群优化算法的旅行商问题求解 101
4.2.3 蚁群优化算法的特点和应用 103
4.3 粒子群优化算法 103
4.3.1 粒子群优化算法的基本原理 104
4.3.2 基于粒子群优化算法的旅行商问题求解 106
4.3.3 粒子群优化算法的特点和应用 107
4.4 模拟退火算法 107
4.4.1 模拟退火算法的基本原理 108
4.4.2 基于模拟退火算法的旅行商问题求解 110
4.4.3 模拟退火算法的特点和应用 111
4.5 本章小结 112
思考题 112
练习题 113
第5章 经典逻辑推理 115
5.1 经典逻辑推理概述 115
5.1.1 经典逻辑推理的基本概念 115
5.1.2 典型逻辑推理问题 116
5.2 命题逻辑推理 116
5.2.1 命题逻辑的基本概念 116
5.2.2 命题演算的推理方法 119
5.2.3 基于命题归结的自动定理证明 123
5.3 谓词逻辑推理 125
5.3.1 谓词逻辑的基本概念 125
5.3.2 基于谓词归结的自动定理证明 126
5.3.3 基于谓词归结的问题求解 133
5.4 本章小结 135
思考题 136
练习题 136
第6章 确定性知识表示与推理 139
6.1 确定性知识表示与推理概述 139
6.1.1 知识和知识表示的基本概念 139
6.1.2 典型的知识表示方法 141
6.1.3 推理的基本概念和方法 143
6.2 产生式 147
6.2.1 产生式的基本概念 147
6.2.2 产生式系统的组成 148
6.2.3 产生式系统的推理 149
6.2.4 产生式系统的特点 151
6.3 语义网络 152
6.3.1 语义网络的基本概念 152
6.3.2 语义网络的表示 154
6.3.3 语义网络的推理 155
6.3.4 语义网络的特点 158
6.4 框架 158
6.4.1 框架的基本概念 158
6.4.2 框架的表示 159
6.4.3 框架的推理 160
6.4.4 框架的特点 161
6.5 知识图谱 161
6.5.1 知识图谱的基本概念 162
6.5.2 知识图谱的分类 163
6.5.3 知识图谱的构建 164
6.5.4 知识图谱的特点 168
6.5.5 知识图谱的应用 171
6.6 本章小结 172
思考题 172
练习题 173
第7章 不确定性知识表示与推理 174
7.1 不确定性知识表示与推理概述 174
7.1.1 知识的不确定性及其表示方法 174
7.1.2 不确定性推理的基本问题 175
7.1.3 不确定性推理方法的分类 177
7.2 概率推理及其扩展方法 178
7.2.1 贝叶斯网络推理方法 179
7.2.2 主观贝叶斯方法 185
7.2.3 可信度方法 190
7.2.4 证据理论 195
7.3 模糊推理 201
7.3.1 模糊集合理论 201
7.3.2 模糊推理方法 207
7.4 本章小结 214
思考题 215
练习题 215
第8章 机器学习 218
8.1 机器学习概述 218
8.1.1 机器学习的基本概念 218
8.1.2 机器学习的常见术语 219
8.1.3 机器学习的分类 222
8.1.4 机器学习的三要素 224
8.1.5 机器学习的相关理论 229
8.1.6 机器学习的主要特点 231
8.2 有监督学习 232
8.2.1 回归问题和分类问题 232
8.2.2 回归问题求解方法 238
8.2.3 回归性能评估 244
8.2.4 分类问题求解方法 247
8.2.5 分类性能评估 273
8.3 无监督学习 276
8.3.1 聚类的基本思想 276
8.3.2 相似性的度量 277
8.3.3 聚类的主要方法 280
8.3.4 聚类性能的评估 293
8.4 半监督学习 296
8.4.1 半监督学习的基本思想 296
8.4.2 半监督学习的主要方法 297
8.4.3 半监督学习的应用 302
8.5 强化学习 303
8.5.1 强化学习的基本思想 303
8.5.2 强化学习的主要方法 307
8.5.3 强化学习的应用 318
8.6 本章小结 320
思考题 321
练习题 322
第9章 人工神经网络与深度学习 325
9.1 人工神经网络概述 325
9.1.1 生物神经元和生物神经网络 325
9.1.2 人工神经网络的基本要素 327
9.1.3 人工神经元模型 328
9.1.4 人工神经网络的拓扑结构 333
9.1.5 人工神经网络的学习规则 335
9.2 浅层神经网络 340
9.2.1 感知器 340
9.2.2 BP网络 347
9.2.3 Hopfield网络 356
9.2.4 自组织特征映射网络 363
9.3 深度神经网络 368
9.3.1 深度神经网络概述 368
9.3.2 卷积神经网络 377
9.3.3 循环神经网络 395
9.3.4 生成对抗网络 405
9.4 深度学习大模型 409
9.4.1 大模型的基本原理 409
9.4.2 预训练大模型的典型架构 415
9.4.3 大模型的核心技术 426
9.4.4 大模型的应用与挑战 432
9.5 本章小结 435
思考题 435
练习题 437
第10章 Agent 439
10.1 Agent基本概念 439
10.1.1 Agent定义 439
10.1.2 Agent函数和Agent程序 440
10.1.3 理性Agent 441
10.1.4 研究Agent的意义 442
10.2 Agent任务环境 443
10.2.1 任务环境描述方法 443
10.2.2 任务环境属性 444
10.3 Agent程序类型 446
10.3.1 简单反射Agent 446
10.3.2 基于模型的反射Agent 447
10.3.3 基于目标的Agent 449
10.3.4 基于效用的Agent 449
10.3.5 学习Agent 450
10.4 多Agent系统 451
10.4.1 多Agent系统的概念 451
10.4.2 多Agent系统的组织结构 452
10.4.3 多Agent系统的通信 456
10.4.4 多Agent系统的协作 457
10.4.5 多Agent系统的特点 461
10.5 本章小结 462
思考题 463
练习题 463
第11章 人工智能发展展望 465
11.1 人工智能发展的趋势 465
11.1.1 人工智能发展特点 465
11.1.2 人工智能发展预期 466
11.1.3 人工智能发展方向 467
11.2 人工智能发展的风险与挑战 471
11.2.1 人工智能发展的潜在风险 471
11.2.2 超人工智能出现的潜在威胁 473
11.2.3 应对风险挑战的防范举措 475
11.3 本章小结 477
思考题 477
参考文献 479
书单推荐
