人工智能导论电子书

书名页

版权

前言

第一部分 引言

第1章 绪论

【导读案例】云计算四十年历史化蝶成茧

1.1 什么是人工智能

1.1.1 人工智能定义

1.1.2 强人工智能与弱人工智能

1.2 人工智能发展历史

1.2.1 大师与通用机器

1.2.2 人工智能学科的诞生

1.2.3 人工智能的发展历程

1.2.4 人工智能的社会必然性

1.3 人工智能的研究

1.3.1 人工智能的研究领域

1.3.2 在计算机上的实现方法

1.3.3 人工智能发展的启示

1.3.4 新图灵测试

1.4 人工智能时代需要的人才

1.4.1 社会进步取代了传统劳动

1.4.2 未来的五个重要岗位

1.5 人工智能与安全

1.5.1 安全问题不容忽视

1.5.2 设定伦理要求

1.5.3 强力保护个人隐私

【作业】

第2章 人工智能+领域应用

【导读案例】动物智能：聪明的汉斯

2.1 关于智慧地球

2.2 智慧城市

2.2.1 什么是智慧城市

2.2.2 智慧城市与数字城市

2.2.3 智慧城市与智能城市

2.2.4 智慧城市与智慧农业

2.3 智慧交通

2.3.1 智慧交通的建设前提

2.3.2 轨道交通系统的发展

2.4 智能家居

2.4.1 家庭自动化

2.4.2 家庭网络

2.4.3 网络家电

2.4.4 智能家居的设计理念

2.5 智慧医疗

2.5.1 循证医学的发展

2.5.2 医疗保健新突破

2.5.3 智慧的医疗信息平台

2.6 智慧教育

2.6.1 智慧教育的定义

2.6.2 智慧校园是智慧教育的一部分

2.6.3 建设智慧教室

2.6.4 智慧教学模式

2.7 智慧新零售

2.8 智能客户服务

2.8.1 企业布局智能客服

2.8.2 智能客服的人机分工

【作业】

第二部分 基础知识

第3章 大数据思维

【导读案例】亚马逊推荐系统

3.1 大数据与人工智能

3.2 思维转变之一：样本=总体

3.2.1 小数据时代的随机采样

3.2.2 大数据与乔布斯的癌症治疗

3.2.3 全数据模式：样本=总体

3.3 思维转变之二：接受数据的混杂性

3.3.1 允许不精确

3.3.2 纷繁的数据越多越好

3.3.3 混杂性是标准途径

3.3.4 5%的数字数据与95%的非结构化数据

3.4 思维转变之三：数据的相关关系

3.4.1 关联物，预测的关键

3.4.2 “是什么”，而不是“为什么”

3.4.3 通过因果关系了解世界

3.4.4 通过相关关系了解世界

【作业】

第4章 搜索算法

【导读案例】 AI能替代码农编程吗？

4.1 关于搜索算法

4.2 盲目搜索

4.2.1 状态空间图

4.2.2 回溯算法

4.2.3 贪婪算法

4.2.4 旅行销售员问题

4.2.5 深度优先搜索

4.2.6 广度优先搜索

4.2.7 迭代加深搜索

4.3 知情搜索

4.3.1 启发法

4.3.2 爬山法

4.3.3 最陡爬坡法

4.3.4 最佳优先搜索

4.3.5 分支定界法——找到最佳解

4.3.6 A∗算法

4.4 受到自然启发的搜索

4.4.1 遗传规划

4.4.2 蚂蚁聚居地优化

4.4.3 模拟退火

4.4.4 粒子群

4.4.5 禁忌搜索

【作业】

第5章 知识表示

【导读案例】“x0后”网络形象报告：成长为中坚一代

5.1 什么是知识表示

5.1.1 知识的概念

5.1.2 知识表示方法

5.1.3 表示方法的选择

5.2 图形草图

5.3 图和哥尼斯堡桥问题

5.4 搜索树（决策树）

5.5 产生式系统

5.6 面向对象

5.7 框架法

5.8 语义网络

5.8.1 语义网络表示

5.8.2 知识图谱

【作业】

第三部分 基于知识的系统

第6章 专家系统

【导读案例】中美人工智能PK

6.1 专家系统及其发展

6.1.1 在自己的领域里作为专家

6.1.2 五个技能获取阶段

6.1.3 专家的特点

6.1.4 专家系统的特征

6.1.5 建立专家系统要思考的问题

6.2 知识工程

6.3 知识获取

6.4 专家系统的结构

6.4.1 知识库

6.4.2 推理机

6.4.3 其他部分

6.5 经典的专家系统

6.5.1 DENDRAL专家系统

6.5.2 振动故障诊断的专家系统

6.5.3 自动牙科识别

【作业】

第7章 机器学习

【导读案例】 Netflix的电影推荐引擎

7.1 什么是机器学习

7.1.1 机器学习的发展

7.1.2 机器学习的定义

7.2 机器学习的学习类型

7.2.1 监督学习

7.2.2 无监督学习

7.2.3 强化学习

7.3 机器学习的算法

7.3.1 什么是算法

7.3.2 回归算法

7.3.3 基于实例的算法

7.3.4 决策树算法

7.3.5 贝叶斯算法

7.3.6 聚类算法

7.3.7 神经网络算法

7.4 机器学习的基本结构

7.5 机器学习的分类

7.5.1 基于学习策略的分类

7.5.2 基于所获取知识的表示形式分类

7.5.3 按应用领域分类

7.5.4 综合分类

7.6 机器学习的应用

7.6.1 应用于物联网

7.6.2 应用于聊天机器人

7.6.3 应用于自动驾驶

【作业】

第8章 深度学习

【导读案例】谷歌大脑

8.1 了解神经网络

8.1.1 人脑神经的研究

8.1.2 人工神经网络的研究

8.1.3 神经网络理解图片

8.2 什么是深度学习

8.2.1 深度学习的意义

8.2.2 深度的概念

8.2.3 深度学习的核心思路

8.2.4 深度学习的实现

8.3 机器学习VS深度学习

【作业】

第四部分 高级专题

第9章 机器人技术

【导读案例】 RoboCup机器人世界杯足球锦标赛

9.1 划时代的计划

9.1.1 划时代的阿波罗计划

9.1.2 机器人学中新的标准问题

9.2 机器感知

9.2.1 机器智能与智能机器

9.2.2 机器思维与思维机器

9.2.3 机器行为与行为机器

9.3 机器人的概念

9.3.1 机器人的发展

9.3.2 机器人的定义与“三原则”

9.3.3 机器人的分类

9.4 机器人的技术问题

9.4.1 机器人的组成

9.4.2 机器人的运动

9.4.3 机器人大狗

9.5 智能制造

9.5.1 什么是智能制造

9.5.2 综合特征

9.5.3 智能技术

9.5.4 测控装置

9.5.5 运作过程

【作业】

第10章 智能图像处理

【导读案例】算法工程师：你的一切皆在我计算中

10.1 模式识别

10.2 图像识别

10.2.1 人类的图像识别能力

10.2.2 图像识别基础

10.2.3 计算机图形识别模型

10.2.4 图像识别的发展

10.3 机器视觉与图像处理

10.3.1 机器视觉的发展

10.3.2 图像处理

10.3.3 计算机视觉

10.3.4 计算机视觉与机器视觉的区别

10.3.5 神经网络的图像识别技术

10.4 图像识别技术的应用

10.4.1 机器视觉的行业应用

10.4.2 检测与机器人视觉应用

10.4.3 应用案例：布匹质量检测

10.5 智能图像处理技术

10.5.1 图像采集

10.5.2 图像预处理

10.5.3 图像分割

10.5.4 目标识别和分类

10.5.5 目标定位和测量

10.5.6 目标检测和跟踪

【作业】

第11章 自然语言处理

【导读案例】机器翻译：大数据的简单算法与小数据的复杂算法

11.1 语言的问题和可能性

11.2 什么是自然语言处理

11.3 自然语言处理的历史

11.3.1 基础期

11.3.2 符号与随机方法

11.3.3 四种范式

11.3.4 经验主义和有限状态模型

11.3.5 大融合

11.3.6 机器学习的兴起

11.4 语法类型与语义分析

11.4.1 语法类型

11.4.2 语义分析和扩展语法

11.4.3 IBM的机器翻译Candide系统

11.5 处理数据与处理工具

11.5.1 统计NLP语言数据集

11.5.2 自然语言处理工具

11.5.3 自然语言处理技术难点

11.6 语音处理

11.6.1 语音处理的发展

11.6.2 语音理解

11.6.3 语音识别

11.7 自然语言处理的应用

11.7.1 自然语音系统和语音识别系统

11.7.2 信息提取和问答系统

【作业】

第12章 自动规划

【导读案例】“双马”激辩AI

12.1 什么是自动规划

12.1.1 规划是特殊的智力指标

12.1.2 规划的概念分析

12.1.3 自动规划的定义

12.1.4 规划应用示例

12.2 规划方法

12.2.1 规划即搜索

12.2.2 部分有序规划

12.2.3 分级规划

12.2.4 基于案例的规划

12.3 著名的规划系统

12.3.1 STRIPS

12.3.2 NOAH

12.3.3 NONLIN

12.3.4 O-PLAN

12.3.5 Graphplan

【作业】

附录 作业参考答案

参考文献