近年來，人工智能的框架、理論、方法和產(chǎn)業(yè)發(fā)展極為迅速，是當(dāng)前科學(xué)研究的前沿和創(chuàng)新創(chuàng)業(yè)的熱點(diǎn)。本書系統(tǒng)介紹了人工智能的原理和應(yīng)用情況，共分為11章，包括人工智能概述、知識表示與知識圖譜、確定性推理方法、不確定性推理方法、搜索策略、智能計算及應(yīng)用、機(jī)器視覺、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、智能體與多智能體系統(tǒng)以及自然語言處理及應(yīng)用等，其中體現(xiàn)了新一代人工智能的幾個前沿研究方向（領(lǐng)域），包括具身智能、知識圖譜、深度強(qiáng)化學(xué)習(xí)、分布式人工智能和生成式人工智能等。
本書可作為高等院校人工智能、智能科學(xué)與技術(shù)、計算機(jī)、自動化、電子信息等專業(yè)本科生和相關(guān)領(lǐng)域研究生的教材，也可供人工智能相關(guān)領(lǐng)域從事設(shè)計、開發(fā)、應(yīng)用的工程技術(shù)人員學(xué)習(xí)參考。
第1章 人工智能概述 1
1.1 人工智能的定義 1
1.1.1 人工智能的概念 1
1.1.2 人工智能與人的智能 2
1.2 人工智能發(fā)展簡史 2
1.2.1 發(fā)展概述 2
1.2.2 各學(xué)科的貢獻(xiàn) 4
1.3 人工智能的三大學(xué)派 5
1.3.1 符號主義 5
1.3.2 連接主義 6
1.3.3 行為主義 6
1.3.4 三大學(xué)派的關(guān)系 7
1.4 人工智能研究的基本內(nèi)容 7
1.4.1 機(jī)器感知 7
1.4.2 機(jī)器思維 9
1.4.3 機(jī)器學(xué)習(xí) 11
1.4.4 機(jī)器行為 12
1.4.5 分布式智能 13
1.4.6 具身智能 13
1.5 人工智能的應(yīng)用領(lǐng)域 15
1.5.1 應(yīng)用概述 15
1.5.2 機(jī)器人應(yīng)用 16
本章小結(jié) 17
思考題或自測題 17
第2章 知識表示與知識圖譜 19
2.1 知識的特性、分類和表示 19
2.1.1 知識的特性 19
2.1.2 知識的分類 20
2.1.3 知識表示 21
2.2 表示方法: 一階謂詞邏輯 23
2.2.1 謂詞邏輯表示的邏輯學(xué)基礎(chǔ) 23
2.2.2 謂詞邏輯表示方法 25
2.2.3 謂詞邏輯表示的經(jīng)典例子 26
2.2.4 謂詞邏輯表示的特性 27
2.3 產(chǎn)生式知識表示 28
2.3.1 產(chǎn)生式表示的基本方法 28
2.3.2 產(chǎn)生式表示簡例 29
2.3.3 產(chǎn)生式表示的特性 29
2.4 框架表示法 30
2.4.1 框架結(jié)構(gòu) 30
2.4.2 框架網(wǎng)絡(luò) 32
2.4.3 推理方法 33
2.5 知識圖譜 35
【實(shí)踐2.1】 產(chǎn)生式系統(tǒng) 39
【實(shí)踐2.2】 城市信息的知識圖譜構(gòu)建 41
本章小結(jié) 41
思考題或自測題 42
第3章 確定性推理方法 43
3.1 推理的基本概念 43
3.1.1 推理的定義 43
3.1.2 推理方式及其分類 44
3.1.3 推理的方向 47
3.1.4 沖突消解策略 51
3.2 確定性推理方法 53
3.2.1 自然演繹推理 53
3.2.2 謂語公式化為子句集的方法 57
3.2.3 魯濱遜歸結(jié)原理 61
3.3 確定性推理方法的應(yīng)用 64
3.3.1 歸結(jié)反演 64
3.3.2 應(yīng)用歸結(jié)原理求解問題 66
【實(shí)踐3.1】 魯濱遜歸結(jié)原理: “快樂學(xué)生”問題 68
【實(shí)踐3.2】 魯濱遜歸結(jié)原理: “激動人心的生活”問題 70
【實(shí)踐3.3】 命題邏輯歸結(jié)推理系統(tǒng) 71
本章小結(jié) 73
思考題或自測題 73
第4章 不確定性推理方法 76
4.1 不確定性推理的基本概念 76
4.1.1 不確定性推理的含義 76
4.1.2 不確定性推理的基本問題 77
4.1.3 不確定性推理方法的分類 80
4.2 基于概率的推理方法 80
4.2.1 可信度方法 80
4.2.2 證據(jù)理論 86
4.3 模糊推理方法 93
4.3.1 模糊數(shù)學(xué)的基本知識 94
4.3.2 模糊假言推理 96
【實(shí)踐4.1】 證據(jù)理論與信息融合 99
【實(shí)踐4.2】 模糊控制中的推理方法 100
本章小結(jié) 101
思考題或自測題 102
第5章 搜索策略 104
5.1 搜索概述 104
5.1.1 盲目搜索 105
5.1.2 啟發(fā)式搜索 105
5.2 狀態(tài)空間的搜索策略 105
5.2.1 狀態(tài)空間圖 105
5.2.2 問題的狀態(tài)空間表示法 107
5.2.3 狀態(tài)空間搜索的基本思想 108
5.2.4 一般圖搜索過程 109
5.3 盲目搜索 110
5.3.1 寬度優(yōu)先搜索 110
5.3.2 深度優(yōu)先搜索 112
5.3.3 有界深度搜索和迭代加深搜索 113
5.3.4 搜索最優(yōu)策略的比較 115
5.4 啟發(fā)式搜索 116
5.4.1 啟發(fā)性信息和估價函數(shù) 116
5.4.2 A算法 116
5.4.3 A*算法 117
5.4.4 與/或樹的啟發(fā)式搜索 122
5.4.5 博弈樹的啟發(fā)式搜索 123
【實(shí)踐5.1】 A*算法求解8數(shù)碼問題 124
【實(shí)踐5.2】 A*算法求解傳教士和野人(MC)問題 125
本章小結(jié) 127
思考題或自測題 127
第6章 智能計算及其應(yīng)用 129
6.1 進(jìn)化算法的產(chǎn)生與發(fā)展 129
6.1.1 進(jìn)化算法的生物學(xué)背景 130
6.1.2 進(jìn)化算法的概念 130
6.1.3 進(jìn)化算法的設(shè)計原則 131
6.1.4 進(jìn)化算法框架 131
6.2 遺傳算法及其應(yīng)用 132
6.2.1 遺傳算法的生物學(xué)背景 132
6.2.2 遺傳算法的基本思想 133
6.2.3 編碼 133
6.2.4 群體設(shè)定 134
6.2.5 適應(yīng)度函數(shù) 135
6.2.6 選擇 136
6.2.7 交叉 139
6.2.8 變異 140
6.2.9 遺傳算法的特點(diǎn) 141
6.2.10 遺傳算法的應(yīng)用 142
6.3 粒子群優(yōu)化算法 143
6.3.1 粒子群優(yōu)化算法基本思想 143
6.3.2 粒子群優(yōu)化算法基本框架 144
6.3.3 粒子群優(yōu)化算法的參數(shù)分析 145
6.3.4 粒子群優(yōu)化算法的應(yīng)用示例 146
6.4 蟻群算法 147
6.4.1 蟻群算法概述 147
6.4.2 蟻群算法的數(shù)學(xué)模型 148
6.4.3 蟻群算法的參數(shù)選擇 149
6.4.4 蟻群算法的應(yīng)用實(shí)例 150
【實(shí)踐6.1】 遺傳算法求函數(shù)最大值 152
【實(shí)踐6.2】 粒子群算法求函數(shù)最小值 153
本章小結(jié) 155
思考題或自測題 155
第7章 機(jī)器視覺 157
7.1 機(jī)器視覺的誕生及發(fā)展史 157
7.1.1 機(jī)器視覺的定義 157
7.1.2 機(jī)器視覺的發(fā)展歷史 158
7.1.3 機(jī)器視覺系統(tǒng)的組成 160
7.2 數(shù)字圖像與處理基礎(chǔ) 164
7.2.1 數(shù)字圖像基礎(chǔ) 164
7.2.2 數(shù)字圖像處理 166
7.3 數(shù)字圖像特征提取與理解 174
7.3.1 傳統(tǒng)圖像特征及其提取方法 174
7.3.2 基于深度學(xué)習(xí)的數(shù)字圖像理解 177
7.4 三維視覺 180
7.4.1 雙目立體視覺 181
7.4.2 三維點(diǎn)云及其感知 185
【實(shí)踐7.1】 圖像基礎(chǔ)空間變換、頻域變換的Python實(shí)現(xiàn) 189
【實(shí)踐7.2】 實(shí)現(xiàn)平滑濾波和Canny邊緣檢測算子 190
【實(shí)踐7.3】 Python與OpenCV實(shí)現(xiàn)基于區(qū)域的圖像分割 191
【實(shí)踐7.4】 基于YOLO V5的工件表面缺陷視覺檢測 193
【實(shí)踐7.5】 Python與Pytorch實(shí)現(xiàn)三維點(diǎn)云物體識別 195
本章小結(jié) 197
思考與自測題 197
第8章 機(jī)器學(xué)習(xí) 199
8.1 機(jī)器學(xué)習(xí)概述 199
8.1.1 定義 199
8.1.2 發(fā)展歷史 200
8.1.3 分類 201
8.2 歸納學(xué)習(xí) 202
8.2.1 歸納學(xué)習(xí)的基本概念 202
8.2.2 歸納學(xué)習(xí)的雙空間模型 203
8.2.3 歸納學(xué)習(xí)的分類 203
8.3 決策樹學(xué)習(xí) 203
8.3.1 決策樹的概念 204
8.3.2 決策樹的構(gòu)造算法 204
8.3.3 ID3算法 206
8.3.4 決策樹的偏置 208
8.4 基于實(shí)例的學(xué)習(xí) 208
8.4.1 K-近鄰算法 208
8.4.2 距離加權(quán)最近鄰法 209
8.4.3 基于范例的學(xué)習(xí) 210
8.5 強(qiáng)化學(xué)習(xí) 214
8.5.1 強(qiáng)化學(xué)習(xí)模型 215
8.5.2 馬爾可夫決策過程 215
8.5.3 Q學(xué)習(xí) 216
8.6 支持向量機(jī) 219
8.6.1 線性可分與最優(yōu)分類超平面 219
8.6.2 非線性可分與核函數(shù) 221
8.6.3 支持向量機(jī)的結(jié)構(gòu)與實(shí)現(xiàn) 223
【實(shí)踐8.1】 一個簡單的專家系統(tǒng) 223
【實(shí)踐8.2】 一個房屋預(yù)測系統(tǒng) 224
本章小結(jié) 226
思考題或自測題 226
第9章 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 228
9.1 神經(jīng)元與神經(jīng)網(wǎng)絡(luò)的基本概念 228
9.1.1 人工神經(jīng)元基本概念 228
9.1.2 人工神經(jīng)網(wǎng)絡(luò)基本概念 230
9.2 BP學(xué)習(xí)算法及其應(yīng)用 230
9.2.1 BP網(wǎng)絡(luò)模型 230
9.2.2 BP學(xué)習(xí)算法 231
9.2.3 BP神經(jīng)網(wǎng)絡(luò)在模式識別中的應(yīng)用 236
9.3 Hopfield神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 237
9.3.1 Hopfield網(wǎng)絡(luò)模型 237
9.3.2 Hopfield網(wǎng)絡(luò)學(xué)習(xí)算法 238
9.4 卷積神經(jīng)網(wǎng)絡(luò)及其應(yīng)用 241
9.4.1 深度卷積神經(jīng)網(wǎng)絡(luò) 241
9.4.2 深度卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法 243
9.4.3 卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 249
9.5 生成對抗網(wǎng)絡(luò)及其應(yīng)用 250
9.5.1 生成對抗網(wǎng)絡(luò)的基本原理 251
9.5.2 生成對抗網(wǎng)絡(luò)的結(jié)構(gòu) 252
9.5.3 生成對抗網(wǎng)絡(luò)在圖像處理中的應(yīng)用 252
9.5.4 生成對抗網(wǎng)絡(luò)在語言處理中的應(yīng)用 252
9.6 大模型與生成式人工智能 253
9.6.1 ChatGPT 253
9.6.2 Sora 255
【實(shí)踐9.1】 基于神經(jīng)網(wǎng)絡(luò)的優(yōu)化計算 256
【實(shí)踐9.2】 卷積神經(jīng)網(wǎng)絡(luò)用于圖像識別 258
本章小結(jié) 261
思考題或自測題 261
第10章 智能體與多智能體系統(tǒng) 263
10.1 多智能體概述 263
10.1.1 智能體 263
10.1.2 多智能體概念 266
10.1.3 多智能體結(jié)構(gòu) 267
10.2 多智能體系統(tǒng)協(xié)作 271
10.2.1 通信 272
10.2.2 協(xié)調(diào) 277
10.2.3 協(xié)作 278
10.2.4 協(xié)商 282
【實(shí)踐10.1】 多智能體協(xié)同控制問題 284
【實(shí)踐10.2】 多智能體決策網(wǎng)絡(luò) 284
本章小結(jié) 285
思考題或自測題 286
第11章 自然語言處理及其應(yīng)用 287
11.1 自然語言理解的概念與發(fā)展 287
11.1.1 自然語言理解的基本概念 287
11.1.2 自然語言理解的發(fā)展歷程 289
11.1.3 自然語言理解的發(fā)展趨勢 289
11.1.4 自然語言理解的層次 290
11.2 詞法分析 291
11.3 句法分析 292
11.3.1 短語結(jié)構(gòu)語法 292
11.3.2 喬姆斯基形式語法 293
11.3.3 句法分析樹 294
11.3.4 轉(zhuǎn)移網(wǎng)絡(luò) 299
11.4 語義分析 300
11.4.1 語義文法 301
11.4.2 格文法 301
11.5 語料庫 303
11.5.1 語料庫語言學(xué) 303
11.5.2 語料庫語言學(xué)的特點(diǎn) 305
11.5.3 統(tǒng)計方法的應(yīng)用 306
11.5.4 語料庫的類型 307
11.6 機(jī)器翻譯基本原理 307
11.7 語音識別的應(yīng)用 310
【實(shí)踐11.1】 語音識別的實(shí)現(xiàn) 313
【實(shí)踐11.2】 機(jī)器翻譯 316
本章小結(jié) 317
思考題或自測題 317
參考文獻(xiàn) 319
書單推薦
