图书信息
图书目录
人工智能导论（第6版）
本书经过二十多年的反复锤炼、不断跟踪人工智能的最新发展，已经成为一本基础性强、可读性好、适合初学者学习的人工智能教材，荣获首届全国优秀教材二等奖。读者通过学习本书，能够掌握人工智能的基本知识，了解人工智能研究的一些前沿内容，为进一步学习人工智能理论与应用奠定基础。
全书共12章。第1章绪论；第2章知识表示与知识图谱；第3章确定性推理方法；第4章不确定性推理方法；第5章搜索策略；第6章智能计算及其应用；第7章机器学习与专家系统；第8章人工神经网络与深度学习；第9章循环神经网络与自然语言理解；第10章大语言模型及其应用；第11章AI智能体与多智能体系统；第12章人工智能在游戏设计中的应用。附录中给出了本书部分习题的简要解答和实验指导书。
本书可作为计算机类、自动化类、电气类、电子信息类、机械类以及其他理工农医类专业的本科生学习人工智能课程的教材。由于书中几大部分内容相对独立，教师可以根据课程计划灵活选择相关内容。
作者：
王万良 王铮
定价：
55.00元
出版时间：
2025-11-14
ISBN：
978-7-04-065735-7
物料号：
65735-00
读者对象：
高等职业教育
一级分类：
计算机大类
重点项目：
暂无
版面字数：
540.00千字
开本：
16开
全书页数：
暂无
装帧形式：
平装
- 前辅文
- 第1章 绪论
- 1.1 人工智能的基本概念
- 1.1.1 智能的概念
- 1.1.2 智能的特征
- 1.1.3 人工智能
- 1.1.4 专用人工智能和通用人工智能
- 1.2 人工智能的发展简史
- 1.2.1 孕育
- 1.2.2 形成
- 1.2.3 发展
- 1.2.4 大数据驱动人工智能发展期
- 1.3 人工智能的三大学派
- 1.3.1 符号主义
- 1.3.2 连接主义
- 1.3.3 行为主义
- 1.4 人工智能研究的基本内容
- 1.5 人工智能的主要研究领域
- 1.6 小结
- 思考题
- 1.1 人工智能的基本概念
- 第2章 知识表示与知识图谱
- 2.1 知识与知识表示的概念
- 2.1.1 知识的概念
- 2.1.2 知识的特性
- 2.1.3 知识的表示
- 2.2 一阶谓词逻辑表示法
- 2.2.1 命题
- 2.2.2 谓词
- 2.2.3 谓词公式
- 2.2.4 谓词公式的性质
- 2.2.5 一阶谓词逻辑知识表示方法
- 2.2.6 一阶谓词逻辑表示法的特点
- 2.3 产生式表示法
- 2.3.1 产生式
- 2.3.2 产生式系统
- 2.3.3 产生式系统的例子——动物识别系统
- 2.3.4 产生式表示法的特点
- 2.4 框架表示法
- 2.4.1 框架的一般结构
- 2.4.2 用框架表示知识的例子
- 2.4.3 框架表示法的特点
- 2.5 知识图谱
- 2.5.1 知识图谱的提出
- 2.5.2 知识图谱的定义
- 2.5.3 知识图谱的表示
- 2.5.4 知识图谱的架构
- 2.5.5 知识图谱的构建
- 2.5.6 知识图谱的典型应用
- 2.6 小结
- 思考题
- 习题
- 2.1 知识与知识表示的概念
- 第3章 确定性推理方法
- 3.1 推理的基本概念
- 3.1.1 推理的定义
- 3.1.2 推理方式及其分类
- 3.1.3 推理的方向
- 3.1.4 冲突消解策略
- 3.2 自然演绎推理
- 3.3 谓词公式化为子句集的方法
- 3.4 鲁宾逊归结原理
- 3.4.1 命题逻辑中的归结原理
- 3.4.2 谓词逻辑中的归结原理
- 3.5 归结反演
- 3.6 应用归结原理求解问题
- 3.7 小结
- 思考题
- 习题
- 3.1 推理的基本概念
- 第4章 不确定性推理方法
- 4.1 不确定性推理的概念
- 4.2 可信度方法
- 4.3 证据理论
- 4.3.1 概率分配函数
- 4.3.2 信任函数
- 4.3.3 似然函数
- 4.3.4 概率分配函数的正交和（证据的组合）
- 4.3.5 基于证据理论的不确定性推理
- 4.4 模糊推理方法
- 4.4.1 模糊逻辑的提出与发展
- 4.4.2 模糊集合
- 4.4.3 模糊集合的运算
- 4.4.4 模糊关系与模糊关系的合成
- 4.4.5 模糊推理
- 4.4.6 模糊决策
- 4.4.7 模糊推理的应用
- 4.5 小结
- 思考题
- 习题
- 第5章 搜索策略
- 5.1 搜索的概念
- 5.1.1 搜索的基本问题与主要过程
- 5.1.2 搜索策略分类
- 5.2 状态空间的搜索策略
- 5.2.1 状态空间表示法
- 5.2.2 状态空间的图描述
- 5.3 盲目的图搜索策略
- 5.3.1 回溯策略
- 5.3.2 宽度优先搜索策略
- 5.3.3 深度优先搜索策略
- 5.4 启发式图搜索策略
- 5.4.1 启发式策略
- 5.4.2 启发信息和估价函数
- 5.4.3 A及A*搜索算法
- 5.4.4 蒙特卡洛树搜索算法
- 5.5 小结
- 思考题
- 习题
- 5.1 搜索的概念
- 第6章 智能计算及其应用
- 6.1 进化算法的产生与发展
- 6.1.1 进化算法的概念
- 6.1.2 进化算法的生物学背景
- 6.1.3 进化算法的设计原则
- 6.2 基本遗传算法
- 6.2.1 遗传算法的基本思想
- 6.2.2 遗传算法的发展历史
- 6.2.3 编码
- 6.2.4 群体设定
- 6.2.5 适应度函数
- 6.2.6 选择
- 6.2.7 交叉
- 6.2.8 变异
- 6.2.9 遗传算法的一般步骤
- 6.2.10 遗传算法的特点
- 6.3 遗传算法的改进算法
- 6.3.1 双倍体遗传算法
- 6.3.2 双种群遗传算法
- 6.3.3 自适应遗传算法
- 6.4 遗传算法的应用
- 6.5 群智能算法产生的背景
- 6.6 粒子群优化算法及其应用
- 6.6.1 粒子群优化算法的基本原理
- 6.6.2 粒子群优化算法的参数分析
- 6.6.3 粒子群优化算法的应用领域
- 6.6.4 粒子群优化算法求解车辆路径问题
- 6.7 蚁群算法及其应用
- 6.7.1 基本蚁群算法模型
- 6.7.2 蚁群算法的参数选择
- 6.7.3 蚁群算法的应用
- 6.8 小结
- 思考题
- 习题
- 6.1 进化算法的产生与发展
- 第7章 机器学习与专家系统
- 7.1 机器学习概述
- 7.1.1 机器学习的基本概念
- 7.1.2 机器学习的分类
- 7.1.3 监督学习与无监督学习
- 7.1.4 弱监督学习
- 7.1.5 深度学习
- 7.2 线性回归机器学习算法
- 7.2.1 线性回归问题
- 7.2.2 最小二乘法及其应用
- 7.3 k近邻机器学习算法
- 7.3.1 k近邻算法原理
- 7.3.2 k近邻基本算法
- 7.3.3 k近邻算法的应用举例
- 7.4 决策树机器学习算法
- 7.4.1 决策树
- 7.4.2 决策树的熵
- 7.4.3 决策树的优点
- 7.5 支持向量机
- 7.5.1 支持向量机的基本思想
- 7.5.2 线性支持向量机
- 7.5.3 非线性支持向量机
- 7.6 k均值聚类算法
- 7.7 专家系统概述
- 7.7.1 专家系统的产生和发展
- 7.7.2 专家系统的定义与特点
- 7.7.3 专家系统的类型
- 7.8 专家系统的工作原理
- 7.8.1 专家系统的一般结构
- 7.8.2 知识库
- 7.8.3 推理机
- 7.8.4 综合数据库
- 7.8.5 知识获取机构
- 7.8.6 人机接口
- 7.8.7 解释机构
- 7.9 专家系统的建立
- 7.9.1 专家系统的一般建立过程
- 7.9.2 专家系统开发环境
- 7.9.3 骨架系统的概念
- 7.9.4 EMYCIN骨架系统
- 7.9.5 KAS骨架系统
- 7.10 小结
- 思考题
- 7.1 机器学习概述
- 第8章 人工神经网络与深度学习
- 8.1 神经元与神经网络
- 8.1.1 生物神经元结构
- 8.1.2 神经元数学模型
- 8.1.3 神经网络的结构与工作方式
- 8.1.4 神经网络的学习
- 8.2 BP神经网络及其学习算法
- 8.2.1 BP神经网络的结构
- 8.2.2 BP学习算法
- 8.2.3 BP学习算法的实现
- 8.3 BP神经网络在模式识别中的应用
- 8.4 Hopfield神经网络及其改进
- 8.4.1 离散型Hopfield神经网络
- 8.4.2 连续型Hopfield神经网络及其VLSI实现
- 8.4.3 随机神经网络
- 8.5 Hopfield神经网络的应用
- 8.5.1 Hopfield神经网络在联想记忆中的应用
- 8.5.2 Hopfield神经网络优化方法
- 8.6 卷积神经网络及其应用
- 8.6.1 动物视觉机理与深度学习的提出
- 8.6.2 卷积神经网络的结构
- 8.6.3 卷积神经网络的卷积运算
- 8.6.4 卷积神经网络中的关键技术
- 8.6.5 卷积神经网络的应用
- 8.6.6 胶囊网络
- 8.7 生成对抗网络及其应用
- 8.7.1 生成对抗网络的基本原理
- 8.7.2 生成对抗网络的结构与训练
- 8.7.3 生成对抗网络在博弈中的应用
- 8.7.4 生成对抗网络在图像处理中的应用
- 8.7.5 生成对抗网络在语言处理中的应用
- 8.7.6 生成对抗网络在视频生成中的应用
- 8.7.7 生成对抗网络在医疗中的应用
- 8.8 小结
- 思考题
- 习题
- 8.1 神经元与神经网络
- 第9章 循环神经网络与自然语言理解
- 9.1 自然语言理解的概念与发展历史
- 9.2 语言处理过程的层次
- 9.3 循环神经网络
- 9.3.1 循环神经网络的概念
- 9.3.2 循环神经网络的训练
- 9.3.3 循环神经网络的递归过程
- 9.4 长短期记忆神经网络
- 9.5 机器翻译
- 9.5.1 机器翻译方法概述
- 9.5.2 基于循环神经网络的机器翻译
- 9.6 语音识别
- 9.6.1 语音识别的概念
- 9.6.2 语音识别的主要过程
- 9.6.3 语言识别的主要方法
- 9.7 小结
- 思考题
- 习题
- 第10章 大语言模型及其应用
- 10.1 大语言模型的概念与发展
- 10.2 国内外主要大模型平台
- 10.3 大语言模型提示工程
- 10.4 知识蒸馏技术
- 10.5 编码器-解码器结构
- 10.6 注意力机制
- 10.7 Transformer
- 10.7.1 Transformer的结构
- 10.7.2 Transformer中的多头自注意力机制
- 10.8 大语言模型的典型应用
- 10.9 小结
- 思考题
- 第11章 AI智能体与多智能体系统
- 11.1 AI智能体的概念与结构
- 11.1.1 AI智能体的概念
- 11.1.2 AI智能体的特性
- 11.1.3 AI智能体的结构
- 11.1.4 反应式Agent
- 11.1.5 慎思式Agent
- 11.1.6 复合式Agent
- 11.1.7 AI Agent的应用
- 11.2 多智能体系统的概念与结构
- 11.2.1 多智能体系统的特点
- 11.2.2 多智能体系统的基本类型
- 11.2.3 多智能体系统的体系结构
- 11.3 多智能体系统的通信
- 11.3.1 智能体通信的类型
- 11.3.2 Agent通信的方式
- 11.3.3 智能体通信语言
- 11.4 多智能体系统的协调
- 11.5 多智能体系统的协作
- 11.5.1 多智能体的协作类型
- 11.5.2 合同网协作方法
- 11.5.3 黑板模型协作方法
- 11.5.4 市场机制协作方法
- 11.6 多智能体系统的协商
- 11.7 小结
- 思考题
- 11.1 AI智能体的概念与结构
- 第12章 人工智能在游戏设计中的应用
- 12.1 人工智能游戏
- 12.2 游戏人工智能
- 12.2.1 游戏人工智能的概念与分类
- 12.2.2 基本的游戏人工智能技术
- 12.3 游戏中的角色与分类
- 12.4 智能游戏角色设计基本技术
- 12.4.1 游戏角色的指导与运动
- 12.4.2 游戏角色的追逐与躲避
- 12.4.3 游戏角色的群聚
- 12.4.4 游戏角色的路径搜索
- 12.4.5 智能搜索引擎
- 12.5 智能游戏开发方法与开发工具
- 12.5.1 智能游戏开发方法
- 12.5.2 智能游戏开发工具
- 12.6 扫雷机智能游戏开发
- 12.7 人工智能游戏的现状与未来
- 12.8 小结
- 思考题
- 附录A 部分习题解答
- 附录B 实验指导书
- 参考文献
相关图书
1