目录

第1章绪论

1.1人工智能的定义与发展

1.1.1人工智能的定义

1.1.2人工智能的起源与发展

1.1.3中国人工智能的发展

1.2人工智能的学科体系和技术要素

1.2.1人工智能学科体系问题的提出

1.2.2人工智能学科体系的结构

1.2.3人工智能的科学基础

1.2.4人工智能的技术要素

1.2.5人工智能的主要技术

1.3人工智能系统的分类

1.4人工智能的研究目标和内容

1.4.1人工智能的研究目标

1.4.2人工智能研究的基本内容

1.5人工智能的研究与应用领域

1.6本书概要

1.7小结

习题1

第2章知识表示与推理

2.1状态空间表示

2.1.1问题状态描述

2.1.2状态图示法

2.2图搜索策略

2.3盲目搜索

2.3.1宽度优先搜索

2.3.2深度优先搜索

2.4启发式搜索

2.4.1启发式搜索策略和估价函数

2.4.2有序搜索

2.4.3A*算法

2.5确定性推理

2.5.1谓词逻辑

2.5.2消解原理

2.5.3规则演绎系统

2.6不确定性推理

2.6.1不确定性推理概述

2.6.2最大后验概率推理

2.6.3主观贝叶斯方法

2.7知识图谱

2.7.1语义网络

2.7.2本体技术

2.7.3知识图谱的定义与架构

2.7.4知识图谱的关键技术

2.7.5知识图谱的应用领域

2.8小结

习题2

第3章计算智能

3.1粒子群优化算法

3.1.1群体智能和粒子群优化概述

3.1.2粒子群优化算法

3.2蚁群算法

3.2.1蚁群算法理论

3.2.2蚁群算法的研究与应用

3.3进化算法与遗传算法

3.3.1进化算法原理

3.3.2进化算法框架

3.3.3遗传算法的编码与解码

3.3.4遗传算法的遗传算子

3.3.5遗传算法的执行过程

3.3.6遗传算法的执行实例

3.4小结

习题3

第4章机器学习

4.1机器学习概述

4.1.1机器学习的定义和发展

4.1.2数据预处理

4.1.3特征工程

4.1.4机器学习的通用流程

4.2线性回归

4.2.1普通线性回归

4.2.2基于梯度下降的线性回归

4.3决策树

4.3.1决策树模型

4.3.2特征选择

4.3.3决策树的生成算法

4.3.4决策树的剪枝

4.4支持向量机

4.4.1间隔与支持向量

4.4.2对偶问题

4.4.3软间隔与正则化

4.4.4核函数

4.5集成学习

4.5.1随机森林

4.5.2Adaboost算法

4.6聚类

4.6.1距离计算

4.6.2k均值聚类

4.6.3样例说明

4.7强化学习

4.7.1强化学习概述

4.7.2Q-学习

4.8小结

习题4

第5章神经网络和深度学习

5.1人工神经网络

5.1.1人工神经网络研究的进展

5.1.2人工神经网络的基本结构

5.1.3感知器

5.2神经网络学习

5.2.1基于反向传播网络的学习

5.2.2基于Hopfield网络的学习

5.3深度学习

5.3.1深度学习的定义与特点

5.3.2深度学习的主要模型

5.3.3深度学习的挑战与展望

5.4大模型

5.4.1大模型的概念及特点

5.4.2大模型的基本架构

5.4.3大模型的训练

5.4.4大模型示例——DeepSeek

5.5小结

习题5

第6章专家系统

6.1专家系统概述

6.1.1专家系统的定义与特点

6.1.2专家系统的结构和建造步骤

6.2基于规则的专家系统

6.2.1基于规则的专家系统的工作模型和结构

6.2.2基于规则的专家系统的特点

6.3基于模型的专家系统

6.3.1基于模型的专家系统的提出

6.3.2基于神经网络的专家系统

6.4智慧医疗诊断系统

6.4.1智慧医疗诊断系统与专家系统

6.4.2智慧医疗诊断系统的一般架构和流程

6.4.3智慧医疗诊断系统示例

6.5小结

习题6

第7章人工智能编程基础

7.1Python语言

7.1.1Python 简介

7.1.2Python的基本语法

7.1.3Python第三方开源工具包

7.2深度学习框架

7.2.1深度学习框架的发展

7.2.2深度学习开源框架比较

7.2.3深度学习框架基本功能

7.3小结

习题7

第8章人工智能的算力

8.1人工智能算力的定义、分类和评估

8.1.1人工智能算力的定义

8.1.2人工智能算力和芯片的分类

8.1.3人工智能算力的评估

8.2人工智能算力的架构

8.2.1算力架构的组成

8.2.2算力架构的分类

8.2.3算力架构的挑战与发展趋势

8.3人工智能芯片的发展

8.3.1人工智能芯片的发展历史

8.3.2人工智能芯片的发展态势

8.4人工智能算力网络

8.4.1人工智能算力网络的定义和特征

8.4.2人工智能算力网络的基本架构和工作机制

8.4.3人工智能算力网络的关键技术

8.4.4人工智能算力网络应用示例

8.5普适人工智能算力网络

8.5.1普适人工智能算力网络的基本架构

8.5.2普适人工智能算力网络的应用示例

8.6小结

习题8

第9章人工智能的应用热点

9.1基于深度学习的图像处理

9.1.1图像采集和处理

9.1.2基于深度学习的图像分割方法

9.1.3基于机器学习的图像理解

9.2基于深度学习的语音识别

9.2.1语音识别基本原理

9.2.2基于深度学习的语音处理技术的进展

9.3基于深度学习的自然语言处理

9.3.1基于深度学习的其他自然语言处理技术

9.3.2基于深度学习的自然语言处理示例

9.4具身智能与具身机器人

9.4.1智能体

9.4.2具身智能

9.4.3具身智能机器人

9.5小结

习题9

第10章人工智能的效益、伦理与治理

10.1人工智能的效益

10.1.1人工智能对经济、科技和文教的影响

10.1.2人工智能对社会、生态和健康的影响

10.2人工智能的伦理问题

10.3人工智能的治理

10.4小结

习题10

结束语

附录1人工智能及其应用实验指导书

附录2人工智能及其应用设计任务书

参考文献

索引