人工智能（簡體書）

《人工智能》包含當前人工智能（AI）研究的主要內容，尤其強調實際應用，涉及數據挖掘等許多最新應用領域。全書共13章，分別講述了人工智能的歷史、盲目搜索、啟發式搜索、人工智能與遊戲、知識表示、機器學習、演化計算、神經網絡、機器人學與人工智能、智能Agent、仿生和混合模型及人工智能語言。《人工智能》給出了算法的較詳細實現，與現有的以理論基礎為核心的大多數經典人工智能著作相比，《人工智能》有自身的鮮明特色，且內容與國內人工智能課程的教學內容吻合，尤其有利于培養學生解決人工智能實際問題的能力。
《人工智能》適合高等學校計算機、自動化等信息學科的本科生和研究生閱讀，也適合廣大人工智能愛好者自學使用，《人工智能》也能為人工智能研究人員了解各種算法的設計思路和具體實現框架提供參考。

作者：（美國）瓊斯（M.Tim Jones） 譯者：黃厚寬 尹傳環 董興業 等

第1章 人工智能的歷史
1.1 什麼是智能
1.2 探索機械智能
1.3 早期時代(20世紀50年代初)
1.4 人工智能領域的出現
1.5 人工智能的冬天
1.6 人工智能的重興
1.7 人工智能交叉學科的研究進展
1.8 系統方法
1.9 全書內容概述
1.10 本章小結
參考文獻
相關資料
練習

第2章 盲目搜索
2.1 搜索與人工智能
2.2 搜索分類
2.3 通用狀態空間搜索
2.4 樹、圖及其表示法
2.5 盲目搜索
2.6 改進
2.7 算法優點
2.8 本章小結
2.9 算法小結
參考文獻
練習

第3章 啟發式搜索
3.1 啟發式搜索
3.2 最佳優先搜索(BEST－FS)
3.3 A*搜索
3.4 爬山搜索
3.5 模擬退火(SA)
3.6 禁忌搜索
3.7 約束滿足問題(CSP)
3.8 約束滿足算法
3.9 本章小結
3.10 算法總結
參考文獻
相關資料
練習

第4章 人工智能與遊戲
4.1 雙人遊戲
4.2 極小極大算法
4.3 經典遊戲中的人工智能
4.4 視頻遊戲中的人工智能
4.5 本章小結
參考文獻
相關資料
練習

第5章 知識表示
5.1 簡介
5.2 知識的類型
5.3 知識的作用
5.4 語義網絡
5.5 框架
5.6 命題邏輯
5.7 一階邏輯(謂詞邏輯)
5.8 語義web
5.9 計算化知識發現
5.10 本體
5.11 知識通信
5.12 常識
5.13 本章小結
參考文獻
相關資料
練習

第6章 機器學習
6.1 機器學習算法
6.2 本章小結
參考文獻
練習

第7章 演化計算
7.1 演化計算簡史
7.2 生物學動機
7.3 遺傳算法(GA)
7.4.遺傳程序設計(GP)
7.5 演化策略(ES)
7.6 差異演化(DE)
7.7 粒子群優化(PSO)
7.8 演化硬件
7.9 本章小結
參考文獻
相關資料
練習

第8章 神經網絡
8.1 神經網絡簡史
8.2 生物學動因
8.3 神經網絡的基本原理
8.4 感知器
8.5 最小均方學習
8.6 反向傳播學習
8.7 概率神經網絡
8.8 其他神經網絡結構
8.9 構建神經網絡的技巧
8.10 本章小結
參考文獻
練習

第9章 神經網絡II
9.1 無監督學習
9.2 Hebb學習
9.3 簡單競爭學習
9.4.K均值聚類
9.5 自適應諧振理論(ART)
9.6 Hopfield自聯想模型
9.7 本章小結
參考文獻
練習

第10章 機器人學和人工智能
10.1 機器人學簡介
10.2 Braitenberg車
10.3 自然感知和控制
10.4 用傳感器感知
10.5 用效應器實現動作
10.6 機器人控制系統
10.7 簡單的控制體系結構
10.8 行為規劃
10.9 群組或分布式機器人
10.10 機器人程序設計語言
10.11 機器人仿真器
10.12 本章小結
參考文獻
相關資料
練習

第11章 智能Agent
11.1 Agent的結構
11.2 Agent屬性和人工智能
11.3 Agent環境
11.4 Agent分類
11.5 Agent體系結構
11.6 Agent語言
11.7 Agent通信
11.8 本章小結
參考文獻
相關資料
練習

第12章 仿生和混合的模型
12.1 元胞自動機
12.2 自主計算系統
12.3 人工生命
12.4 模糊系統
12.5 演化神經網絡
12.6 蟻群優化
12.7 情感計算
相關資料

第13章 人工智能語言
13.1 語言分類
13.2 人工智能語言
13.3 其他語言
13.4 本章小結
參考文獻
相關資料
練習
索引