人工智能導論（簡體書）

本書系統地介紹了人工智能的基本原理、方法和應用技術，全面地反映了國內外人工智能研究領域的當前進展和發展方向。
本書共9章。第1章為緒論，敘述人工智能的概況，包括人工智能的定義、發展歷史、應用領域等內容。第2～5章論述知識表示方法、搜索策略、機器學習、人工神經網絡與深度學習等內容的基本原理和應用。第6～9章闡述專家系統、自然語言處理、多智能體系統、智能機器人等應用技術。
本書力求實現科學性、實用性和先進性，且可讀性強。本書內容由淺入深，循序漸進，條理清晰，採用問題導人法引入知識點，採用應用實踐成果加深學生對知識點的理解和提升，讓學生掌握人工智能的基本原理與應用技術，以具備人工智能問題的分析和初步求解能力。
本書可以作為應用型本科專業學生的公共課程教材，幫助學生了解人工智能的發展過程與基本知識，以讓學生熟悉人工智能產業的發展現狀與技術需求，培養學生的人工智能應用能力。本書也可作為人工智能類、計算機類專業相關課程的先導學習材料，以及作為高職高專學生的人工智能課程教材。

王福忠，博士、教授、博士生導師，現任黃河交通學院智能工程學院院長。歷任河南理工大學電氣工程與自動化學院院長，河南理工大學河南省一級重點學科“控制科學與工程”學科帶頭人，中國人工智能學會智能服務專業委員會副主任，河南省儀器儀表學會副理事，主要從事人工智能控制、智能信息處理與故障診斷、智能電網等領域的教學與研究工作。本人作為負責人承擔***一流專業、***資源共享課程等省級以上本科教學工程項目6項，獲省部級教學成果獎3項。本人先後主持或參與完成國家自然基金4項、國家重點研發計劃課題子課題1項、省部級科研課題20余項，獲省部級科學技術進步二等獎5項、三等獎3項。本人在中文核心以上刊物發表科技論文100余篇，其中EI、SCI收錄20余篇，出版教材與著作12部，其中***“十二五”規劃教材1部，河南省“十二五”規劃教材1部，獲河南省首屆教材建設獎特等獎1項。

第1章 緒論
1.1 引言
1.1.1 無敵圍棋系統—-中國“絕藝”
1.1.2 人工智能的定義
1.2 人工智能的發展歷史
1.2.1 國際人工智能發展歷史
1.2.2 我國人工智能發展歷史
1.3 人工智能的基本研究內容
1.3.1 認知科學
1.3.2 知識表示
1.3.3 知識應用
1.3.4 知識推理
1.3.5 機器感知
1.3.6 機器思維
1.3.7 機器學習
1.3.8 機器行為
1.3.9 智能系統與智能計算機的構造技術
1.4 人工智能的典型應用場景
1.4.1 交通
1.4.2 製造業
1.4.3 電力行業
1.4.4 農業
1.4.5 電商
1.5 本章小結
思考題與習題1
第2章 知識表示方法
2.1 引言
2.1.1 知識的概念
2.1.2 知識的特性
2.1.3 知識表示的概念
2.2 謂詞邏輯表示法
2.2.1 命題邏輯
2.2.2 謂詞邏輯
2.2.3 知識的謂詞邏輯表示法
2.2.4 謂詞邏輯表示法的特點
2.3 產生式表示法
2.3.1 產生式
2.3.2 產生式系統
2.3.3 產生式表示法的特點
2.4 語義網絡表示法
2.4.1 語義網絡的概念
2.4.2 常用語義關係
2.4.3 知識的語義網絡表示法
2.4.4 語義網絡的推理過程
2.4.5 語義網絡表示法的特點
2.5 框架表示法
2.5.1 框架的一般結構
2.5.2 知識的框架表示法
2.5.3 框架表示法的特點
2.6 狀態空間表示法
2.6.1 知識的狀態空間方法
2.6.2 狀態空間的圖描述
2.7 本章小結
思考題與習題2
第3章 搜索策略
3.1 引言
3.2 盲目搜索及其應用
3.2.1 深度優先搜索
3.2.2 寬度優先搜索
3.3 啟發式搜索及其應用
3.3.1 啟發性信息和評估函數
3.3.2 通用圖搜索算法
3.3.3 A*算法
3.4 博弈搜索及其應用
3.4.1 博弈搜索的基本概念
3.4.2 極大極小算法原理與實例
3.4.3 a-β算法原理與實例
3.5 本章小結
思考題與習題3
第4章 機器學習
4.1 引言
4.1.1 機器學習的基本概念
4.1.2 機器學習的應用場景
4.2 機器學習的分類
4.2.1 監督學習
4.2.2 無監督學習
4.2.3 半監督學習
4.2.4 遷移學習
4.2.5 強化學習
4.3 機器學習常用算法及其應用
4.3.1 回歸算法
4.3.2 聚類算法
4.3.3 降維算法
4.3.4 貝葉斯算法
4.3.5 支持向量機算法
4.3.6 遺傳算法
4.3.7 蟻群算法
4.4 本章小結
思考題與習題4
第5章 人工神經網絡與深度學習
5.1 引言
5.1.1 人工神經網絡和神經元
5.1.2 深度學習的定義與特點
5.2 BP神經網絡及其學習算法
5.2.1 BP神經網絡結構
5.2.2 BP學習算法
5.2.3 BP學習算法的實現
5.3 深度學習
5.3.1 深度神經網絡訓練與常用模型概述
5.3.2 DBN及其應用
5.3.3 CNN及其應用
5.3.4 RNN及其應用
5.3.5 GAN及其應用
5.4 本章小結
思考題與習題5
第6章 專家系統
6.1 引言
6.1.1 專家系統的定義
6.1.2 專家系統的類型
6.1.3 專家系統的特點
6.2 專家系統的基本結構與建造步驟
6.2.1 專家系統的基本結構
6.2.2 專家系統的建造步驟
6.2.3 推理方法
6.3 專家系統應用
6.3.1 專家系統在醫療診斷方面的應用
6.3.2 專家系統在汽車故障診斷方面的應用
6.3.3 專家系統在教育方面的應用
6.4 本章小結
思考題與習題6
第7章 自然語言處理
7.1 引言
7.1.1 自然語言處理的基本概念
7.1.2 自然語言處理的發展歷程
7.1.3 自然語言處理的研究與應用
7.2 自然語言理解
7.2.1 詞法分析
7.2.2 句法分析
7.2.3 語義分析
7.3 機器翻譯
7.3.1 機器翻譯的基本模式
7.3.2 機器翻譯的基本方法與應用
7.4 情感分析
7.4.1 情感分析概述
7.4.2 情感分析的研究層級
7.4.3 情感分析的應用
7.5 語音識別
7.5.1 語音識別概述
7.5.2 語音識別的基本原理
7.5.3 語音識別的應用
7.6 本章小結
思考題與習題7
第8章 多智能體系統
8.1 引言
8.1.1 智能體
8.1.2 多智能體系統概述
8.2 多智能體的通信
8.2.1 多智能體通信原理
8.2.2 多智能體的通信類型
8.2.3 多智能體通信的方式
8.3 多智能體的協調和協作
8.3.1 基本概念
8.3.2 合同網協議的協調
8.3.3 市場機制協作方法
8.4 基於博弈論的協商
8.4.1 基本概念
8.4.2 博弈論協商原理
8.5 基於網絡的移動智能體
8.5.1 基本概念
8.5.2 網絡化移動智能體系統基本構成
8.6 多智能體系統的應用
8.7 本章小結