本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。
本书力求科学性、实用性和先进性，可读性好。内容由浅入深、循序渐进，条理清晰，让学生在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。
本书可以作为高等院校计算机科学与技术、自动化等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。
一本全面阐述人工智能基础理论、全面体现国际上人工智能领域先进水平的书籍。
出版说明
前言
第1章绪论
11什么是人工智能
12人工智能的起源与发展历史
13人工智能研究的基本内容
131认知建模
132知识表示
133自动推理
134机器学习
14人工智能研究的主要学派
141符号主义
142连接主义
143行为主义
15人工智能的应用
16小结和展望
习题
第2章知识表示
21概述
22谓词逻辑
23产生式系统
24语义网络
241语义网络的概念和结构
242复杂知识的表示
243常用的语义联系
25框架
251框架结构
252框架网络
253推理方法
26状态空间
27面向对象的知识表示
28脚本
281脚本描述
282概念依赖关系
29本体
210小结
习题
第3章自动推理
31概述
32三段论推理
33盲目搜索
331深度优先搜索
332宽度优先搜索
333迭代加深搜索
34回溯策略
35启发式搜索
351启发性信息和评估函数
352爬山算法
353模拟退火算法
354最好优先算法
355通用图搜索算法
356A*算法
357迭代加深A*算法
36与或图启发式搜索
361问题归约的描述
362与或图表示
363AO*算法
37博弈搜索
371极大极小过程
372α-β过程
38归结演绎推理
381子句型
382置换和合一
383合一算法
384归结式
385归结反演
386答案的提取
387归结反演的搜索策略
39产生式系统
391产生式系统的基本结构
392正向推理
393反向推理
394混合推理
310自然演绎推理
311非单调推理
3111默认推理
3112限制推理
312小结
习题
第4章不确定性推理
41概述
411不确定性知识分类
412不确定性推理的基本问题
413不确定性推理方法分类
42可信度方法
421建造医学专家系统时的问题
422可信度模型
423确定性方法的说明
43主观贝叶斯方法
431贝叶斯公式
432知识不确定性的表示
433证据不确定性的表示
434组合证据不确定性的计算
435不确定性的传递算法
436结论不确定性的合成
44证据理论
441假设的不确定性
442证据的组合函数
443规则的不确定性
444不确定性的组合
45模糊逻辑和模糊推理
451模糊集合及其运算
452语言变量
453模糊逻辑
454模糊推理
46小结
习题
第5章机器学习
51机器学习概述
511简单的学习模型
512什么是机器学习
513机器学习的研究概况
52归纳学习
521归纳学习的基本概念
522变型空间学习
523决策树
53类比学习
531相似性
532转换类比
533基于案例的推理
534迁移学习
54统计学习
541逻辑回归
542支持向量机
543提升方法
55强化学习
551强化学习模型
552学习自动机
553自适应动态程序设计
554Q-学习
56进化计算
561达尔文进化算法
562遗传算法
563进化策略
564进化规划
57群体智能
571蚁群算法
572粒子群优化
58知识发现
59小结
习题
第6章神经网络
61概述
62神经信息处理的基本原理
书单推荐
