第1章　緒論 1
1.1 人工智能的概念 1
1.2 人工智能發(fā)展簡史 2
1.3 人工智能的研究領(lǐng)域 4
1.3.1 專家系統(tǒng) 4
1.3.2 自然語言理解 5
1.3.3 機器學習 5
1.3.4 自動定理證明 6
1.3.5 自動程序設(shè)計 6
1.3.6 分布式人工智能 6
1.3.7 機器人學 7
1.3.8 模式識別 7
1.3.9 博弈 8
1.3.10 計算機視覺 8
1.3.11 軟計算 9
1.3.12 智能控制 9
1.3.13 智能規(guī)劃 10
1.4 人工智能的應(yīng)用 10
1.4.1 智能安防 10
1.4.2 無人駕駛 12
1.5 人工智能的影響 15
本章小結(jié) 15
習題 16
第2章　知識工程 17
2.1 概述 17
2.2 知識表示方法 18
2.2.1 謂詞邏輯表示法 19
2.2.2 產(chǎn)生式表示法 21
2.2.3 語義網(wǎng)絡(luò)表示法 23
2.2.4 框架表示法 29
2.2.5 面向?qū)ο蟊硎痉?32
2.2.6 知識表示的一般性方法及選取 32
2.3 知識獲取與管理 34
2.3.1 知識獲取 34
2.3.2 知識獲取的基本過程 35
2.3.3 知識獲取的輔助工具 38
2.3.4 知識庫管理 39
2.4 專家系統(tǒng) 41
2.4.1 專家系統(tǒng)概述 41
2.4.2 專家系統(tǒng)的結(jié)構(gòu) 43
2.4.3 專家系統(tǒng)的工作原理 45
習題 46
第3章 確定性和不確定性推理 47
3.1 概述 47
3.1.1 推理的定義 48
3.1.2 推理方式及其分類 48
3.1.3 推理方向 50
3.1.4 沖突消解策略 53
3.2 自然演繹推理 54
3.2.1 自然演繹推理的基本概念 54
3.2.2 利用自然演繹推理解決問題 55
3.3 歸結(jié)演繹推理 57
3.3.1 謂詞公式與子句集 57
3.3.2 魯賓遜歸結(jié)原理 60
3.3.3 歸結(jié)反演 62
3.3.4 用歸結(jié)反演解決實際問題 64
3.4 與/或形演繹推理 65
3.4.1 與/或形正向演繹推理 66
3.4.2 與/或形逆向演繹推理 67
3.4.3 與/或形雙向演繹推理 70
3.5 不確定性推理 71
3.5.1 不確定性推理的基本概念 72
3.5.2 可信度方法 73
3.5.3 證據(jù)理論 76
3.5.4 模糊推理方法 80
本章小結(jié) 87
習題 89
第4章　搜索技術(shù) 91
4.1　搜索技術(shù)概述 91
4.2　圖搜索策略 92
4.2.1　狀態(tài)圖知識表示 92
4.2.2　狀態(tài)圖搜索 93
4.3　盲目搜索 95
4.3.1　寬度優(yōu)先搜索 95
4.3.2　深度優(yōu)先搜索 96
4.4　啟發(fā)式搜索 98
4.4.1　概念釋義 98
4.4.2　估價函數(shù) 98
4.4.3　啟發(fā)式搜索算法A 98
4.4.4　A*算法 102
4.5　博弈搜索 112
4.5.1　博弈概述 112
4.5.2　極小極大分析法 113
4.5.3　α-β剪枝技術(shù) 113
本章小結(jié) 114
習題 115
第5章　機器學習 116
5.1　機器學習的發(fā)展 116
5.1.1　什么是機器學習 116
5.1.2　機器學習的發(fā)展歷史和研究現(xiàn)狀 117
5.2　監(jiān)督學習 119
5.2.1　監(jiān)督學習的分類 119
5.2.2　監(jiān)督學習的主要算法 120
5.3　無監(jiān)督學習 125
5.4　弱監(jiān)督學習 127
本章小結(jié) 129
習題 129
第6章 人工神經(jīng)網(wǎng)絡(luò)與深度學習 130
6.1 神經(jīng)網(wǎng)絡(luò)簡介 130
6.1.1 神經(jīng)網(wǎng)絡(luò)概述 130
6.1.2 神經(jīng)網(wǎng)絡(luò)的發(fā)展史 130
6.2 神經(jīng)元與神經(jīng)網(wǎng)絡(luò) 132
6.2.1 神經(jīng)元 132
6.2.2 神經(jīng)網(wǎng)絡(luò) 133
6.3 BP神經(jīng)網(wǎng)絡(luò)及其學習算法 134
6.3.1 BP神經(jīng)網(wǎng)絡(luò) 134
6.3.2 BP神經(jīng)網(wǎng)絡(luò)模型 135
6.3.3 BP神經(jīng)網(wǎng)絡(luò)學習算法 135
6.4 深度學習的應(yīng)用 137
6.4.1 深度學習概念 137
6.4.2 計算機視覺的應(yīng)用 138
6.4.3 語音識別的應(yīng)用 139
6.4.4 自然語言處理的應(yīng)用 139
習題 140
第7章　自然語言處理 141
7.1 概述 141
7.1.1 自然語言理解研究的發(fā)展 141
7.1.2 自然語言處理過程的層次 143
7.2 機器翻譯 146
7.2.1 機器翻譯的發(fā)展 146
7.2.2 機器翻譯的方法 147
7.3 自然語言人機交互 149
7.3.1 文本人機交互 150
7.3.2　語音人機交互 150
7.4　智能問答 151
7.4.1 問答系統(tǒng)的定義 152
7.4.2　問答系統(tǒng)的處理過程 152
7.4.3　早期的問答系統(tǒng) 152
7.4.4　開放式問答系統(tǒng) 153
第8章　多智能體系統(tǒng) 154
8.1　智能體簡介 154
8.1.1　智能體的定義 154
8.1.2　智能體的特征 155
8.1.3　智能體的應(yīng)用 156
8.1.4　智能體的基本結(jié)構(gòu)和工作過程 156
8.1.5　智能體環(huán)境的多樣性 156
8.1.6　智能體的分類 158
8.2　多智能體協(xié)商 159
8.3　多智能體學習 161
8.3.1　多智能體強化學習 161
8.3.2　多智能體強化學習基本算法 161
本章小結(jié) 162
習題 162
第9章 人工智能綜合應(yīng)用 163
9.1　嵌入式人工智能綜合開發(fā)平臺介紹 163
9.2 嵌入式沙盤介紹 164
9.3 功能介紹 165
9.3.1 語音識別與處理 166
9.3.2 圖像識別與處理 169
9.4 嵌入式人工智能綜合開發(fā)平臺結(jié)果展示 174
9.4.1 任務(wù)要求 174
9.4.2 圖像識別及平臺展示 176
本章小結(jié) 179
習題 179
參考文獻 180