人工智能（第3版）

目錄
第1章緒論1
1.1人工智能的定義與概況1
1.2人類智能與人工智能5
1.2.1智能信息處理系統(tǒng)的假設6
1.2.2人類智能的計算機模擬7
1.2.3弱人工智能和強人工智能10
1.3人工智能各學派的認知觀10
1.4人工智能的研究與應用領域12
1.4.1智能感知13
1.4.2智能推理15
1.4.3智能學習19
1.4.4智能行動24
1.5人工智能發(fā)展展望29
1.5.1新一輪人工智能的發(fā)展特征29
1.5.2未來40年的人工智能問題31
1.5.3人工智能魯棒性和倫理34
1.5.4新一代人工智能發(fā)展規(guī)劃35
習題37
第2章知識表示和推理39
2.1概述39
2.1.1知識和知識表示39
2.1.2知識策略智能41
2.1.3人工智能對知識表示方法的要求42
2.1.4知識的分類42
2.1.5知識表示語言問題43
2.1.6現(xiàn)代邏輯學的基本研究方法44人工智能（第3版）目錄2.2命題邏輯46
2.2.1語法47
2.2.2語義47
2.2.3命題演算形式系統(tǒng)PC49
2.3謂詞邏輯50
2.3.1語法51
2.3.2語義52
2.3.3謂詞邏輯形式系統(tǒng)FC55
2.3.4一階謂詞邏輯的應用57
2.4歸結推理58
2.4.1命題演算中的歸結推理58
2.4.2謂詞演算中的歸結推理61
2.4.3謂詞演算歸結反演的合理性和完備性70
2.4.4案例： 一個基于邏輯的財務顧問74
2.5產(chǎn)生式系統(tǒng)76
2.5.1產(chǎn)生式系統(tǒng)的表示77
2.5.2案例： 九宮圖游戲78
2.5.3案例： 傳教士和野人問題79
2.5.4產(chǎn)生式系統(tǒng)的控制策略82
2.6語義網(wǎng)絡84
2.6.1基本命題的語義網(wǎng)絡表示84
2.6.2連接詞在語義網(wǎng)絡中的表示86
2.6.3語義網(wǎng)絡的推理88
2.6.4語義網(wǎng)絡表示的特點90
2.7框架90
2.7.1框架的構成90
2.7.2框架系統(tǒng)的推理92
2.7.3框架表示的特點93
2.8腳本93
2.8.1腳本概念94
2.8.2案例： 飯店腳本94
2.9知識圖譜96
2.9.1知識圖譜及其表示97
2.9.2百度知識圖譜技術方案98
2.9.3案例： 知識圖譜在互聯(lián)網(wǎng)金融行業(yè)中的應用101
2.10基于知識的系統(tǒng)103
2.10.1知識獲取103
2.10.2知識組織105
2.10.3知識應用106
2.10.4常識知識和大規(guī)模知識處理108
2.10.5常識推理108
2.10.6案例： 知識圖譜應用110
2.11小結112
習題112
第3章搜索技術123
3.1概述123
3.2盲目搜索方法128
3.3啟發(fā)式搜索129
3.3.1啟發(fā)性信息和評估函數(shù)130
3.3.2最好優(yōu)先搜索算法131
3.3.3貪婪最好優(yōu)先搜索算法132
3.3.4A算法和A算法132
3.3.5迭代加深A算法136
3.4問題歸約和ANDOR圖啟發(fā)式搜索136
3.4.1問題歸約的描述137
3.4.2問題的ANDOR圖表示138
3.4.3AO算法139
3.5博弈143
3.5.1極大極小過程144
3.5.2α-β過程146
3.5.3效用值估計方法149
3.6案例分析149
3.6.1八皇后問題149
3.6.2洞穴探寶151
3.6.3五子棋153
習題158
第4章高級搜索161
4.1爬山法搜索161
4.2模擬退火搜索164
4.2.1模擬退火搜索的基本思想164
4.2.2模擬退火算法165
4.2.3模擬退火算法關鍵參數(shù)和操作的設計167
4.3遺傳算法168
4.3.1遺傳算法的基本思想169
4.3.2遺傳算法的基本操作170
4.4案例分析175
4.4.1爬山算法求解旅行商問題175
4.4.2模擬退火算法求解旅行商問題176
4.4.3遺傳算法求解旅行商問題177
習題178
第5章不確定知識表示和推理180
5.1概述180
5.1.1什么是不確定推理181
5.1.2不確定推理要解決的基本問題181
5.1.3不確定性推理方法分類183
5.2非單調(diào)邏輯184
5.2.1非單調(diào)邏輯的產(chǎn)生185
5.2.2缺省推理邏輯186
5.2.3非單調(diào)邏輯系統(tǒng)188
5.2.4非單調(diào)規(guī)則190
5.2.5案例： 有經(jīng)紀人的交易191
5.3主觀Bayes方法194
5.3.1全概率公式和Bayes公式194
5.3.2主觀 Bayes方法196
5.4確定性理論201
5.4.1建造醫(yī)學專家系統(tǒng)時的問題201
5.4.2CF模型202
5.4.3案例： 帆船分類專家系統(tǒng)207
5.5證據(jù)理論212
5.5.1假設的不確定性212
5.5.2證據(jù)的不確定性與證據(jù)組合215
5.5.3規(guī)則的不確定性216
5.5.4不確定性的傳遞與組合216
5.5.5證據(jù)理論案例217
5.6模糊邏輯和模糊推理219
5.6.1模糊集合及其運算219
5.6.2模糊關系220
5.6.3語言變量221
5.6.4模糊邏輯和模糊推理222
5.6.5案例： 抵押申請評估決策支持系統(tǒng)226
5.7小結232
習題233
第6章Agent238
6.1概述238
6.2Agent及其結構240
6.2.1Agent的定義240
6.2.2Agent要素及特性241
6.2.3Agent的結構特點243
6.2.4Agent的結構分類244
6.3Agent應用案例246
6.4Agent通信250
6.4.1通信方式250
6.4.2Agent通信語言ACL251
6.5協(xié)調(diào)與協(xié)作256
6.5.1引言256
6.5.2合同網(wǎng)258
6.5.3協(xié)作規(guī)劃260
6.6移動Agent263
6.6.1移動Agent產(chǎn)生的背景264
6.6.2定義和系統(tǒng)組成266
6.6.3實現(xiàn)技術267
6.6.4移動Agent系統(tǒng)275
6.6.5移動Agent技術的應用場景276
6.7多Agent系統(tǒng)開發(fā)框架JADE278
6.7.1程序模型280
6.7.2可重用開發(fā)包281
6.7.3開發(fā)和運行的支持工具283
6.8案例： 火星探礦機器人284
6.8.1需求分析284
6.8.2設計與實現(xiàn)286
6.9小結291
習題292
第7章機器學習299
7.1機器學習概述299
7.1.1學習中的元素300
7.1.2目標函數(shù)的表示301
7.1.3學習任務的類型303
7.1.4機器學習的定義和發(fā)展史304
7.1.5機器學習的主要策略306
7.1.6機器學習系統(tǒng)的基本結構307
7.2基于符號的機器學習308
7.2.1歸納學習308
7.2.2決策樹學習312
7.2.3基于范例的學習318
7.2.4解釋學習323
7.2.5案例： 通過EBG學習概念cup324
7.2.6強化學習325
7.3基于神經(jīng)網(wǎng)絡的機器學習327
7.3.1神經(jīng)網(wǎng)絡概述327
7.3.2基于反向傳播網(wǎng)絡的學習332
7.3.3案例： 基于反向傳播網(wǎng)絡擬合曲線341
7.3.4深度學習348
7.3.5案例： 深度學習在計算機視覺中的應用353
7.3.6競爭網(wǎng)絡358
7.3.7案例： 學習向量量化解決分類問題368
7.4基于統(tǒng)計的機器學習369
7.4.1支持向量機369
7.4.2案例： XOR問題378
7.4.3統(tǒng)計關系學習380
7.5小結382
習題384
第8章自然語言處理技術393
8.1自然語言理解的一般問題393
8.1.1自然語言理解的概念及意義393
8.1.2自然語言理解研究的發(fā)展395
8.1.3自然語言理解的層次396
8.2詞法分析399
8.3句法分析402
8.3.1短語結構文法和Chomsky文法體系402
8.3.2句法分析樹404
8.3.3轉移網(wǎng)絡405
8.4語義分析406
8.4.1語義文法406
8.4.2格文法407
8.5大規(guī)模真實文本的處理408
8.5.1語料庫語言學及其特點408
8.5.2統(tǒng)計學方法的應用及所面臨的問題410
8.5.3漢語語料庫加工的基本方法411
8.5.4語義資源建設414
8.6信息搜索416
8.6.1信息搜索概述416
8.6.2搜索引擎418
8.6.3智能搜索引擎423
8.6.4搜索引擎的發(fā)展趨勢429
8.7機器翻譯433
8.7.1機器翻譯系統(tǒng)概述433
8.7.2機器翻譯的基本模式和方法436
8.7.3統(tǒng)計機器翻譯439
8.7.4利用深度學習改進統(tǒng)計機器翻譯441
8.7.5端到端神經(jīng)機器翻譯442
8.7.6未來展望443
8.8語音識別444
8.8.1智能語音技術概述444
8.8.2組成單詞讀音的基本單元445
8.8.3信號處理446
8.8.4單個單詞的識別449
8.8.5隱馬爾可夫模型450
8.8.6深度學習在語音識別中的應用451
8.9機器閱讀理解453
8.9.1機器閱讀理解評測數(shù)據(jù)集453
8.9.2機器閱讀理解的一般方法453
8.9.3機器閱讀理解研究展望455
8.10機器寫作456
8.10.1機器原創(chuàng)稿件457
8.10.2機器二次創(chuàng)作457
8.10.3機器寫作展望459
8.11聊天機器人459
8.11.1聊天機器人應用場景460
8.11.2聊天機器人系統(tǒng)的組成結構及關鍵技術461
8.11.3聊天機器人研究存在的挑戰(zhàn)465
8.12小結465
習題467
第9章智能規(guī)劃470
9.1規(guī)劃問題470
9.2狀態(tài)空間搜索規(guī)劃474
9.3偏序規(guī)劃477
9.4命題邏輯規(guī)劃481
9.5分層任務網(wǎng)絡規(guī)劃484
9.6非確定性規(guī)劃486
9.7時態(tài)規(guī)劃488
9.8多Agent規(guī)劃491
9.9案例分析495
9.9.1規(guī)劃問題的建模與規(guī)劃系統(tǒng)的求解過程495
9.9.2Shakey世界497
9.10小結499
習題499
第10章機器人學502
10.1概述502
10.1.1機器人的分類503
10.1.2機器人的特性504
10.1.3機器人學的研究領域504
10.2機器人系統(tǒng)505
10.2.1機器人系統(tǒng)的組成505
10.2.2機器人的工作空間507
10.2.3機器人的性能指標509
10.3機器人的編程模式與語言510
10.4機器人的應用與展望511
10.4.1機器人應用512
10.4.2機器人發(fā)展展望515
10.5案例分析： 仿真機器人運動控制算法519
10.5.1仿真平臺使用介紹519
10.5.2仿真平臺與策略程序的關系522
10.5.3策略程序的結構522
10.5.4動作函數(shù)及說明526
10.5.5策略527
10.5.6各種定位球狀態(tài)的判斷方法530
10.5.7比賽規(guī)則531
10.6小結533
習題533
第11章互聯(lián)網(wǎng)智能535
11.1概述535
11.2語義網(wǎng)與本體538
11.2.1語義網(wǎng)的層次模型538
11.2.2本體的基本概念540
11.2.3本體描述語言542
11.2.4本體知識管理框架542
11.2.5本體知識管理系統(tǒng)Protégé543
11.2.6本體知識管理系統(tǒng)KAON544
11.3Web技術的演化545
11.3.1Web 1.0546
11.3.2Web 2.0547
11.3.3Web 3.0549
11.3.4互聯(lián)的社會550
11.4Web挖掘551
11.4.1Web內(nèi)容挖掘553
11.4.2Web結構挖掘554
11.4.3Web使用挖掘555
11.4.4互聯(lián)網(wǎng)信息可信度問題556
11.4.5案例： 反恐作戰(zhàn)數(shù)據(jù)挖掘556
11.4.6案例： 微博博主特征行為數(shù)據(jù)挖掘557
11.5集體智能559
11.5.1社群智能560
11.5.2集體智能系統(tǒng)561
11.5.3全球腦562
11.5.4互聯(lián)網(wǎng)大腦（云腦）563
11.5.5智聯(lián)網(wǎng)566
11.5.6案例： 智能網(wǎng)聯(lián)汽車568
11.5.7案例： 城市計算569
11.6小結571
習題572
附錄A人工智能編程語言Python577
A.1人工智能編程語言概述577
A.2Python語言優(yōu)勢580
A.3Python人工智能相關庫580
A.4Python語法簡介582
附錄B手寫體識別案例585
B.1MNIST數(shù)據(jù)集586
B.2Softmax回歸模型587
B.3Softmax回歸的程序實現(xiàn)589
B.4模型的訓練590
B.5模型的評價591
B.6完整代碼及運行結果592
參考文獻594