第一篇 人工智能基礎(chǔ)篇 第1章 緒論 2 1.1 引言 2 1.2 智能與人工智能 2 1.2.1 人類(lèi)智能 2 1.2.2 人工智能的定義 4 1.2.3 新圖靈測(cè)試 7 1.2.4 人工智能的原則 9 1.3 追逐人工智能之路 10 1.3.1 工具發(fā)明：人工智能是人類(lèi)一直 以來(lái)的夢(mèng)想 10 1.3.2 計(jì)算工具到人工智能：人腦工具的 進(jìn)化 11 1.3.3 人工智能的主要學(xué)派 16 1.4 人工智能產(chǎn)業(yè)的應(yīng)用 17 1.4.1 基于人腦功能模擬劃分的 應(yīng)用領(lǐng)域 18 1.4.2 基于應(yīng)用劃分的領(lǐng)域 22 1.4.3 基于計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)的應(yīng)用領(lǐng)域 28 1.5 人工智能的層次結(jié)構(gòu) 29 本章小結(jié) 31 思考與練習(xí) 32 第2章 人工智能的基礎(chǔ)設(shè)施 33 2.1 引言 33 2.2 電子計(jì)算機(jī)的組成 34 2.2.1 計(jì)算機(jī)系統(tǒng) 34 2.2.2 計(jì)算機(jī)硬件系統(tǒng) 34 2.2.3 計(jì)算機(jī)軟件系統(tǒng) 37 2.2.4 計(jì)算機(jī)的工作原理 39 2.3 智能機(jī)器人與智能體 41 2.3.1 機(jī)器人與智能機(jī)器人 41 2.3.2 智能機(jī)器人系統(tǒng) 44 2.3.3 智能體與多智能體系統(tǒng) 47 2.3.4 非馮·諾依曼化新一代計(jì)算機(jī) 53 2.4 互聯(lián)網(wǎng)與人工智能 54 2.4.1 從計(jì)算機(jī)聯(lián)機(jī)到智能網(wǎng) 54 2.4.2 從Web 1.0到互聯(lián)網(wǎng)智能 58 2.4.3 物聯(lián)網(wǎng)與人工智能 61 2.4.4 云計(jì)算與人工智能 65 2.4.5 大數(shù)據(jù)與人工智能 69 2.5 人工智能的基礎(chǔ)設(shè)施 76 2.5.1 人工智能硬件 77 2.5.2 人工智能軟件平臺(tái) 86 2.5.3 搭建人工智能開(kāi)發(fā)環(huán)境 89 本章小結(jié) 92 思考與練習(xí) 92 第3章 人工智能程序設(shè)計(jì)語(yǔ)言 93 3.1 引言 93 3.1.1 函數(shù)型語(yǔ)言 93 3.1.2 邏輯型語(yǔ)言 94 3.1.3 面向?qū)ο笳Z(yǔ)言 95 3.1.4 計(jì)算型語(yǔ)言 95 3.1.5 混合型語(yǔ)言 95 3.2 函數(shù)型語(yǔ)言LISP 96 3.2.1 LISP程序結(jié)構(gòu)與基本語(yǔ)法 97 3.2.2 常量、變量、運(yùn)算符 98 3.2.3 數(shù)據(jù)類(lèi)型 100 3.2.4 決策與循環(huán) 112 3.2.5 函數(shù)、謂詞與宏 114 3.2.6 輸入與輸出 118 3.2.7 文件I/O 119 3.2.8 結(jié)構(gòu) 120 3.2.9 包 121 3.2.10 錯(cuò)誤處理機(jī)制 123 3.2.11 面向?qū)ο缶幊?128 3.3 邏輯型編程語(yǔ)言Prolog 130 3.3.1 Prolog語(yǔ)句 130 3.3.2 Prolog程序結(jié)構(gòu) 132 3.4 機(jī)器學(xué)習(xí)流行語(yǔ)言Python 134 3.4.1 Python語(yǔ)言的特點(diǎn)和優(yōu)勢(shì) 134 3.4.2 Python程序舉例 135 3.5 大數(shù)據(jù)開(kāi)發(fā)流行語(yǔ)言Java 138 3.5.1 Java語(yǔ)言的應(yīng)用 138 3.5.2 Java程序舉例 139 本章小結(jié) 141 思考與練習(xí) 141 第二篇 人工智能算法篇 第4章 知識(shí)表示與智能推理 144 4.1 引言 144 4.2 數(shù)據(jù)表示 144 4.2.1 數(shù)據(jù)與計(jì)算 144 4.2.2 數(shù)據(jù)結(jié)構(gòu) 147 4.3 知識(shí)表示 150 4.3.1 基本概念 150 4.3.2 謂詞邏輯 150 4.3.3 語(yǔ)義網(wǎng)絡(luò) 153 4.3.4 框架 155 4.3.5 狀態(tài)空間 158 4.3.6 本體 159 4.3.7 語(yǔ)義Web 160 4.3.8 知識(shí)圖譜 162 4.4 自動(dòng)推理 163 4.4.1 確定性推理 163 4.4.2 不確定性推理 177 4.5 專(zhuān)家系統(tǒng) 190 4.5.1 產(chǎn)生式知識(shí)表示 190 4.5.2 產(chǎn)生式推理與實(shí)現(xiàn) 192 4.5.3 專(zhuān)家系統(tǒng)的開(kāi)發(fā) 197 本章小結(jié) 200 思考與練習(xí) 200 第5章 搜索策略與問(wèn)題求解 203 5.1 引言 203 5.2 算法與問(wèn)題求解策略 204 5.2.1 算法與問(wèn)題求解步驟 204 5.2.2 算法基礎(chǔ) 206 5.2.3 算法設(shè)計(jì)基本策略 208 5.3 狀態(tài)圖搜索 216 5.3.1 狀態(tài)空間圖搜索 216 5.3.2 盲目式搜索策略 218 5.3.3 啟發(fā)式搜索策略 222 5.3.4 加權(quán)狀態(tài)圖搜索 224 5.3.5 A算法和A*?算法 226 5.4 與或樹(shù)搜索 228 5.4.1 與或樹(shù) 228 5.4.2 與或樹(shù)的窮舉搜索 230 5.4.3 與或樹(shù)的啟發(fā)式搜索 231 5.5 博弈樹(shù)搜索 232 5.5.1 博弈樹(shù) 232 5.5.2 極大極小分析過(guò)程 234 5.5.3 α-β剪枝過(guò)程 235 5.6 問(wèn)題求解 238 5.6.1 狀態(tài)圖問(wèn)題求解 238 5.6.2 與或圖問(wèn)題求解 246 本章小結(jié) 248 思考與練習(xí) 249 第6章 機(jī)器學(xué)習(xí)與模式識(shí)別 252 6.1 引言 252 6.2 監(jiān)督機(jī)器學(xué)習(xí)算法 253 6.2.1 回歸問(wèn)題 253 6.2.2 決策樹(shù) 256 6.2.3 樸素貝葉斯分類(lèi)器 257 6.2.4 支持向量機(jī) 258 6.2.5 線(xiàn)性判別分析 264 6.3 無(wú)監(jiān)督機(jī)器學(xué)習(xí)算法 267 6.3.1 主成分分析 267 6.3.2 k-近鄰算法 269 6.3.3 k-均值聚類(lèi)算法 270 6.4 強(qiáng)化學(xué)習(xí)與集成學(xué)習(xí) 272 6.4.1 強(qiáng)化學(xué)習(xí)模型 272 6.4.2 強(qiáng)化學(xué)習(xí)中的策略?xún)?yōu)化與 評(píng)估函數(shù) 273 6.4.3 隱馬爾可夫模型 274 6.4.4 集成學(xué)習(xí) 276 6.5 人工神經(jīng)網(wǎng)絡(luò) 278 6.5.1 神經(jīng)元模型與感知機(jī) 278 6.5.2 前饋神經(jīng)網(wǎng)絡(luò) 282 6.5.3 BP神經(jīng)網(wǎng)絡(luò)算法 284 6.6 深度學(xué)習(xí) 286 6.6.1 卷積神經(jīng)網(wǎng)絡(luò) 286 6.6.2 生成對(duì)抗網(wǎng)絡(luò) 287 6.6.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 289 6.7 進(jìn)化計(jì)算 292 6.7.1 遺傳算法 292 6.7.2 蟻群算法 294 6.8 模式識(shí)別 296 6.8.1 模式識(shí)別概述 296 6.8.2 模式識(shí)別系統(tǒng)過(guò)程 297 6.8.3 模式識(shí)別案例：石油流 298 本章小結(jié) 299 思考與練習(xí) 300 第三篇 人工智能應(yīng)用技術(shù)篇 第7章 機(jī)器人技術(shù) 302 7.1 引言 302 7.2 機(jī)器人機(jī)械系統(tǒng) 302 7.2.1 機(jī)器人的基本結(jié)構(gòu)及應(yīng)用 302 7.2.2 工業(yè)機(jī)器人 303 7.2.3 機(jī)器人的位姿問(wèn)題 307 7.3 機(jī)器人傳感系統(tǒng) 310 7.3.1 機(jī)器人傳感器 310 7.3.2 機(jī)器人的傳感系統(tǒng) 311 7.4 機(jī)器人驅(qū)動(dòng)系統(tǒng) 318 7.4.1 機(jī)器人的驅(qū)動(dòng)方式 318 7.4.2 新型驅(qū)動(dòng)器 320 7.4.3 機(jī)器人的驅(qū)動(dòng)應(yīng)用現(xiàn)狀 322 7.5 機(jī)器人控制系統(tǒng) 325 7.5.1 經(jīng)典控制系統(tǒng) 326 7.5.2 智能控制系統(tǒng) 326 7.6 機(jī)器人編程 329 7.6.1 機(jī)器人編程概述 329 7.6.2 機(jī)器人編程現(xiàn)狀和趨勢(shì) 329 7.6.3 機(jī)器人編程環(huán)境 329 7.6.4 機(jī)器人常用編程語(yǔ)言 330 7.6.5 機(jī)器人開(kāi)發(fā)編程平臺(tái) 330 本章小結(jié) 337 思考與練習(xí) 338 第8章 智能圖像處理 339 8.1 引言 339 8.2 數(shù)字圖像處理基礎(chǔ) 340 8.2.1 數(shù)字圖像概述 340 8.2.2 像素間的關(guān)系 341 8.2.3 圖像的代數(shù)運(yùn)算 342 8.2.4 圖像的幾何運(yùn)算 344 8.2.5 圖像的卷積 345 8.3 圖像增強(qiáng)處理 347 8.3.1 圖像增強(qiáng)概述 347 8.3.2 圖像空域增強(qiáng) 347 8.3.3 圖像頻域增強(qiáng) 349 8.4 圖像分析 352 8.4.1 圖像分割 352 8.4.2 目標(biāo)描述與特征提取 353 8.4.3 彩色圖像處理 359 8.5 計(jì)算機(jī)視覺(jué) 362 8.5.1 目標(biāo)定位和測(cè)量 363 8.5.2 目標(biāo)檢測(cè)和跟蹤 364 8.6 圖像目標(biāo)識(shí)別和分類(lèi) 365 8.6.1 基于特征的人臉識(shí)別實(shí)戰(zhàn) 366 8.6.2 神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù) 368 8.6.3 布匹質(zhì)量檢測(cè) 370 本章小結(jié) 372 思考與練習(xí) 372 第9章 自然語(yǔ)言處理 374 9.1 引言 374 9.2 自然語(yǔ)言處理(NLP) 375 9.2.1 NLP基本概念 375 9.2.2 NLP技術(shù)概述及其難點(diǎn) 375 9.2.3 NLP典型應(yīng)用 378 9.3 自然語(yǔ)言理解(NLU) 385 9.4 自然語(yǔ)言生成(NLG) 387 9.5 NLP處理流程 389 9.5.1 傳統(tǒng)機(jī)器學(xué)習(xí)的NLP流程 389 9.5.2 深度學(xué)習(xí)的NLP流程 389 9.6 自然語(yǔ)言處理的層次 390 9.7 語(yǔ)料預(yù)處理 392 9.8 NLP實(shí)現(xiàn) 395 9.8.1 NLP數(shù)據(jù)集 395 9.8.2 NLP工具 395 9.8.3 NLP實(shí)戰(zhàn) 397 本章小結(jié) 401 思考與練習(xí) 402 第10章 自動(dòng)規(guī)劃決策系統(tǒng) 403 10.1 引言 403 10.2 規(guī)劃與自動(dòng)規(guī)劃 403 10.2.1 規(guī)劃的概念 403 10.2.2 自動(dòng)規(guī)劃的定義 404 10.2.3 規(guī)劃應(yīng)用示例 405 10.3 規(guī)劃方法 406 10.3.1 規(guī)劃與搜索 406 10.3.2 部分有序規(guī)劃 410 10.3.3 分層規(guī)劃 411 10.3.4 基于案例的規(guī)劃 417 10.4 著名的規(guī)劃系統(tǒng) 418 10.4.1 STRIPS規(guī)劃系統(tǒng) 418 10.4.2 NOAH規(guī)劃系統(tǒng) 422 10.4.3 NONLIN規(guī)劃系統(tǒng) 426 10.4.4 O-PLAN規(guī)劃系統(tǒng) 427 10.4.5 Graphplan規(guī)劃系統(tǒng) 428 本章小結(jié) 429 思考與練習(xí) 430 參考文獻(xiàn) 431