本書系統地介紹了人工智能的基本原理、方法和應用技術，全面反映了國內外人工智能研究領域的進展和發展方向。全書共12章。第1章簡要介紹了人工智能的概況。第2~6章闡述了人工智能的基本原理和方法，重點論述了知識表示、自動推理、機器學習和神經網絡等。第7章和第8章介紹了專家系統、自然語言處理等應用技術。第9~11章闡述了當前人工智能的研究熱點，包括分布式人工智能與智能體、智能機器人和互聯網智能等。第12章探討了類腦智能，展望人工智能的發展。
本書力求科學性、實用性和先進性，可讀性好。內容由淺入深、循序漸進，條理清晰，讓學生在有限的時間內掌握人工智能的基本原理與應用技術，提高對人工智能習題的求解能力。
本書可以作為高等院校計算機科學與技術、自動化等相關專業的研究生和高年級本科生的人工智能課程教材，也可以供從事人工智能研究與應用的科技人員學習參考。
一本全面闡述人工智能基礎理論、全面體現國際上人工智能領域先進水平的書籍。
出版說明
前言
第1章緒論
11什么是人工智能
12人工智能的起源與發展歷史
13人工智能研究的基本內容
131認知建模
132知識表示
133自動推理
134機器學習
14人工智能研究的主要學派
141符號主義
142連接主義
143行為主義
15人工智能的應用
16小結和展望
習題
第2章知識表示
21概述
22謂詞邏輯
23產生式系統
24語義網絡
241語義網絡的概念和結構
242復雜知識的表示
243常用的語義聯系
25框架
251框架結構
252框架網絡
253推理方法
26狀態空間
27面向對象的知識表示
28腳本
281腳本描述
282概念依賴關系
29本體
210小結
習題
第3章自動推理
31概述
32三段論推理
33盲目搜索
331深度優先搜索
332寬度優先搜索
333迭代加深搜索
34回溯策略
35啟發式搜索
351啟發性信息和評估函數
352爬山算法
353模擬退火算法
354最好優先算法
355通用圖搜索算法
356A*算法
357迭代加深A*算法
36與或圖啟發式搜索
361問題歸約的描述
362與或圖表示
363AO*算法
37博弈搜索
371極大極小過程
372α-β過程
38歸結演繹推理
381子句型
382置換和合一
383合一算法
384歸結式
385歸結反演
386答案的提取
387歸結反演的搜索策略
39產生式系統
391產生式系統的基本結構
392正向推理
393反向推理
394混合推理
310自然演繹推理
311非單調推理
3111默認推理
3112限制推理
312小結
習題
第4章不確定性推理
41概述
411不確定性知識分類
412不確定性推理的基本問題
413不確定性推理方法分類
42可信度方法
421建造醫學專家系統時的問題
422可信度模型
423確定性方法的說明
43主觀貝葉斯方法
431貝葉斯公式
432知識不確定性的表示
433證據不確定性的表示
434組合證據不確定性的計算
435不確定性的傳遞算法
436結論不確定性的合成
44證據理論
441假設的不確定性
442證據的組合函數
443規則的不確定性
444不確定性的組合
45模糊邏輯和模糊推理
451模糊集合及其運算
452語言變量
453模糊邏輯
454模糊推理
46小結
習題
第5章機器學習
51機器學習概述
511簡單的學習模型
512什么是機器學習
513機器學習的研究概況
52歸納學習
521歸納學習的基本概念
522變型空間學習
523決策樹
53類比學習
531相似性
532轉換類比
533基于案例的推理
534遷移學習
54統計學習
541邏輯回歸
542支持向量機
543提升方法
55強化學習
551強化學習模型
552學習自動機
553自適應動態程序設計
554Q-學習
56進化計算
561達爾文進化算法
562遺傳算法
563進化策略
564進化規劃
57群體智能
571蟻群算法
572粒子群優化
58知識發現
59小結
習題
第6章神經網絡
61概述
62神經信息處理的基本原理
新書資訊