本書介紹了人工智能的發展歷史､基本流派､研究領域, 知識表示方法和推理技術､圖搜索技術, 專家系統及其開發工具的使用和設計方法,模糊理論及應用, 機器學習和神經網絡, 卷積神經網絡, 混沌理論, 智能優化算法原理和應用, 多智能體技術等內容｡
本書是作者在多年教學和科研實踐的基礎上, 參閱了國內外現有教材和相關文獻后編寫的｡全書注重理論與實踐的結合, 注重算法的實際應用與實現方法, 注重創新思維的訓練與培養｡
本書可作為高等院校人工智能､自動化､電氣工程及其自動化､計算機科學與技術､電子信息工程等專業學生“人工智能” 課程的本科生､研究生教材, 也可供從事人工智能研究與應用的科技工作者學習參考｡
前言
自古以來, 人類一直幻想著能夠制造出具有智能的機器, 很多美麗的傳說都蘊含著這樣的思想｡隨著計算機技術的出現和發展, 這種幻想終于逐漸得以實現｡
從1956 年的達特茅斯會議開始, 人工智能歷經60 多年的坎坷發展, 終于成為目前相對比較完善的學科, 無數的科技工作者為人工智能的發展做出了大量不可磨滅的貢獻｡在此,我們懷著崇敬的心情對人工智能的先驅者們表示由衷的敬佩｡
人工智能是一門涉及認知科學､神經生物學､心理學､計算機科學､數學､信息與控制科學等諸多學科的交叉性､前沿性學科｡其研究內容包括知識工程､專家系統､機器學習､神經網絡､模式識別､優化計算等多個應用領域, 受到國內外研究學者的普遍重視｡尤其是最近十年來, 人工智能的成果大量地應用到人們的生活中, 人工智能的神秘面紗也逐漸被大眾揭開｡
AlphaGo 的出現, 促使深度學習､神經網絡等人工智能專業詞匯在大眾人群中得到了普及｡大量的人工智能技術及產品也隨之涌現出來, 人們突然意識到人工智能的快速崛起｡從2015 年開始, 我國積極鼓勵､推動和支持人工智能技術的發展, 并大力推動機器人技術的發展｡2015 年5 月20 日, 國務院印發《中國制造2025》, 部署全面推進實施制造強國戰略｡“智能制造” 被定位為中國制造的主攻方向｡2015 年7 月5 日, 國務院印發《“互聯網+” 行動指導意見》, 提出大力發展智能制造｡以智能工廠為發展方向, 開展智能制造試點示范, 加快推動云計算､物聯網､智能工業機器人､智能制造等技術在生產過程中的應用, 推進生產裝備智能化升級､工藝流程改造和基礎數據共享, 著力在工控系統､智能感知元器件､工業云平臺､操作系統和工業軟件等核心環節取得突破, 加強工業大數據的開發與利用, 有效支撐制造業智能化轉型, 構建開放､共享､協作的智能制造產業生態｡2016 年4月, 工信部､國家發改委､財政部聯合發布《機器人產業發展規劃(2016—2020 年)》, 為“十三五” 期間我國機器人產業發展描繪了清晰的藍圖｡2016 年5 月23 日, 發改委､科技部､工信部和網信辦聯合印發《“互聯網+” 人工智能三年行動實施方案》｡方案中指出, 到2018 年, 中國將基本建立人工智能產業體系､創新服務體系和標準化體系, 培育若干全球領先的人工智能骨干企業, 形成千億級的人工智能市場應用規模｡方案提出, 為降低人工智能創新成本, 中國將建設面向社會開放的文獻､語音､圖像､視頻､地圖及行業應用數據等多類型人工智能海量訓練資源庫和標準測試數據集｡國家還將建設滿足深度學習等智能計算需求的基礎資源服務平臺, 包括新型計算集群共享平臺､云端智能分析處理服務平臺､算法與技術開放平臺等｡2016 年7 月28 日, 國務院印發《“十三五” 國家科技創新規劃》｡該規劃在“新一代信息技術” 中提到人工智能: 重點發展大數據驅動的類人智能技術方法; 突破以人為中心的人機物融合理論方法和關鍵技術, 研制相關設備､工具和平臺; 在基于大數據分析的類人智能方向取得重要突破, 實現類人視覺､類人聽覺､類人語言和類人思維, 支撐智能產業的發展｡2016 年9 月1 日, 《國家發展改革委辦公廳關于請組織申報“互聯網+”領域創新能力建設專項的通知》出臺, 其中提到了人工智能的發展應用問題｡為構建“互聯網+” 領域創新網絡, 促進人工智能技術的發展, 應將人工智能技術納入專項建設內容｡
2016 年12 月19 日, 國務院印發《“十三五” 國家戰略性新興產業發展規劃》的通知, 要求發展人工智能, 培育人工智能產業生態, 促進人工智能在經濟社會重點領域推廣應用, 打造國際領先的技術體系｡2017 年3 月“人工智能” 首次寫入政府工作報告｡2017 年7 月, 國務院印發《新一代人工智能發展規劃》的通知, 指出發展人工智能是一項事關全局的復雜系統工程, 要按照“構建一個體系､把握雙重屬性､堅持三位一體､強化四大支撐” 進行布局, 形成人工智能健康持續發展的戰略路徑｡2017 年10 月, 人工智能寫入十九大報告｡
2017 年12 月13 日, 工信部印發《促進新一代人工智能產業發展三年行動計劃(2018—2020 年) 》, 明確了人工智能2018—2020 年在推動戰略性新興產業總體突破､推進供給側結構性改革､振興實體經濟､建設制造強國和網絡強國方面的重大作用和具體目標｡
國家政策的強有力支持, 促進了人工智能產業的迅速發展｡人工智能技術發展速度之快令人驚訝, 新的研究內容以及理論方法更新之快令人目不暇接｡
本書內容兼顧人工智能的經典知識和前沿技術, 著重于基本理論與實際應用相結合, 強調內容的新穎性､先進性､實用性和可讀性｡
目錄
前 言
第1 章 緒論 1
1. 1 人工智能的起源與發展 1
1. 2 人工智能學術流派 4
1. 3 人工智能的研究與應用領域 6
習題 10
第2 章 知識表示和推理 11
2. 1 知識和知識表示的基本概念 11
2. 2 命題邏輯 14
2. 2. 1 語法 14
2. 2. 2 語義(Semantics) 15
2. 2. 3 命題演算(Calculas) 形式系統 16
2. 3 謂詞邏輯 17
2. 3. 1 語法 18
2. 3. 2 語義 21
2. 4 歸結推理 25
2. 4. 1 子句集及其簡化 26
2. 4. 2 海伯倫定理 29
2. 4. 3 Robinson 歸結原理 33
2. 4. 4 利用Robinson 歸結原理實現定理
證明 38
2. 4. 5 應用歸結原理求解問題 42
2. 5 產生式系統 43
2. 5. 1 產生式系統的組成部分 44
2. 5. 2 產生式系統的控制策略 45
2. 5. 3 產生式系統的推理方式 46
2. 6 語義網絡表示法 47
2. 6. 1 語義網絡的結構 47
2. 6. 2 基本命題的語義網絡表示 47
2. 6. 3 語義網絡的知識表示方法 50
2. 6. 4 語義網絡表示法的特點 54
2. 7 框架表示法 54
2. 8 狀態空間表示法 56
2. 9 與或圖表示法 57
習題 58
第3 章 圖搜索技術 59
3. 1 問題的提出 59
3. 2 狀態圖搜索 61
3. 2. 1 狀態圖搜索分類 61
3. 2. 2 窮舉式搜索 63
3. 2. 3 啟發式搜索 66
3. 2. 4 A 算法及A∗算法 69
3. 3 與或圖搜索 71
3. 3. 1 與或圖 71
3. 3. 2 與或圖搜索 72
3. 4 博弈圖搜索 76
3. 4. 1 博弈圖 76
3. 4. 2 極大極小分析法 78
3. 4. 3 剪枝技術 80
習題 81
第4 章 專家系統 82
4. 1 專家系統的概述 82
4. 1. 1 專家系統的概念與特點 82
4. 1. 2 專家系統和傳統程序的區別 83
4. 1. 3 專家系統的類型 83
4. 2 專家系統的結構 84
4. 3 專家系統的設計原則與開發過程 85
4. 3. 1 專家系統的設計原則 85
4. 3. 2 專家系統的開發過程 86
4. 4 專家系統評價 87
4. 5 MYCIN 專家系統實例分析 88
4. 6 專家系統開發工具 90
4. 6. 1 骨架型開發工具 90
4. 6. 2 語言型開發工具 91
4. 6. 3 構造輔助工具 91
4. 6. 4 支撐環境 92
4. 7 Prolog 語言 93
4. 7. 1 Prolog 語言的特點 93
4. 7. 2 基本Prolog 的程序結構 94
4. 7. 3 Prolog 程序的運行機理 95
4. 7. 4 Turbo Prolog 程序結構 97
4. 7. 5 Turbo Prolog 的數據與表達式 98
4. 7. 6 Visual Prolog 介紹 103
4. 7. 7 PIE: Prolog 的推理機 107
習題 109
第5 章 模糊理論及應用 110
5. 1 模糊理論的產生與發展 110
5. 2 模糊理論的數學基礎 111
5. 2. 1 經典集合論的基本概念 111
5. 2. 2 模糊集合的基本概念 112
5. 2. 3 模糊關系與復合運算 115
5. 3 模糊推理 117
5. 3. 1 模糊條件語句 117
5. 3. 2 模糊推理 120
5. 4 模糊控制系統及模糊控制器 122
5. 4. 1 模糊控制系統的基本結構 122
5. 4. 2 模糊控制器 123
5. 4. 3 模糊控制器的設計 124
5. 4. 4 模糊PID 控制器的設計 130
5. 5 模糊聚類分析與模糊模式識別 133
5. 5. 1 模糊聚類分析 134
5. 5. 2 模糊模式識別 137
5. 6 模糊聚類應用案例分析 138
習題 143
第6 章 機器學習和神經網絡 144
6. 1 機器學習的基本概念和發展史 144
6. 2 經典機器學習方法 145
6. 3 基于神經網絡的學習 148
6. 3. 1 神經網絡概述 148
6. 3. 2 人工神經網絡模型 149
6. 4 BP 神經網絡 153
6. 4. 1 網絡結構 153
6. 4. 2 網絡學習算法 154
6. 4. 3 BP 網絡的改進算法 156
6. 4. 4 BP 神經網絡的特點 157
6. 4. 5 神經網絡應用實例解析 158
6. 5 RBF 神經網絡 160
6. 5. 1 徑向基函數 160
6. 5. 2 徑向基函數網絡結構 162
6. 5. 3 網絡學習算法 162
6. 5. 4 RBF 網與BP 網的對比 163
6. 6 CMAC 神經網絡 164
6. 6. 1 CMAC 網絡結構 164
6. 6. 2 網絡學習算法 164
6. 6. 3 CMAC 網絡的特點 166
6. 7 Hopfield 神經網絡 166
6. 7. 1 離散型Hopfield 網絡 167
6. 7. 2 連續型Hopfield 網絡 168
6. 8 Elman 神經網絡 171
6. 8. 1 Elman 神經網絡結構 171
6. 8. 2 Elman 神經網絡學習算法 172
6. 9 模糊神經網絡 172
6. 9. 1 網絡結構 173
6. 9. 2 學習過程 174
6. 10 其他類型的神經網絡介紹 175
習題 178
第7 章 卷積神經網絡及TensorFlow
應用實踐 179
7. 1 卷積神經網絡發展簡介 179
7. 2 卷積神經網絡工作原理 179
7. 3 TensorFlow 學習 185
7. 3. 1 TensorFlow 簡介 185
7. 3. 2 TensorFlow 中的函數和相關
運算 190
7. 3. 3 卷積函數 194
7. 3. 4 池化函數 196
7. 4 利用TensorFlow 進行圖像處理 197
7. 4. 1 圖像的讀取與存儲 197
7. 4. 2 圖像處理常用函數 197
7. 5 卷積神經網絡在MNIST 的應用
實例 201
習題 212
第8 章 混沌
新書資訊