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(shè)6
1.2.2人類智能的計算機(jī)模擬7
1.2.3弱人工智能和強(qiáng)人工智能10
1.3人工智能各學(xué)派的認(rèn)知觀10
1.4人工智能的研究與應(yīng)用領(lǐng)域12
1.4.1智能感知13
1.4.2智能推理15
1.4.3智能學(xué)習(xí)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(xí)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(xué)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(yīng)用57
2.4歸結(jié)推理58
2.4.1命題演算中的歸結(jié)推理58
2.4.2謂詞演算中的歸結(jié)推理61
2.4.3謂詞演算歸結(jié)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(wù)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(luò)84
2.6.1基本命題的語義網(wǎng)絡(luò)表示84
2.6.2連接詞在語義網(wǎng)絡(luò)中的表示86
2.6.3語義網(wǎng)絡(luò)的推理88
2.6.4語義網(wǎng)絡(luò)表示的特點(diǎn)90
2.7框架90
2.7.1框架的構(gòu)成90
2.7.2框架系統(tǒng)的推理92
2.7.3框架表示的特點(diǎn)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(shù)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(yīng)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(yīng)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(yīng)用110
2.11小結(jié)112
習(xí)題112
第3章搜索技術(shù)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(yù)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(xí)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(guān)鍵參數(shù)和操作的設(shè)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(xí)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(jì)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(xué)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(shè)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(yùn)算219
5.6.2模糊關(guān)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?jiān)u估決策支持系統(tǒng)226
5.7小結(jié)232
習(xí)題233
第6章Agent238
6.1概述238
6.2Agent及其結(jié)構(gòu)240
6.2.1Agent的定義240
6.2.2Agent要素及特性241
6.2.3Agent的結(jié)構(gòu)特點(diǎn)243
6.2.4Agent的結(jié)構(gòu)分類244
6.3Agent應(yīng)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(shí)現(xiàn)技術(shù)267
6.6.4移動Agent系統(tǒng)275
6.6.5移動Agent技術(shù)的應(yīng)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(yùn)行的支持工具283
6.8案例： 火星探礦機(jī)器人284
6.8.1需求分析284
6.8.2設(shè)計與實(shí)現(xiàn)286
6.9小結(jié)291
習(xí)題292
第7章機(jī)器學(xué)習(xí)299
7.1機(jī)器學(xué)習(xí)概述299
7.1.1學(xué)習(xí)中的元素300
7.1.2目標(biāo)函數(shù)的表示301
7.1.3學(xué)習(xí)任務(wù)的類型303
7.1.4機(jī)器學(xué)習(xí)的定義和發(fā)展史304
7.1.5機(jī)器學(xué)習(xí)的主要策略306
7.1.6機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)307
7.2基于符號的機(jī)器學(xué)習(xí)308
7.2.1歸納學(xué)習(xí)308
7.2.2決策樹學(xué)習(xí)312
7.2.3基于范例的學(xué)習(xí)318
7.2.4解釋學(xué)習(xí)323
7.2.5案例： 通過EBG學(xué)習(xí)概念cup324
7.2.6強(qiáng)化學(xué)習(xí)325
7.3基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)327
7.3.1神經(jīng)網(wǎng)絡(luò)概述327
7.3.2基于反向傳播網(wǎng)絡(luò)的學(xué)習(xí)332
7.3.3案例： 基于反向傳播網(wǎng)絡(luò)擬合曲線341
7.3.4深度學(xué)習(xí)348
7.3.5案例： 深度學(xué)習(xí)在計算機(jī)視覺中的應(yīng)用353
7.3.6競爭網(wǎng)絡(luò)358
7.3.7案例： 學(xué)習(xí)向量量化解決分類問題368
7.4基于統(tǒng)計的機(jī)器學(xué)習(xí)369
7.4.1支持向量機(jī)369
7.4.2案例： XOR問題378
7.4.3統(tǒng)計關(guān)系學(xué)習(xí)380
7.5小結(jié)382
習(xí)題384
第8章自然語言處理技術(shù)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(jié)構(gòu)文法和Chomsky文法體系402
8.3.2句法分析樹404
8.3.3轉(zhuǎn)移網(wǎng)絡(luò)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(shí)文本的處理408
8.5.1語料庫語言學(xué)及其特點(diǎn)408
8.5.2統(tǒng)計學(xué)方法的應(yīng)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(shè)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(jī)器翻譯433
8.7.1機(jī)器翻譯系統(tǒng)概述433
8.7.2機(jī)器翻譯的基本模式和方法436
8.7.3統(tǒng)計機(jī)器翻譯439
8.7.4利用深度學(xué)習(xí)改進(jìn)統(tǒng)計機(jī)器翻譯441
8.7.5端到端神經(jīng)機(jī)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(shù)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(xué)習(xí)在語音識別中的應(yīng)用451
8.9機(jī)器閱讀理解453
8.9.1機(jī)器閱讀理解評測數(shù)據(jù)集453
8.9.2機(jī)器閱讀理解的一般方法453
8.9.3機(jī)器閱讀理解研究展望455
8.10機(jī)器寫作456
8.10.1機(jī)器原創(chuàng)稿件457
8.10.2機(jī)器二次創(chuàng)作457
8.10.3機(jī)器寫作展望459
8.11聊天機(jī)器人459
8.11.1聊天機(jī)器人應(yīng)用場景460
8.11.2聊天機(jī)器人系統(tǒng)的組成結(jié)構(gòu)及關(guān)鍵技術(shù)461
8.11.3聊天機(jī)器人研究存在的挑戰(zhàn)465
8.12小結(jié)465
習(xí)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(wù)網(wǎng)絡(luò)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(jié)499
習(xí)題499
第10章機(jī)器人學(xué)502
10.1概述502
10.1.1機(jī)器人的分類503
10.1.2機(jī)器人的特性504
10.1.3機(jī)器人學(xué)的研究領(lǐng)域504
10.2機(jī)器人系統(tǒng)505
10.2.1機(jī)器人系統(tǒng)的組成505
10.2.2機(jī)器人的工作空間507
10.2.3機(jī)器人的性能指標(biāo)509
10.3機(jī)器人的編程模式與語言510
10.4機(jī)器人的應(yīng)用與展望511
10.4.1機(jī)器人應(yīng)用512
10.4.2機(jī)器人發(fā)展展望515
10.5案例分析： 仿真機(jī)器人運(yùn)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(guān)系522
10.5.3策略程序的結(jié)構(gòu)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(jié)533
習(xí)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(shù)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(jié)構(gòu)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(jié)571
習(xí)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(guān)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?qū)崿F(xiàn)589
B.4模型的訓(xùn)練590
B.5模型的評價591
B.6完整代碼及運(yùn)行結(jié)果592
參考文獻(xiàn)594