新書推薦：
《
世界前沿技术发展报告2024
》
售價：HK$
188.2
《
可转债——新手理财的极简工具
》
售價：HK$
65.0
《
新加坡教育：神话与现实
》
售價：HK$
96.3
《
“口袋中的世界史”第一辑·冷战中的危机事件
》
售價：HK$
291.2
《
绝美的奥伦堡蕾丝披肩编织
》
售價：HK$
177.0
《
狂飙年代：18世纪俄国的新文化和旧文化（第二卷）
》
售價：HK$
177.0
《
万有引力书系 纳粹亿万富翁 德国财富家族的黑暗历史
》
售價：HK$
109.8
《
中国常见植物野外识别手册：青海册
》
售價：HK$
76.2
|
| 內容簡介： |
|
本书由国家教学名师，教育部计算机类专业教学指导委员会委员、浙江省高等学校计算机类专业教学指导委员会副主任，人工智能领域著名作者王万良编写，由他编写的《人工智能》专业教材，被国内众多高校用作教材。为适应人工智能的发展，满足非计算机专业，尤其是人文社科专业的读者学习人工智能知识，特编写本书，以简明扼要的语言，向非计算机专业学生介绍人工智能的相关知识，本书不需要读者具有任何相关知识，就可以了解人工智能的概念、应用前景等内容，可以作为非计算机专业学生的通识教程。
|
| 關於作者： |
|
国家教学名师，国家万人计划领军人才，享受国务院政府特殊津贴专家，浙江省杰出教师，教育部计算机类专业教学指导委员会委员、浙江省高等学校计算机类专业教学指导委员会副主任。
|
| 目錄：
|
第1章 人工智能概论1
1.1 你了解人类的智能吗1
1.1.1 智能的概念1
1.1.2 智能的特征3
1.2 人工智能的孕育和诞生6
1.2.1 人工智能的孕育期6
1.2.2 人工智能的先驱图灵与图灵测试8
1.2.3 人工智能的诞生达特茅斯会议9
1.3 人工智能的发展10
1.3.1 人工智能的形成期10
1.3.2 几起几落的曲折发展期12
1.3.3 大数据驱动的飞速发展期13
1.4 从两场标志性人机博弈看人工智能的发展14
1.4.1 人工智能研究中的小白鼠14
1.4.2 深蓝战胜国际象棋棋王卡斯帕罗夫15
1.4.3 阿尔法狗无师自通横扫世界围棋大师17
1.5 人工智能研究的基本内容19
1.6 人工智能的主要应用领域21
1.7 人工智能会使许多人失业吗34
1.8 本章小结35
讨论题35
第2章 知识表示与知识图谱36
2.1 你了解人类知识吗36
2.1.1 什么是知识36
2.1.2 知识的相对正确性37
2.1.3 知识的不确定性38
2.2 计算机表示知识的方法40
2.3 产生式表示法41
2.3.1 产生式42
2.3.2 产生式系统43
2.3.3 产生式表示法的特点45
2.4 框架表示法46
2.4.1 框架的一般结构47
2.4.2 用框架表示知识的例子48
2.4.3 框架表示法的特点50
2.5 知识图谱51
2.5.1 知识图谱的提出52
2.5.2 知识图谱的定义52
2.5.3 知识图谱的表示53
2.5.4 知识图谱的架构54
2.5.5 知识图谱的典型应用55
2.6 本章小结57
讨论题58
第3章 模拟人类思维的模糊推理60
3.1 推理的定义60
3.2 推理的分类61
3.2.1 演绎推理61
3.2.2 归纳推理62
3.2.3 默认推理62
3.3 推理的方向63
3.3.1 正向推理63
3.3.2 逆向推理64
3.3.3 混合推理67
3.4 推理中的冲突消解策略69
3.5 模糊集合与模糊知识表示71
3.5.1 模糊逻辑的提出与发展71
3.5.2 模糊集合的定义与表示73
3.5.3 隶属函数75
3.6 模糊关系与模糊关系的合成76
3.6.1 模糊关系76
3.6.2 模糊关系的合成78
3.7 模糊推理与模糊决策79
3.7.1 模糊推理79
3.7.2 模糊决策80
3.8 模糊推理的应用81
3.9 本章小结82
讨论题83
第4章 搜索策略85
4.1 搜索的概念85
4.2 如何用状态空间表示搜索对象86
4.2.1 状态空间知识表示方法86
4.2.2 状态空间的图描述88
4.3 回溯策略91
4.4 盲目的图搜索策略93
4.4.1 宽度优先搜索策略93
4.4.2 深度优先搜索策略94
4.5 启发式图搜索策略97
4.5.1 启发式策略97
4.5.2 启发信息和估价函数100
4.5.3 A搜索算法102
4.5.4 A搜索算法103
4.6 本章小结105
讨论题106
第5章 模拟生物进化的遗传算法107
5.1 进化算法的生物学背景107
5.2 遗传算法109
5.2.1 遗传算法的发展历史109
5.2.2 遗传算法的基本思想110
5.2.3 编码111
5.2.4 种群设定113
5.2.5 适应度函数114
5.2.6 选择116
5.2.7 交叉118
5.2.8 变异120
5.3 遗传算法的主要改进算法122
5.3.1 双倍体遗传算法122
5.3.2 双种群遗传算法124
5.3.3 自适应遗传算法124
5.4 基于遗传算法的生产调度方法126
5.4.1 基于遗传算法的流水车间调度方法126
5.4.2 基于遗传算法的混合流水车间调度方法128
5.5 本章小结133
讨论题134
第6章 模拟生物群体行为的群智能算法135
6.1 群智能算法的生物学背景135
6.2 模拟鸟群行为的粒子群优化算法137
6.2.1 基本粒子群优化算法137
6.2.2 粒子群优化算法的应用139
6.3 模拟蚁群行为的蚁群优化算法141
6.3.1 蚁群优化算法的生物学背景142
6.3.2 基本蚁群优化算法142
6.3.3 蚁群优化算法的应用146
6.4 本章小结148
讨论题149
第7章 模拟生物神经系统的人工神经网络150
7.1 人工神经元与人工神经网络150
7.1.1 生物神经元结构150
7.1.2 生物神经元的数学模型151
7.1.3 人工神经网络的结构与学习153
7.2 机器学习的先驱赫布学习规则154
7.3 掀起人工神经网络第一次高潮的感知器155
7.4 掀起人工神经网络第二次高潮的BP学习算法158
7.4.1 BP学习算法的提出158
7.4.2 BP神经网络159
7.4.3 BP学习算法160
7.4.4 BP学习算法在模式识别中的应用161
7.5 本章小结163
讨论题164
第8章 机器学习与深度学习165
8.1 机器学习的基本概念165
8.1.1 学习165
8.1.2 机器学习166
8.1.3 学习系统166
8.1.4 机器学习的发展169
8.2 机器学习的分类170
8.2.1 机器学习的一般分类方法170
8.2.2 有监督学习与无监督学习172
8.2.3 弱监督学习174
8.3 知识发现与数据挖掘177
8.3.1 知识发现与数据挖掘的概念178
8.3.2 知识发现的一般过程178
8.3.3 知识发现的任务179
8.3.4 知识发现的对象180
8.4 动物视觉机理与深度学习的提出182
8.4.1 浅层学习的局限性182
8.4.2 深度学习的提出183
8.5 卷积神经网络与胶囊网络185
8.5.1 卷积神经网络的结构185
8.5.2 卷积的物理、生物与生态学等意义186
8.5.3 卷积神经网络的卷积运算187
8.5.4 卷积神经网络中的关键技术189
8.5.5 卷积神经网络的应用192
8.5.6 胶囊网络193
8.6 生成对抗网络及其应用196
8.6.1 生成对抗网络的基本原理196
8.6.2 生成对抗网络的结构与训练197
8.6.3 生成对抗网络在图像处理中的应用200
8.6.4 生成对抗网络在语言处理中的应用203
8.6.5 生成对抗网络在视频生成中的应用205
8.6.6 生成对抗网络在医疗中的应用207
8.7 本章小结207
讨论题208
第9章 专家系统210
9.1 专家系统的产生和发展210
9.2 专家系统的概念212
9.2.1 专家系统的定义212
9.2.2 专家系统的特点212
9.2.3 专家系统的类型214
9.3 专家系统的工作原理216
9.3.1 专家系统的一般结构216
9.3.2 知识库216
9.3.3 推理机217
9.3.4 综合数据库217
9.3.5 知识获取机构218
9.3.6 人机接口219
9.3.7 解释机构219
9.4 简单的动物识别专家系统219
9.4.1 知识库建立220
9.4.2 综合数据库建立和推理过程221
9.5 专家系统实例及其骨架系统222
9.5.1 骨架系统的概念222
9.5.2 EMYCIN骨架系统223
9.5.3 KAS骨架系统224
9.6 专家系统开发环境226
9.7 本章小结227
讨论题228
第10章 自然语言理解229
10.1 自然语言理解的概念与发展229
10.1.1 自然语言理解的概念229
10.1.2 自然语言理解的发展历史229
10.2 语言处理过程的层次232
10.3 机器翻译方法概述234
10.4 循环神经网络238
10.4.1 循环神经网络的结构238
10.4.2 循环神经网络的训练239
10.4.3 长短期记忆神经网络240
10.5 基于循环神经网络的机器翻译240
10.6 语音识别242
10.6.1 语音识别的概念242
10.6.2 语音识别的主要过程243
10.6.3 语音识别的方法246
10.7 本章小结247
讨论题247
第11章 计算机视觉248
11.1 计算机视觉概述248
11.2 计算机视觉系统中的数字图像251
11.3 基于深度学习的计算机视觉252
11.4 基于计算机视觉的生物特征识别253
11.4.1 人脸识别253
11.4.2 虹膜识别254
11.5 本章小结255
讨论题256
第12章 智能机器人257
12.1 机器人的产生与发展257
12.2 机器人中的人工智能技术260
12.2.1 机器人智能感知260
12.2.2 机器人智能导航264
12.2.3 机器人智能路径规划264
12.2.4 机器人智能运动控制265
12.2.5 机器人智能交互267
12.3 智能机器人的应用267
12.3.1 工业机器人268
12.3.2 农业机器人270
12.3.3 服务机器人273
12.3.4 医用机器人276
12.3.5 军用机器人277
12.4 智能机器人技术展望与伦理280
12.4.1 智能机器人技术展望280
12.4.2 机器人伦理问题281
12.5 本章小结282
讨论题282
|
| 內容試閱：
|
人工智能在互联网时代获得了前所未有的发展机遇，已经成为目前发展最迅速、对社会影响最大的新兴学科之一。由于人工智能模拟人类智能解决问题的方法，能够应用于几乎所有领域，所以，目前许多高校需要开设人工智能通识课程。
本书作者从1989年开始从事人工智能及其应用的研究；从1993年开始从事人工智能课程的教学，为控制科学与工程、计算机科学与技术、机械工程等专业的研究生讲授人工智能原理与应用课程，为计算机类、自动化类各专业的本科生讲授人工智能导论课程。作者在多年的教学实践中，深感需要编著一本内容比较基础、可读性好、适合讲授的人工智能教材。自2005年起，本书作者在自己多年来的讲稿基础上，出版了几部人工智能教材，并不断再版，被许多高校选用。
随着人工智能技术的发展，越来越多的本科生需要学习人工智能课程。因此，作者从2005年起为全校工学、理学、经济学、管理学、哲学、文学、法学等学科的各专业的本科生开设人工智能及其应用公共选修课。作者从2017年开始负责全校人工智能通识教育核心课程建设。在教学过程中，作者深感已有的人工智能教材不适合作为通识课程教材，特别是不适合人文社科类专业的本科生学习。在全国各高校普遍希望开设人工智能通识课程的新形势下，迫切需要编写面向本科生，特别是人文社科类专业本科生的人工智能通识课程教材。因此，作者在《人工智能导论》（第5版）和《人工智能及其应用》（第4版）这两本教材的基础上，针对人文社科类专业本科生的知识结构和思维方式，突出人工智能解决复杂问题的创新思想，经过反复探索，编写了本书。
本书共12章。第1章介绍人工智能的基本概念和发展简史，着重介绍目前人工智能研究的基本内容与主要应用，以开阔读者的视野，引导读者进入人工智能的天地。第2章介绍知识表示的概念、产生式表示法、框架表示法以及知识图谱。第3章介绍模拟人类思维的模糊推理及其应用。第4章介绍基于搜索的问题求解策略。第5章介绍模拟生物进化的遗传算法。第6章介绍模拟生物群体行为，以粒子群优化算法、蚁群优化算法等为代表的群智能算法。第7章介绍模拟生物神经系统的人工神经网络。第8章介绍机器学习与深度学习，包括卷积神经网络、胶囊网络、生成对抗网络等深度学习的前沿内容。第9章介绍专家系统的概念、工作原理及应用。第10章介绍应用日益广泛的自然语言理解技术，包括机器翻译、语音识别等应用。第11章介绍计算机视觉，包括人脸识别、虹膜识别等应用。第12章介绍智能机器人及其在工业、农业、服务业、医疗、军事等领域的应用。
本书主要有以下几个特色：
（1） 语言简明，可读性好。本书用于人工智能通识课程教学，尽量用通俗的文字语言深入浅出地讲解概念、理论和技术，特别是将人工智能技术与文学艺术、人们的日常生活、人类思维方法等相结合，使学生能够感受到人工智能的人文情怀，意识到人工智能就在自己身边，能够有兴趣、有耐心、系统地阅读本书，掌握人工智能的基本思想与基本方法。
（2） 内容先进，注重应用。人工智能正处于迅速发展时期，内容非常丰富。本书精选了人工智能技术的一些前沿热点，引导学生学习应用新理论解决实际问题的方法。
（3） 精心编排，便于学习。每章开始设置了导读，使学生在学习本章之前就知道本章要讨论的主题和学习目标。每章最后简要地总结本章的重要概念、公式、定理与方法。本书采用双色印刷，将重要的概念、公式、定理与方法用明显的颜色标注出来，以引起学生注意。
（4） 结构合理，方便教学。本书各章内容相对独立，教师可以根据课程计划学时和专业需要自由选择和组合相关内容，可以保持课程体系结构的完整性。采用本书作为教材，建议课堂教学32学时。本书中的许多内容可以在教师指导下由学生自学，以减少课堂教学学时。
（5） 本书有配套的MOOC课程，便于学生在网上学习。需要进一步学习人工智能技术的学生可以选择作者在中国大学MOOC网站上开设的人工智能导论课程。
衷心感谢浙江工业大学对人工智能通识教育核心课程建设的大力支持！感谢人工智能课程教学团队的赵燕伟教授、管秋教授、徐新黎副教授、蒋一波副教授、张景玲副教授、郑建炜副教授、姚信威副教授、胡海根副教授、范兴刚副教授、黄玉娇博士、龙海霞博士、周乾伟博士、王振华博士、姚远博士、郭东岩博士、杨海平博士、产思贤博士、王铮博士等和作者一起对人工智能课程教学的不断探索！衷心感谢清华大学出版社龙启铭先生为本书出版付出的辛勤劳动以及向作者提出的许多有益的修改建议。
本书是人工智能通识课程教学的探索成果。限于作者水平，书中一定会存在许多不足之处，欢迎广大读者提出宝贵意见。
王万良2020年5月于杭州
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
