本書內(nèi)容主要涉及人工智能經(jīng)典及實用的關(guān)鍵技術(shù)，以及人工智能近年來*新發(fā)展的技術(shù)，具體包括人腦認知、經(jīng)典人工智能、經(jīng)典人工神經(jīng)網(wǎng)絡(luò)、優(yōu)化與智能計算、統(tǒng)計學(xué)習(xí)方法、深度學(xué)習(xí)、強化學(xué)習(xí)、自然語言處理、智能機器人。為了便于讀者理解，在介紹關(guān)鍵技術(shù)的同時，列舉了一些應(yīng)用實例；主要章后均附有習(xí)題。
本書結(jié)合了編者多年來從事人工智能科研和教學(xué)的經(jīng)驗，注重內(nèi)容的實用性和先進性。本書可作為普通高等院校理工科專業(yè)的“人工智能”通識課程的教材。
（責(zé)任編輯郵箱：jinacmp@163.com）
前言
第1章緒論
導(dǎo)讀
1.1人工智能的定義
1.2人工智能的誕生
1.3人工智能研究的各種學(xué)派及其理論
1.4人工智能的研究及應(yīng)用領(lǐng)域
本章小結(jié)
參考文獻
第2章人腦認知
導(dǎo)讀
2.1腦科學(xué)與腦認知
2.2腦構(gòu)造與腦神經(jīng)
2.3視覺和聽覺感知
2.4記憶與思維認知
本章小結(jié)
習(xí)題
參考文獻
第3章經(jīng)典人工智能
導(dǎo)讀
3.1知識表示方法
3.2搜索技術(shù)
3.3知識推理
3.4不確定性推理
本章小結(jié)
習(xí)題
參考文獻
第4章經(jīng)典人工神經(jīng)網(wǎng)絡(luò)
導(dǎo)讀
4.1人工神經(jīng)網(wǎng)絡(luò)概述
4.2單層前向網(wǎng)絡(luò)分類器
4.3多層前向網(wǎng)絡(luò)
4.4單層反饋網(wǎng)絡(luò)
本章小結(jié)
習(xí)題
參考文獻
第5章優(yōu)化與智能計算
導(dǎo)讀
5.1優(yōu)化的基本概念
5.2凸優(yōu)化、梯度下降與隨機梯度
5.3智能優(yōu)化方法
本章小結(jié)
習(xí)題
參考文獻
第6章統(tǒng)計學(xué)習(xí)方法
導(dǎo)讀
6.1統(tǒng)計學(xué)習(xí)的基本概念
6.2最小二乘與壓縮感知
6.3支持向量機及核方法
6.4決策樹、集成學(xué)習(xí)和隨機森林
6.5無監(jiān)督學(xué)習(xí)
本章小結(jié)
習(xí)題
參考文獻
第7章深度學(xué)習(xí)
導(dǎo)讀
7.1深度學(xué)習(xí)概述
7.2卷積神經(jīng)網(wǎng)絡(luò)
7.3循環(huán)神經(jīng)網(wǎng)絡(luò)
7.4長短期記憶網(wǎng)絡(luò)
7.5深度學(xué)習(xí)在圖像語義分割的應(yīng)用
本章小結(jié)
習(xí)題
參考文獻
第8章強化學(xué)習(xí)
導(dǎo)讀
8.1什么是強化學(xué)習(xí)
8.2強化學(xué)習(xí)基礎(chǔ)
8.3基于模型的強化學(xué)習(xí)方法
8.4無模型的強化學(xué)習(xí)方法
8.5基于直接策略搜索的強化學(xué)習(xí)方法
8.6強化學(xué)習(xí)前沿
本章小結(jié)
習(xí)題
參考文獻
第9章自然語言處理
導(dǎo)讀
9.1自然語言處理概述
9.2自然語言處理基礎(chǔ)
9.3文本解析
9.4文本向量化表示
9.5語言模型與預(yù)測
9.6機器翻譯
本章小結(jié)
習(xí)題
參考文獻
第10章智能機器人
導(dǎo)讀
10.1智能機器人的分類
10.2智能機器人的相關(guān)技術(shù)
10.3智能機器人的現(xiàn)狀
10.4智能機器人的廣泛應(yīng)用
10.5工業(yè)智能機械臂
10.6智能汽車
10.7腦控機器人
本章小結(jié)
習(xí)題
參考文獻
書單推薦
