本書內(nèi)容主要涉及人工智能經(jīng)典及實(shí)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(rèn)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(jì)算、統(tǒng)計(jì)學(xué)習(xí)方法、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、自然語言處理、智能機(jī)器人。為了便于讀者理解，在介紹關(guān)鍵技術(shù)的同時(shí)，列舉了一些應(yīng)用實(shí)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(yàn)，注重內(nèi)容的實(shí)用性和先進(jìn)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(shí)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(xiàn)
第2章人腦認(rèn)知
導(dǎo)讀
2.1腦科學(xué)與腦認(rèn)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(rèn)知
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第3章經(jīng)典人工智能
導(dǎo)讀
3.1知識(shí)表示方法
3.2搜索技術(shù)
3.3知識(shí)推理
3.4不確定性推理
本章小結(jié)
習(xí)題
參考文獻(xiàn)
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(xiàn)
第5章優(yōu)化與智能計(jì)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(jī)梯度
5.3智能優(yōu)化方法
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第6章統(tǒng)計(jì)學(xué)習(xí)方法
導(dǎo)讀
6.1統(tǒng)計(jì)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(jī)及核方法
6.4決策樹、集成學(xué)習(xí)和隨機(jī)森林
6.5無監(jiān)督學(xué)習(xí)
本章小結(jié)
習(xí)題
參考文獻(xiàn)
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(zhǎng)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(xiàn)
第8章強(qiáng)化學(xué)習(xí)
導(dǎo)讀
8.1什么是強(qiáng)化學(xué)習(xí)
8.2強(qiáng)化學(xué)習(xí)基礎(chǔ)
8.3基于模型的強(qiáng)化學(xué)習(xí)方法
8.4無模型的強(qiáng)化學(xué)習(xí)方法
8.5基于直接策略搜索的強(qiáng)化學(xué)習(xí)方法
8.6強(qiáng)化學(xué)習(xí)前沿
本章小結(jié)
習(xí)題
參考文獻(xiàn)
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(cè)
9.6機(jī)器翻譯
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第10章智能機(jī)器人
導(dǎo)讀
10.1智能機(jī)器人的分類
10.2智能機(jī)器人的相關(guān)技術(shù)
10.3智能機(jī)器人的現(xiàn)狀
10.4智能機(jī)器人的廣泛應(yīng)用
10.5工業(yè)智能機(jī)械臂
10.6智能汽車
10.7腦控機(jī)器人
本章小結(jié)
習(xí)題
參考文獻(xiàn)
書單推薦
