商品簡介
本書系統闡述了人工智能的基本原理、方法和應用技術，以知識為線索，分為知識搜索、知識發現、知識推理和知識應用四個部分，全面反映了人工智能領域國內外的研究進展和動態。為便於讀者深入學習，每章的後一節均配有相關方法的案例和編程內容，大部分章末配有課後練習，讀者可掃描書中二維碼獲取相關代碼和參考答案。
本書可作為高等學校智能科學與技術、人工智能、自動化、機器人工程等相關專業學生學習人工智能課程的教材，也可供從事人工智能研究與應用的科技工作者參考。
序
作為一門極富挑戰性的科學，人工智能試圖通過對智能本質的研究，使機器能夠以類似人類的方式做出反應。隨著人工智能理論和技術日益成熟，應用領域也不斷擴大，涉及機器人、語音識別、圖像識別、自然語言處理和專家系統等方向的科技產品層出不窮。
本書以人工智能的基礎理論和實踐為主，以知識為線索，涵蓋知識搜索、知識發現、知識推理和知識應用四個部分。全書首先從智能的定義開始，就人工智能的發展歷史、學派進行了梳理，在此基礎上，展望了人工智能的未來。在部分知識搜索中，主要就基本搜索算法，包括盲目搜索和啟發式搜索算法以及智能搜索算法進行了展開，並以多個實例給出了各算法的尋優路徑。第二部分知識發現主要圍繞如何從數據中得到若干規律展開，按照算法的難易程度，分別介紹了機器學習領域的概念學習、決策樹算法、線性回歸、邏輯回歸，然後介紹了以統計學習理論為基礎的貝葉斯方法和支持向量機。對於神經網絡算法，本書從感知器網絡開始介紹，一直到講到當前熱門的深度學習方法，包括卷積神經網絡和循環神經網絡。對於無監督學習問題，本書給出了三種聚類算法，包括常用的K 均值算法，好用的DBSCAN 算法以及譜聚類算法。本書第三部分為知識推理部分，主要內容包括知識表示和經典邏輯推理，給出了常用的多種知識表示方法，以命題和謂詞邏輯為基礎，重點描述了自然演繹推理和歸結演繹推理，後對常見的推理案例進行了編程實踐。本書的第四部分給出了專家系統、人臉識別、自然語言處理三個實例，重點突出了人工智能方法在這些領域如何應用。
本書系統地涵蓋了人工智能的相關內容，簡明扼要地介紹了這一學科的基礎知識和基本方法，同時對專家系統、人臉識別、自然語言處理等應用進行了拓展，更輔以實例給出了具體編程的解決方案，從而幫助讀者更好地打牢基礎。本書的編寫力爭做到特色鮮明，內容選取以易讀易學為宗旨，並提供了豐富的案例和程序代碼，為加深思考和復習鞏固，重點章節後均附有課後練習。為方便讀者學習，本書中的程序代碼、課後練習答案可在書中相應位置掃描二維碼閱讀或下載；同時本書還配有微信公眾號（人工智能基礎），給出了各章節知識相關的解決方法、編程實踐等內容。
本書由羅娜、金晶編著。在本書編寫過程中，華東理工大學信息科學與工程學院的領導和老師創造的濃厚的學術研究氛圍和寬松的寫作環境，為作者完成此書提供了各方面的支持；作者的研究生馮勇、閔彥鈞、範振杰、黃家騏利用課余時間協助核對了各章的程序代碼，在此，特致以誠摯的感謝。
限於作者水平，書中難免存在不足和疏漏之處，望各位讀者斧正並提出寶貴意見，以期再版時修訂、完善。
編著者
2021 年7 月
目次
第1 章 概論 1
1.1 什麼是人工智能？ 1
1.2 人工智能的發展歷史、現狀及未來發展方向 2
1.2.1 人工智能的發展歷史 2
1.2.2 人工智能的現狀 3
1.2.3 人工智能發展趨勢與展望 4
1.3 人工智能的主要學派 4
1.3.1 符號主義 4
1.3.2 連接主義 5
1.3.3 行為主義 6
1.3.4 三大學派的協同並進 6
1.4 開發工具 7
1.4.1 為什麼使用Python 來開發人工智能 7
1.4.2 Python 簡介 7
課後練習 10
部分 知識搜索011
第2 章 搜索的基本策略 12
2.1 搜索過程 12
2.2 盲目搜索策略 13
2.2.1 寬（廣）度優先搜索策略 14
2.2.2 深度優先搜索策略 14
2.3 啟發式搜索策略 15
2.3.1 有序搜索算法（A 算法） 15
2.3.2 A*算法 16
2.4 編程實踐 16
2.4.1 八數碼難題 16
2.4.2 自動駕駛運動規劃 19
課後練習 21
第3 章 搜索的高級策略 23
3.1 群智能優化算法 23
3.1.1 蟻群算法 23
3.1.2 粒子群優化算法 25
3.2 動態規劃 25
3.3 編程實踐 28
3.3.1 蟻群算法求解路徑優化問題 28
3.3.2 動態規劃求解鋼條切割效益化問題 31
課後練習 32
第二部分 知識發現035
第4 章 概念學習和決策樹 36
4.1 概念學習 36
4.1.1 什麼是概念學習 36
4.1.2 尋找極大特殊假設算法 37
4.1.3 候選消除算法 38
4.2 決策樹學習 38
4.2.1 劃分屬性準則 39
4.2.2 決策樹的生成 41
4.3 歸納學習假設 44
4.4 編程實踐 44
4.4.1 尋找極大特殊假設算法解決概念學習 44
4.4.2 候選消除算法解決概念學習問題 45
4.4.3 使用決策樹對貸款申請樣本進行決策 45
4.4.4 使用決策樹對鳶尾花數據集進行分類 47
課後練習 49
第5 章 線性回歸和分類 51
5.1 線性回歸 51
5.1.1 線性模型 51
5.1.2 多項式回歸 53
5.1.3 正則化方法 53
5.2 線性分類 54
5.3 編程實踐 56
5.3.1 使用線性回歸預測波士頓房價 56
5.3.2 使用邏輯回歸分類仿真數據 58
課後練習 60
第6 章 統計學習方法 62
6.1 貝葉斯方法 62
6.1.1 貝葉斯定理 63
6.1.2 樸素貝葉斯分類器 63
6.2 支持向量機 66
6.2.1 線性支持向量機 66
6.2.2 軟間隔 69
6.2.3 核函數 70
6.3 編程實踐 71
6.3.1 使用貝葉斯方法實現垃圾郵件過濾 71
6.3.2 使用支持向量機實現鳶尾花數據的分類 73
課後練習 75
第7 章 人工神經網絡和深度學習 76
7.1 人工神經網絡 76
7.1.1 基本單元 77
7.1.2 網絡結構 78
7.1.3 典型的神經網絡 80
7.2 深度學習 87
7.2.1 卷積神經網絡 87
7.2.2 循環神經網絡 89
7.3 編程實踐 93
7.3.1 基於神經網絡的雙螺旋數據分類 93
7.3.2 手寫數字識別 96
7.3.3 地球溫度預測 99
課後練習 101
第8 章 聚類 104
8.1 聚類基礎 104
8.2 K 均值聚類 106
8.2.1 算法 106
8.2.2 如何選擇的聚類個數 108
8.3 基於密度的聚類算法 109
8.4 譜聚類 110
8.5 編程實踐 111
8.5.1 K 均值實例 111
8.5.2 基於密度的聚類算法實例 114
8.5.3 譜聚類實例 117
課後練習 118
第三部分 知識推理121
第9 章 知識表示方法 122
9.1 什麼是知識 122
9.2 人工智能所關心的知識 123
9.3 知識表示方法 124
9.3.1 狀態空間法 124
9.3.2 問題規約法 125
9.3.3 謂詞邏輯法 125
9.3.4 語義網絡表示法 126
9.3.5 產生式表示法 126
9.3.6 框架表示法 127
9.3.7 面向物件的表示方法 127
9.4 編程實踐 127
9.4.1 狀態空間法解決野人過河問題 127
9.4.2 問題規約法解決梵塔問題 128
9.4.3 謂詞邏輯法解決八皇后問題 129
課後練習 130
第10 章 經典邏輯推理 132
10.1 推理 132
10.2 命題和謂詞 133
10.2.1 命題和命題邏輯 133
10.2.2 謂詞與謂詞邏輯 134
10.3 自然演繹推理 135
10.4 歸結演繹推理 136
10.4.1 謂詞公式化為子句集 136
10.4.2 等價式 138
10.4.3 永真蘊含式 139
10.4.4 置換和合一 139
10.4.5 歸結原理（定理證明） 140
10.4.6 歸結反演（問題求解） 141
10.5 與或型演繹推理 141
10.6 產生式系統 141
10.7 編程實踐 142
10.7.1 自然演繹推理實例 142
10.7.2 動物識別系統 143
課後練習 148
第四部分 領域應用149
第11 章 專家系統 150
11.1 專家系統 150
11.2 專家系統的結構和建造步驟 152
11.2.1 專家系統的簡化結構 152
11.2.2 專家系統的開發 153
11.3 基於規則的專家系統 154
11.4 編程實例 155
11.4.1 基於決策樹的專家系統規則提取 155
11.4.2 Boston 數據集上的專家規則提取 156
課後練習 158
第12 章 人臉識別 159
12.1 人臉識別 159
12.1.1 Haar 特徵 160
12.1.2 AdaBoost 160
12.2 編程實例 161
12.2.1 人臉檢測 161
12.2.2 人臉識別 162
第13 章 自然語言處理 164
13.1 自然語言處理 164
13.1.1 自然語言處理的發展歷程 165
13.1.2 自然語言處理的基本技術 166
13.2 編程實踐 170
13.2.1 基於傳統機器學習算法的文本分類 170
13.2.2 基於深度學習的文本分類 172
參考文獻 175
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。