人工智能导论（第2版）

封面

版权信息

内容提要

前言

第1部分 学科与概念基础

01 绪论

1.0 学习导言

1.1 生命与智能

1.1.1 什么是智能

1.1.2 图灵测试与人工智能

1.1.3 人工智能图谱

1.2 国际人工智能发展历史

1.2.1 第一阶段：初创时期（1936—1956年）

1.2.2 第二阶段：形成时期（1957—1969年）

1.2.3 第三阶段：发展时期（1970—1992年）

1.2.4 第四阶段：大突破时期（1993年至今）

1.3 中国人工智能发展历史

1.4 人工智能学科交叉与融合

1.5 人工智能实现方法

1.5.1 传统实现方法

1.5.2 数据驱动方法

1.6 人工智能主要研究内容

1.6.1 计算智能

1.6.2 感知智能

1.6.3 认知智能

1.6.4 行为智能

1.6.5 群体智能

1.6.6 混合智能

1.6.7 情感智能

1.6.8 类脑智能

1.6.9 人工智能伦理与法律

1.7 机器博弈与机器创造

1.8 人工智能发展趋势

1.9 本书内容

1.9.1 人工智能五维知识体系

1.9.2 本书内容与结构

1.9.3 人工智能5个认识层次

1.10 关键知识梳理

1.11 问题与实践

02 人工智能哲学观

2.0 学习导言

2.1 从哲学角度理解人工智能

2.1.1 与人工智能有关的哲学概念

2.1.2 与人工智能有关的主要哲学分支

2.1.3 大历史观——智能进化

2.1.4 人工智能的本质

2.2 人工智能的局限性

2.3 关键知识梳理

2.4 问题与实践

03 脑科学基础

3.0 学习导言

3.1 脑与神经科学

3.2 脑神经系统

3.2.1 脑神经组织

3.2.2 神经元与信息传递

3.2.3 大脑皮层

3.3 脑的视觉机制

3.3.1 脑的视觉结构

3.3.2 视觉皮层区域

3.4 脑的记忆机制

3.5 脑的学习机制

3.6 脑科学新发现

3.6.1 大脑导航功能

3.6.2 大脑孕周发育

3.6.3 社会互动增强神经复杂性

3.7 关键知识梳理

3.8 问题与实践

第2部分 技术基础

04 人工神经网络

4.0 学习导言

4.1 如何构建人工神经网络

4.1.1 神经元模型

4.1.2 感知机模型

4.2 人工神经网络的训练——BP算法

4.3 卷积神经网络原理

4.3.1 稀疏连接与全连接

4.3.2 权值共享与特征提取

4.3.3 卷积层

4.3.4 池化层

4.3.5 全连接层

4.3.6 激活函数层

4.3.7 损失函数

4.3.8 CNN算法

4.4 循环神经网络

4.5 长短时记忆网络

4.6 受限玻尔兹曼机

4.7 深度置信网络

4.8 关键知识梳理

4.9 问题与实践

05 机器学习

5.0 学习导言

5.1 机器学习能否实现机器智能

5.2 机器学习模型的类型和应用

5.3 监督学习与无监督学习

5.3.1 k-最近邻分类

5.3.2 SVM

5.3.3 朴素贝叶斯分类器

5.3.4 k-均值聚类算法

5.3.5 随机森林算法

5.3.6 集成学习