前言
第1章 緒論
1.1 人工智能概論
1.1.1 人工智能的定義
1.1.2 人工智能的發展史及流派
1.1.3 人工智能的研究目標和意義
1.1.4 人工智能的研究途徑
1.2 人工智能的現在和未來
1.2.1 人工智能的研究領域
1.2.2 人工智能的發展趨勢
1.3 本章小結
習題1
第2章 知識表示與推理
2.1 知識表示
2.1.1 知識的概念
2.1.2 知識的分類和特性
2.1.3 產生式表示法
2.1.4 框架表示法
2.1.5 其他表示法
2.2 知識推理
2.2.1 不確定性推理的概念和分類
2.2.2 概率推理
2.2.3 主觀Bayes方法
2.2.4 可信度方法
2.2.5 模糊推理
2.3 本章小結
習題2
第3章 圖搜索技術和問題求解
3.1 搜索策略概述
3.1.1 狀態空間表示法
3.1.2 盲目搜索
3.1.3 啟發式搜索
3.1.4 博弈搜索
3.2 狀態圖的搜索
3.2.1 狀態圖搜索策略
3.2.2 博弈樹搜索策略
3.3 實戰——應用爬蟲爬取新聞報道
3.4 本章小結
習題3
第4章 智能優化算法
4.1 智能優化算法概述
4.1.1 智能優化算法的相關概念
4.1.2 智能優化算法的分類
4.2 進化算法
4.2.1 遺傳算法
4.2.2 其他進化算法
4.3 集群智能算法
4.3.1 蟻群算法
4.3.2 粒子群算法
4.4 其他智能優化算法
4.4.1 模擬退火算法
4.4.2 禁忌搜索算法
4.5 實戰——應用遺傳算法解決問題
4.6 本章小結
習題4
第5章 機器學習
5.1 機器學習概述
5.1.1 機器學習的發展與分類
5.1.2 監督學習
5.1.3 無監督學習
5.1.4 半監督學習
5.1.5 強化學習
5.2 符號學習
5.2.1 記憶學習
5.2.2 歸納學習
5.2.3 演繹學習
5.3 實戰——線性回歸與決策樹
5.3.1 使用線性回歸預測房價
5.3.2 使用決策樹預測房價
5.4 本章小結
習題5
第6章 人工神經網絡與深度學習
6.1 人工神經網絡
6.1.1 神經元與神經網絡
6.1.2 神經網絡的類型
6.1.3 BP神經網絡
6.2 深度學習
6.2.1 深度學習與卷積網絡
6.2.2 textCNN模型
6.3 實戰——使用BP與CNN完成手寫數字識別
6.3.1 BP網絡手寫數字識別
6.3.2 CNN手寫數字識別
6.4 本章小結
習題6
第7章 專家系統
7.1 專家系統概述
7.1.1 專家系統的發展
7.1.2 專家系統的定義與特點
7.1.3 專家系統的分類
7.2 專家系統的原理
7.2.1 專家系統的一般結構
7.2.2 專家系統的基本工作原理
7.3 專家系統的開發過程
7.3.1 知識獲取和知識工程
7.3.2 專家系統的開發步驟
7.3.3 專家系統開發工具
7.4 專家系統實例
7.5 本章小結
習題7
第8章 模式識別與機器視覺
8.1 模式識別
8.1.1 模式識別的基本概念
8.1.2 模式識別的方法
8.1.3 模式識別過程
8.1.4 模式識別應用
8.2 機器視覺
8.2.1 機器視覺的定義和構成
8.2.2 機器視覺的分類和應用
8.2.3 圖像識別
8.2.4 人臉識別
8.3 實戰——人臉表情識別
8.3.1 人臉表情識別的常用方法
8.3.2 實戰——基于深度學習的人臉表情識別系統
8.4 本章小結
習題8
第9章 強化學習與生成對抗網絡
9.1 強化學習概述
9.1.1 強化學習基礎
9.1.2 強化學習分類
9.1.3 強化學習的應用
9.2 生成對抗網絡概述
9.2.1 生成對抗模型
9.2.2 生成對抗模型的數學原理
9.2.3 生成對抗網絡的實際應用
9.3 實戰——基于StyleGAN-v2實現顏值融合
9.4 本章小結
習題9
參考文獻