人工智能原理认知与应用研究

参考文献

10.4.3 医疗健康

10.4.2 在线社交

10.4.1 金融业

10.4 展望未来

10.3.4 谷歌成功预测冬季流感

10.3.3 微软利用大数据成功预测奥斯卡21项大奖

10.3.2 数据新闻让英国撤军

10.3.1 尿布与啤酒

10.3 应用场景

10.2.2 商业智能

10.2.1 大数据

10.2 技术探寻：大数据与商业智能

10.1.2 如何通过数据分析提高效率

10.1.1 数据是如何产生的

10.1 大数据与矿泉水的故事

第10章 商业智能

9.3 展望未来

9.2 应用场景

9.1 智能语音助手

第9章 智能语言处理及发展

8.4.2 教育领域

8.4.1 商业服务领域

8.4 展望未来

8.3.3 娱乐领域

8.3.2 商业服务

8.3.1 智能安防

8.3 应用场景

8.2 人脸识别的关键技术与原理

8.1 宝贝回家——人脸识别寻亲

第8章 人脸识别

7.9.2 识别

7.9.1 信号处理

7.9 语音识别

7.8.2 基于短语的统计机器翻译

7.8.1 基于词的统计机器翻译

7.8 机器翻译

7.7.2 智能搜索引擎

7.7.1 搜索引擎

7.7 信息检索

7.6 大规模真实文本的处理

7.5.2 格文法

7.5.1 语义文法

7.5 语义分析

7.4.4 转移网络

7.4.3 句法分析树

7.4.2 乔姆斯基文法体系

7.4.1 短语结构文法

7.4 句法分析

7.3 词法分析

7.2.2 自然语言理解的层次

7.2.1 自然语言分析的层次

7.2 自然语言理解

7.1.3 自然语言处理的研究领域和方向

7.1.2 少数民族语言文字信息处理技术方面的进展

7.1.1 汉语信息处理技术方面的进展

7.1 自然语言处理概述

第7章 自然语言处理技术

6.5.3 实例学习示例

6.5.2 实例学习的两个空间模型

6.5.1 概述

6.5 实例学习

6.4 机器学习的分类

6.3.2 机器学习的基本模型

6.3.1 什么是机器学习系统

6.3 机器学习系统

6.2.3 工程目标

6.2.2 认知模型

6.2.1 通用学习算法

6.2 机器学习的研究目标

6.1.3 机器学习实现的困难

6.1.2 机器学习与人类学习的区别

6.1.1 什么是学习

6.1 机器学习的概念

第6章 机器学习

5.7.4 专家系统程序设计语言

5.7.3 专家系统开发环境

5.7.2 通用型知识表达语言

5.7.1 骨架系统

5.7 专家系统的开发工具

5.6.2 地质勘探专家系统——PROSPECTOR

5.6.1 医学专家系统——MYCIN

5.6 专家系统实例

5.5.3 对专家系统的评价

5.5.2 专家系统的设计原则与开发步骤

5.5.1 适合专家系统求解的问题

5.5 专家系统的建立

5.4.2 知识获取的模式

5.4.1 知识获取的过程

5.4 知识获取的主要过程与模式

5.3.7 解释机构

5.3.6 人机接口

5.3.5 知识获取机构

5.3.4 综合数据库

5.3.3 推理机

5.3.2 知识库

5.3.1 专家系统的一般结构

5.3 专家系统的工作原理

5.2.4 专家系统的应用

5.2.3 专家系统的类型

5.2.2 专家系统的特点

5.2.1 专家系统的定义

5.2 专家系统的概念

5.1 专家系统的产生和发展

第5章 专家系统

4.6.2 蚁群算法的研究与应用

4.6.1 蚁群算法的基本原理

4.6 蚁群算法

4.5 粒群优化算法

4.4.4 人工生命的实例

4.4.3 人工生命的研究内容和方法

4.4.2 人工生命的定义和研究的意义

4.4.1 人工生命研究的起源和发展

4.4 人工生命

4.3.2 进化算法框架

4.3.1 进化算法原理

4.3 进化算法

4.2.4 基于神经网络的知识表示与推理

4.2.3 人工神经网络示例

4.2.2 人工神经网络的结构

4.2.1 人工神经网络研究的进展

4.2 神经计算

4.1 概述

第4章 计算智能

3.6.2 不确定性的算法

3.6.1 不确定性的表示与度量

3.6 不确定性推理

3.5.3 规则双向演绎系统

3.5.2 规则逆向演绎系统

3.5.1 规则正向演绎系统

3.5 规则演绎系统

3.4.4 消解反演求解过程

3.4.3 含有变量的消解式

3.4.2 消解推理规则

3.4.1 子句集的求取

3.4 消解原理

3.3.2 有序搜索

3.3.1 启发式搜索策略和估价函数

3.3 启发式搜索

3.2.3 等代价搜索

3.2.2 深度优先搜索

3.2.1 宽度优先搜索

3.2 无信息搜索

3.1 图搜索策略

第3章 搜索推理技术

2.6.4 知识图谱的典型应用

2.6.3 知识抽取

2.6.2 知识图谱的架构与构建

2.6.1 知识图谱的定义

2.6 知识图谱

2.5.7 语义网络表示法的特点

2.5.6 语义网络的推理过程

2.5.5 语义网络表示法示例

2.5.4 变元和量词在语义网络中的表示方法

2.5.3 连接词在语义网络中的表示方法

2.5.2 基本命题的语义网络表示

2.5.1 语义网络

2.5 语义网络表示法

2.4.3 框架表示法的特点

2.4.2 用框架表示知识的例子

2.4.1 框架的一般结构

2.4 框架表示法

2.3.4 产生式表示法的特点

2.3.3 产生式系统的例子——动物识别系统

2.3.2 产生式系统

2.3.1 产生式

2.3 产生式表示法

2.2.6 一阶谓词逻辑表示法的特点

2.2.5 一阶谓词逻辑知识表示方法

2.2.4 谓词公式的性质

2.2.3 谓词公式

2.2.2 谓词

2.2.1 命题

2.2 一阶谓词逻辑表示法

2.1.4 知识的表示

2.1.3 知识的分类

2.1.2 知识的特性

2.1.1 知识的概念

2.1 知识与知识表示的概念

第2章 知识表示与知识图谱

1.4.24 人工生命

1.4.23 智能网络系统

1.4.22 智能通信

1.4.21 智能计算机系统

1.4.20 智能操作系统

1.4.19 智能多媒体系统

1.4.18 智能管理与智能决策

1.4.17 智能CAI

1.4.16 智能CAD

1.4.15 智能仿真

1.4.14 智能控制

1.4.13 分布式人工智能与多智能体

1.4.12 人工神经网络

1.4.11 组合优化问题

1.4.10 机器人

1.4.9 自动程序设计

1.4.8 专家系统

1.4.7 数据挖掘与知识发现

1.4.6 智能信息检索

1.4.5 自然语言理解

1.4.4 机器视觉

1.4.3 模式识别

1.4.2 博弈

1.4.1 自动定理证明

1.4 人工智能的主要研究领域

1.3.5 机器行为

1.3.4 机器学习

1.3.3 机器思维

1.3.2 机器感知

1.3.1 知识表示

1.3 人工智能研究的基本内容

1.2.4 大数据驱动人工智能发展（2011年至今）

1.2.3 艰难发展（1970—2010年）

1.2.2 形成（1956—1969年）

1.2.1 孕育（1956年前）

1.2 人工智能的发展简史

1.1.3 人工智能

1.1.2 智能的特征

1.1.1 智能的概念

1.1 人工智能的基本概念

第1章 人工智能概述

前言

作者简介

版权信息

封面

封面

版权信息

作者简介

前言

第1章 人工智能概述

1.1 人工智能的基本概念

1.1.1 智能的概念

1.1.2 智能的特征

1.1.3 人工智能

1.2 人工智能的发展简史

1.2.1 孕育（1956年前）

1.2.2 形成（1956—1969年）

1.2.3 艰难发展（1970—2010年）

1.2.4 大数据驱动人工智能发展（2011年至今）

1.3 人工智能研究的基本内容

1.3.1 知识表示

1.3.2 机器感知

1.3.3 机器思维

1.3.4 机器学习

1.3.5 机器行为

1.4 人工智能的主要研究领域

1.4.1 自动定理证明

1.4.2 博弈

1.4.3 模式识别

1.4.4 机器视觉

1.4.5 自然语言理解

1.4.6 智能信息检索

1.4.7 数据挖掘与知识发现

1.4.8 专家系统

1.4.9 自动程序设计

1.4.10 机器人

1.4.11 组合优化问题

1.4.12 人工神经网络

1.4.13 分布式人工智能与多智能体

1.4.14 智能控制

1.4.15 智能仿真

1.4.16 智能CAD

1.4.17 智能CAI

1.4.18 智能管理与智能决策

1.4.19 智能多媒体系统

1.4.20 智能操作系统

1.4.21 智能计算机系统

1.4.22 智能通信

1.4.23 智能网络系统

1.4.24 人工生命

第2章 知识表示与知识图谱

2.1 知识与知识表示的概念

2.1.1 知识的概念

2.1.2 知识的特性

2.1.3 知识的分类

2.1.4 知识的表示

2.2 一阶谓词逻辑表示法

2.2.1 命题

2.2.2 谓词

2.2.3 谓词公式

2.2.4 谓词公式的性质

2.2.5 一阶谓词逻辑知识表示方法

2.2.6 一阶谓词逻辑表示法的特点

2.3 产生式表示法

2.3.1 产生式

2.3.2 产生式系统

2.3.3 产生式系统的例子——动物识别系统

2.3.4 产生式表示法的特点

2.4 框架表示法

2.4.1 框架的一般结构

2.4.2 用框架表示知识的例子

2.4.3 框架表示法的特点

2.5 语义网络表示法

2.5.1 语义网络

2.5.2 基本命题的语义网络表示

2.5.3 连接词在语义网络中的表示方法

2.5.4 变元和量词在语义网络中的表示方法

2.5.5 语义网络表示法示例

2.5.6 语义网络的推理过程

2.5.7 语义网络表示法的特点

2.6 知识图谱

2.6.1 知识图谱的定义

2.6.2 知识图谱的架构与构建

2.6.3 知识抽取

2.6.4 知识图谱的典型应用

第3章 搜索推理技术

3.1 图搜索策略

3.2 无信息搜索

3.2.1 宽度优先搜索

3.2.2 深度优先搜索

3.2.3 等代价搜索

3.3 启发式搜索

3.3.1 启发式搜索策略和估价函数

3.3.2 有序搜索

3.4 消解原理

3.4.1 子句集的求取

3.4.2 消解推理规则

3.4.3 含有变量的消解式

3.4.4 消解反演求解过程

3.5 规则演绎系统

3.5.1 规则正向演绎系统

3.5.2 规则逆向演绎系统

3.5.3 规则双向演绎系统

3.6 不确定性推理

3.6.1 不确定性的表示与度量

3.6.2 不确定性的算法

第4章 计算智能

4.1 概述

4.2 神经计算

4.2.1 人工神经网络研究的进展

4.2.2 人工神经网络的结构

4.2.3 人工神经网络示例

4.2.4 基于神经网络的知识表示与推理

4.3 进化算法

4.3.1 进化算法原理

4.3.2 进化算法框架

4.4 人工生命

4.4.1 人工生命研究的起源和发展

4.4.2 人工生命的定义和研究的意义

4.4.3 人工生命的研究内容和方法

4.4.4 人工生命的实例

4.5 粒群优化算法

4.6 蚁群算法

4.6.1 蚁群算法的基本原理

4.6.2 蚁群算法的研究与应用

第5章 专家系统

5.1 专家系统的产生和发展

5.2 专家系统的概念

5.2.1 专家系统的定义

5.2.2 专家系统的特点

5.2.3 专家系统的类型

5.2.4 专家系统的应用

5.3 专家系统的工作原理

5.3.1 专家系统的一般结构

5.3.2 知识库

5.3.3 推理机

5.3.4 综合数据库

5.3.5 知识获取机构

5.3.6 人机接口

5.3.7 解释机构

5.4 知识获取的主要过程与模式

5.4.1 知识获取的过程

5.4.2 知识获取的模式

5.5 专家系统的建立

5.5.1 适合专家系统求解的问题

5.5.2 专家系统的设计原则与开发步骤

5.5.3 对专家系统的评价

5.6 专家系统实例

5.6.1 医学专家系统——MYCIN

5.6.2 地质勘探专家系统——PROSPECTOR

5.7 专家系统的开发工具

5.7.1 骨架系统

5.7.2 通用型知识表达语言

5.7.3 专家系统开发环境

5.7.4 专家系统程序设计语言

第6章 机器学习

6.1 机器学习的概念

6.1.1 什么是学习

6.1.2 机器学习与人类学习的区别

6.1.3 机器学习实现的困难

6.2 机器学习的研究目标

6.2.1 通用学习算法

6.2.2 认知模型

6.2.3 工程目标

6.3 机器学习系统

6.3.1 什么是机器学习系统

6.3.2 机器学习的基本模型

6.4 机器学习的分类

6.5 实例学习

6.5.1 概述

6.5.2 实例学习的两个空间模型

6.5.3 实例学习示例

第7章 自然语言处理技术

7.1 自然语言处理概述

7.1.1 汉语信息处理技术方面的进展

7.1.2 少数民族语言文字信息处理技术方面的进展

7.1.3 自然语言处理的研究领域和方向

7.2 自然语言理解

7.2.1 自然语言分析的层次

7.2.2 自然语言理解的层次

7.3 词法分析

7.4 句法分析

7.4.1 短语结构文法

7.4.2 乔姆斯基文法体系

7.4.3 句法分析树

7.4.4 转移网络

7.5 语义分析

7.5.1 语义文法

7.5.2 格文法

7.6 大规模真实文本的处理

7.7 信息检索

7.7.1 搜索引擎

7.7.2 智能搜索引擎

7.8 机器翻译

7.8.1 基于词的统计机器翻译

7.8.2 基于短语的统计机器翻译

7.9 语音识别

7.9.1 信号处理

7.9.2 识别

第8章 人脸识别

8.1 宝贝回家——人脸识别寻亲

8.2 人脸识别的关键技术与原理

8.3 应用场景

8.3.1 智能安防

8.3.2 商业服务

8.3.3 娱乐领域

8.4 展望未来

8.4.1 商业服务领域

8.4.2 教育领域

第9章 智能语言处理及发展

9.1 智能语音助手

9.2 应用场景

9.3 展望未来

第10章 商业智能

10.1 大数据与矿泉水的故事

10.1.1 数据是如何产生的

10.1.2 如何通过数据分析提高效率

10.2 技术探寻：大数据与商业智能

10.2.1 大数据

10.2.2 商业智能

10.3 应用场景

10.3.1 尿布与啤酒

10.3.2 数据新闻让英国撤军

10.3.3 微软利用大数据成功预测奥斯卡21项大奖

10.3.4 谷歌成功预测冬季流感

10.4 展望未来

10.4.1 金融业

10.4.2 在线社交

10.4.3 医疗健康

参考文献