人工智能导论

内容全面：涵盖了人工智能体系相关的大部分理论和技术知识。

实践突出：书中提供了目前流行的多种人工智能框架实用案例。

针对性强：面向应用型本科，文理兼顾，符合大学生认知水平。

资源丰富：配套微课、课件、源码等资源，方便读者学习使用。

人工智能是当今社会的热点领域，它产生于20世纪前期，经过漫长的发展，随着计算机硬件的高速迭代更新，2012年在深度学习应用的支撑下再次引起了人们的注意。其中，最为亮眼的是Hiton大师的课题组首次参加ImageNet图像识别比赛，AlexNet先生就得到该项赛事的冠军。

新近出台的《国家“十四五”发展纲要》也在人工智能领域留下了积极的发展信号，顺应时代需求并为国家的发展不断注入新的动力是中华儿女永远不应背弃的追求。在这种新形势和新周期的循环下，对大学生进行人工智能的理论和技术培养是一项任重而道远的活动。由于深入研究并非一日之功，实际应用可能更平易近人，因此本书针对应用型本科学生和教师的特点，尽量在吸收前人对人工智能教育所做出的贡献的基础上，全面讲述人工智能所涉及的基础理论和它们的有趣应用，以培养大学生的人工智能素养。

本书编者长期从事人工智能导论课程的教授及应用，市面上的人工智能导论类教材内容较深，对于应用型本科的学生来说学习梯度过于陡峭，而过于简单的科普类人工智能导论教材对于本科生来说又过于浅显。所以，编写一本针对应用型本科、文理兼顾，同时又有一定的实践性的教材是我们编写本书的初衷。在遵循人工智能理论完整性和与经典教材一致的基础上，本书编者结合当前跨时代大学生群体的认知能力和认知爱好，并根据学习的需求将本书分为9章。本书内容涵盖人工智能当前流行的大部分理论和技术知识，并以实践应用为特色。本书以满足应用型本科的人工智能选修和必修课程教学需求为主，同时也期望可以为其他层次的高等教育进行人工智能的理论启蒙。

本书由河南牧业经济学院王飞、潘立武任主编，河南牧业经济学院王佳、河南省职工医院朱彦霞、嘉兴学院李端任副主编。编写分工如下：第1章、第2章由王佳编写，第3章和第9章由王飞编写，第4～5章由朱彦霞编写，第7～8章由潘立武编写，第6章由李端编写。全书由连卫民审稿，王飞统稿。

在本书的编写过程中我们得到了许多同行的帮助和支持，参阅了大量的相关资料，在此向各位同行和相关作者表示诚挚的感谢。其中，郑州科技学院的秦亚红、杜远坤，河南牧业经济学院的李丹、扈少华，郑州棉麻工程研究所的夏彬，苏州大学的高影俊，许昌学院的路凯等也参与了本书编写工作，对书稿的细节提出了宝贵意见。

由于编者水平有限和人工智能技术发展迅速，书中难免存在疏漏之处，恳请广大读者批评和指正。

编 者

2022年1月

第1章 绪论 1
1.1 人工智能概论 1
1.1.1 人工智能的定义 1
1.1.2 人工智能的发展史及流派 3
1.1.3 人工智能的研究目标和意义 7
1.1.4 人工智能的研究途径 8
1.2 人工智能的现在和未来 9
1.2.1 人工智能的研究领域 10
1.2.2 人工智能的发展趋势 13
1.3 本章小结 14
习题1 15
第2章 知识表示与推理 17
2.1 知识表示 17
2.1.1 知识的概念 17
2.1.2 知识的分类和特性 18
2.1.3 产生式表示法 20
2.1.4 框架表示法 23
2.1.5 其他表示法 26
2.2 知识推理 30
2.2.1 不确定性推理的概念和分类 30
2.2.2 概率推理 32
2.2.3 主观Bayes方法 35
2.2.4 可信度方法 37
2.2.5 模糊推理 40
2.3 本章小结 46
习题2 46
第3章 图搜索技术和问题求解 49
3.1 搜索策略概述 49
3.1.1 状态空间表示法 50
3.1.2 盲目搜索 50
3.1.3 启发式搜索 52
3.1.4 博弈搜索 57
3.2 状态图的搜索 60
3.2.1 状态图搜索策略 61
3.2.2 博弈树搜索策略 64
3.3 实战—应用爬虫爬取新闻报道 69
3.4 本章小结 71
习题3 72
第4章 智能优化算法 74
4.1 智能优化算法概述 74
4.1.1 智能优化算法的相关概念 74
4.1.2 智能优化算法的分类 76
4.2 进化算法 80
4.2.1 遗传算法 80
4.2.2 其他进化算法 85
4.3 集群智能算法 86
4.3.1 蚁群算法 86
4.3.2 粒子群算法 90
4.4 其他智能优化算法 93
4.4.1 模拟退火算法 93
4.4.2 禁忌搜索算法 96
4.5 实战—应用遗传算法解决问题 100
4.6 本章小结 106
习题4 107
第5章 机器学习 109
5.1 机器学习概述 109
5.1.1 机器学习的发展与分类 109
5.1.2 监督学习 112
5.1.3 无监督学习 117
5.1.4 半监督学习 119
5.1.5 强化学习 122
5.2 符号学习 123
5.2.1 记忆学习 123
5.2.2 归纳学习 124
5.2.3 演绎学习 134
5.3 实战—线性回归与决策树 134
5.3.1 使用线性回归预测房价 134
5.3.2 使用决策树预测房价 144
5.4 本章小结 147
习题5 148
第6章 人工神经网络与深度学习 150
6.1 人工神经网络 150
6.1.1 神经元与神经网络 150
6.1.2 神经网络的类型 154
6.1.3 BP神经网络 155
6.2 深度学习 156
6.2.1 深度学习与卷积网络 156
6.2.2 textCNN模型 166
6.3 实战—使用BP与CNN完成手写数字识别 169
6.3.1 BP网络手写数字识别 169
6.3.2 CNN手写数字识别 172
6.4 本章小结 175
习题6 176
第7章 专家系统 177
7.1 专家系统概述 177
7.1.1 专家系统的发展 177
7.1.2 专家系统的定义与特点 179
7.1.3 专家系统的分类 180
7.2 专家系统的原理 181
7.2.1 专家系统的一般结构 182
7.2.2 专家系统的基本工作原理 183
7.3 专家系统的开发过程 184
7.3.1 知识获取和知识工程 184
7.3.2 专家系统的开发步骤 185
7.3.3 专家系统开发工具 188
7.4 专家系统实例 189
7.5 本章小结 193
习题7 193
第8章 模式识别与机器视觉 195
8.1 模式识别 195
8.1.1 模式识别的基本概念 195
8.1.2 模式识别的方法 196
8.1.3 模式识别过程 196
8.1.4 模式识别应用 198
8.2 机器视觉 199
8.2.1 机器视觉的定义和构成 199
8.2.2 机器视觉的分类和应用 202
8.2.3 图像识别 204
8.2.4 人脸识别 206
8.3 实战—人脸表情识别 209
8.3.1 人脸表情识别的常用方法 209
8.3.2 实战—基于深度学习的人脸
表情识别系统 210
8.4 本章小结 215
习题8 215
第9章 强化学习与生成对抗网络 217
9.1 强化学习概述 217
9.1.1 强化学习基础 218
9.1.2 强化学习分类 221
9.1.3 强化学习的应用 223
9.2 生成对抗网络概述 225
9.2.1 生成对抗模型 225
9.2.2 生成对抗模型的数学原理 229
9.2.3 生成对抗网络的实际应用 232
9.3 实战—基于StyleGAN-v2实现颜值融合 235
9.4 本章小结 238
习题9 239
参考文献 241

1. 零基础玩转国产大模型DeepSeek [徐永冰 张帅 编著]
2. 网络工程师5天修炼（适配第6版考纲） [主编　朱小平 施游]
3. 信息系统项目管理师考试32小时通关（适用第4版考纲） [薛大龙]
4. 信息系统管理工程师考试32小时通关（适配第2版考纲） [薛大龙　刘伟]
5. 土木工程材料检测实训 [洪晓江 达则晓丽 钱波]
6. 科技信息检索与论文写作实用教程 [李振华]
7. 传统山水画论解读与实践 [陈钠 著]
8. Python数据库编程 [主编 殷树友 邢 翀]
9. 计算机基础实训指导 [主编 袁春萍 朱妮]
10. 嵌入式人工智能技术应用（数字教材） [主编 胡娜 杨国勇 晏廷荣]
11. Vienna整流器技术 [桂存兵 著]
12. 变频器与伺服应用 [陈刚 叶云飞]
13. 物联网工程设计与实践 [汤琳 李敏]
14. 炉边夜话——深入浅出话AI [汪建　著]
15. 电商运营与管理 [钟肖英 陈潇]
16. Java面向对象程序设计 [主编 姜春磊 陈虹洁]
17. 信息技术基础（Windows 10+WPS Office）（微课版） [主编　石利平　田辉平　谢盛嘉]
18. 人工智能应用 [主编　陈　萍　刘培培　陈孟军]
19. 大学生职业发展与就业指导 [主编　刘志坚]
20. 高级办公应用项目教程 [主编 屈晶 赵成丽]
21. 微信小程序开发项目实战（微课版） [主编 黄龙泉 郭峰 朱倩]
22. 企业档案工作实战宝典百问百答 [华俊 卢秀英 邵甜甜 著]
23. 计算机网络原理及应用 [主编 唐继勇 叶坤 孙梦娜]
24. 大学生创业基础 [主编 王丽莉 王 杨]
25. 船舶辅机 [主编 王连海 于洋 姜淑翠]
26. 大学生就业指导 [主编 王丽莉 董宴廷]
27. 系统架构设计师章节习题与考点特训 [主编 薛大龙 邹月平]
28. 高校学生工作探索与实践 [郭亮 著]
29. 大学生情商管理 [方雄 著]
30. 2023年长沙市会展业发展报告 [主编 周栋良]