新書推薦：
《
鲍文家庭系统治疗
》
售價：HK$
152.9
《
罗马统治下的希腊：前146-716（罗马征服以来的希腊史）
》
售價：HK$
132.0
《
余音不绝：接着讲宗教史（精装）
》
售價：HK$
52.8
《
三国演义 七色汇评本 精装简体横排 （全3册）
》
售價：HK$
327.8
《
唐宋“古文运动”与士大夫文学 中华学术 有道
》
售價：HK$
96.8
《
上古中国的神：先秦时期的彼岸世界
》
售價：HK$
96.8
《
君臣共天下：一本书读懂东晋门阀
》
售價：HK$
95.7
《
第3选择
》
售價：HK$
96.8
|
| 編輯推薦： |
|
本书为人工智能基础课教材，内容安排合理，讲解清晰易懂，配套资源丰富，方便教与学。
|
| 內容簡介： |
本书首先概述了人工智能的基本概念、研究内容、研究途径与方法、分支领域与研究方向、应用前景、历史沿革、现状与趋势，勾画了人工智能学科的总体架构； 然后概略而简要地阐述了人工智能各分支的基本原理、基本技术、研究课题和发展概况。全书共6篇21章，内容全面、基础、经典而新颖。
來源：香港大書城megBookStore,http://www.megbook.com.hk
本书结构合理、层次分明、条理清楚、理例结合、图文并茂、深入浅出、详略得当、纸电结合、易读易懂、易教易学。
本书适合作为全国高等学校人工智能专业和计算机类、自动化类及电子信息类各专业本科生人工智能基础或前导课程的教材，也可作为非人工智能专业的研究生教材或教参，还可供对人工智能感兴趣的广大读者自学或参考。
|
| 目錄：
|
第1篇概述与工具
第1章人工智能概述
1.1什么是人工智能
1.1.1人工智能的概念
1.1.2图灵测试和中文屋子
1.1.3脑智能和群智能
1.1.4符号智能、连接智能和计算智能
1.1.5统计智能和交互智能
1.2为什么要研究人工智能
1.2.1人工智能的研究意义
1.2.2人工智能的研究目标和策略
1.3人工智能的相关学科
1.4人工智能的研究内容
1.4.1搜索与求解
1.4.2知识与推理
1.4.3学习与发现
1.4.4发明与创造
1.4.5感知与响应
1.4.6理解与交流
1.4.7记忆与联想
1.4.8竞争与协作
1.4.9系统与建造
1.4.10应用与工程
1.5人工智能的研究途径与方法
1.5.1心理模拟，符号推演
1.5.2生理模拟，神经计算
1.5.3行为模拟，控制进化
1.5.4群体模拟，仿生计算
1.5.5博采广鉴，自然计算
1.5.6着眼数据，统计建模
1.6人工智能的应用
1.6.1难题求解
1.6.2自动规划、调度与配置
1.6.3机器博弈
1.6.4机器翻译与机器写作
1.6.5机器定理证明
1.6.6自动程序设计
1.6.7智能控制
1.6.8智能管理
1.6.9智能决策
1.6.10智能通信
1.6.11智能预测
1.6.12智能仿真
1.6.13智能设计与制造
1.6.14智能车辆与智能交通
1.6.15智能诊断与治疗
1.6.16智能生物信息处理
1.6.17智能教育
1.6.18智能人机接口
1.6.19模式识别
1.6.20智能机器人
1.6.21数据挖掘与知识发现
1.6.22计算机辅助创新
1.6.23计算机文艺创作
1.6.24个人智能助理
1.7人工智能的分支领域与研究方向
1.8人工智能学科的发展概况
1.8.1孕育与诞生
1.8.2符号主义先声夺人
1.8.3连接主义不畏坎坷
1.8.4计算智能异军突起
1.8.5统计智能成就卓越
1.8.6智能主体一统江湖，Agent & Robot
1.8.7知识工程东山再起，机器学习领衔高歌
1.8.8大语言模型横空出世，多模态生成式令人惊愕
1.8.9现状与趋势
习题1
第2章人工智能程序设计语言
2.1概述
2.1.1函数型语言
2.1.2逻辑型语言
2.1.3面向对象语言
2.1.4计算型语言
2.1.5混合型语言
2.2知识工程经典语言PROLOG
2.2.1PROLOG的语句
2.2.2PROLOG程序
2.2.3PROLOG程序的运行机理
2.3机器学习流行语言Python
2.3.1Python的特点和优势
2.3.2Python程序举例
习题2
第2篇搜索与求解
第3章图搜索与问题求解
3.1状态图与状态图搜索
3.1.1状态图
3.1.2状态图搜索
3.1.3穷举式搜索
3.1.4启发式搜索
3.1.5加权状态图搜索
3.1.6A算法和A*算法
3.1.7状态图搜索策略小结
3.2状态图搜索问题求解
3.2.1问题的状态图表示
3.2.2状态图问题求解程序举例
3.3与或图和与或图搜索
3.3.1与或图
3.3.2与或图搜索
3.3.3启发式与或树搜索
3.4与或图搜索问题求解
3.4.1问题的与或图表示
3.4.2与或图问题求解程序举例
3.5博弈树搜索*
3.5.1博弈树的概念
3.5.2极小极大分析法
3.5.3αβ剪枝技术
习题3
第4章基于遗传算法的随机优化搜索
4.1基本概念
4.2基本遗传算法
4.3遗传算法应用举例
4.4遗传算法的特点与优势
习题4
第3篇知识与推理
第5章基于一阶谓词的机器推理
5.1一阶谓词逻辑
5.1.1谓词，函数，量词
5.1.2谓词公式
5.1.3永真式与推理规则
5.1.4自然语言命题的谓词形式表示
5.1.5基于谓词公式的形式演绎推理
5.2归结演绎推理
5.2.1子句与子句集
5.2.2命题逻辑中的归结原理
5.2.3替换与合一
5.2.4谓词逻辑中的归结原理
5.3应用归结原理求取问题答案
延伸学习导引
习题5
第6章基于产生式规则的机器推理
6.1产生式规则
6.1.1产生式规则与推理网络
6.1.2基于产生式规则的推理模式
6.2产生式系统
6.2.1系统结构
6.2.2运行过程
6.2.3控制策略与常用算法
6.2.4程序实现
6.3产生式系统与图搜索问题求解
习题6
第7章几种结构化知识表示及其推理
7.1元组
7.2框架
7.2.1框架的概念
7.2.2框架的表达能力
7.2.3基于框架的推理
7.2.4框架的程序语言实现
7.3语义网络
7.3.1语义网络的概念
7.3.2语义网络的表达能力
7.3.3基于语义网络的推理
7.3.4语义网络的程序语言实现
7.4知识图谱
7.5类与对象
习题7
第8章不确定和不确切性知识的表示与推理
8.1概述
8.2不确定性知识的表示及推理
8.2.1不确定性知识的表示
8.2.2不确定性推理
8.2.3确定性理论
8.3基于贝叶斯网络的概率推理
8.3.1什么是贝叶斯网络
8.3.2用贝叶斯网络表示不确定性知识
8.3.3基于贝叶斯网络的因果推理和诊断推理
8.4不确切性知识的表示及推理
8.4.1软语言值及其数学模型
8.4.2不确切性知识的表示
8.4.3基于软语言规则的推理
8.4.4基于模糊集合与模糊关系的模糊推理*
8.4.5对模糊推理的简单评述*
延伸学习导引
习题8
第4篇学习与发现
第9章机器学习： 符号学习与交互学习
9.1机器学习概述
9.1.1机器学习的概念
9.1.2机器学习的原理
9.1.3机器学习的分类
9.2几种典型的(符号)学习方法
9.2.1记忆学习
9.2.2示例学习
9.2.3演绎学习
9.2.4类比学习
9.2.5解释(分析)学习
9.2.6发现学习
9.3决策树学习
9.3.1什么是决策树
9.3.2如何学习决策树
9.3.3决策树学习的ID3算法
9.3.4决策树学习的发展
9.4强化学习
9.4.1简单原理
9.4.2价值函数、Q函数和Q学习算法
9.4.3强化学习的发展概况
习题9
第10章统计学习
10.1概述
10.2几种基本判别模型的学习
10.2.1回归问题的线性函数模型学习，梯度下降法
10.2.2分类问题的线性判别函数模型学习
10.2.3分类问题的Logistic回归模型学习，梯度上升法
10.3监督学习中的几个问题
10.3.1监督学习的主要工作及步骤
10.3.2准则函数的演变
10.3.3过拟合，欠拟合，正则化
10.3.4模型与学习方法的分类
10.4支持向量机简介
10.4.1最大间隔超平面
10.4.2线性可分支持向量机
10.4.3线性支持向量机和非线性支持向量机
延伸学习导引
习题10
第11章神经网络学习
11．1从生物神经元到人工神经元
11．2神经网络及其学习
11．2．1神经网络的拓扑结构与功能
11.2.2神经网络的学习机理与方法
11.2.3神经网络模型及其分类
11.3感知器及其学习举例
11.4BP网络及其学习举例
11.5深度学习
11.5.1什么是深度学习
11.5.2深度学习的优势
11.5.3深度学习的发展和扩展
11.5.4深度学习框架与平台
延伸学习导引
习题11
第12章数据挖掘与知识发现
12.1引言
12.2概述
12.2.1数据挖掘的一般过程
12.2.2数据挖掘的对象
12.2.3数据挖掘的任务
12.2.4数据挖掘的方法
12.2.5数据挖掘工具与平台
12.3关联规则发现
12.3.1什么是关联规则
12.3.2关联规则的发现机理和方法
12.3.3发现关联规则的Apriori算法
12.3.4关联规则的类型和挖掘算法
12.4k均值聚类算法
12.5大数据挖掘与分布式学习
12.5.1分布式并行计算模型和框架
12.5.2Spache Hadoop(MapReduce)简介
12.5.3基于MapReduce的分布式机器学习
习题12
第5篇感知与响应，理解与交流
第13章模式识别
13.1概述
13.1.1模式、模式类与模式识别
13.1.2模式的表示
13.1.3模式识别系统工作原理
13.1.4模式识别方法分类
13.2统计模式识别
13.2.1距离分类法
13.2.2几何分类法
13.2.3概率分类法
13.3朴素贝叶斯分类算法
13.4概率密度函数估计
13.4.1概述
13.4.2最大似然估计
延伸学习导引
习题13
第14章数语互换*
14.1数语转换——从感知到表达
14.2语数转换——从决策到行动
14.3带数语互换接口的推理系统
延伸学习导引
习题14
第15章自然语言处理
15.1自然语言处理的途径、方法和发展概况
15.2基于规则的自然语言理解
15.2.1简单句理解
15.2.2复合句理解
15.2.3转换文法和转换网络
15.3统计语言模型
15.4神经语言模型
15.4.1词元与编码
15.4.2前馈神经网络语言模型
15.4.3循环神经网络语言模型
15.4.4长短期记忆神经网络语言模型
延伸学习导引
习题15
第16章大语言模型
16．1大语言模型概述
16．1．1什么是大语言模型
16．1．2为什么要建大语言模型
16．1．3大语言模型发展概况
16．2大语言模型的技术脉络
16．2．1技术发展路线图
16．2．2Seq2Seq
16．2．3Transformer
16．3大语言模型开发与构建
16．3．1模型设计与实现
16．3．2数据准备
16．3．3无监督预训练
16．3．4有监督微调
16.3.5人类对齐学习
16.3.6提示学习与提示工程
16.3.7DeepSeek的后训练新途径
16.3.8大语言模型构建路线
16．4典型大语言模型简介
16．4．1BERT
16．4．2GPT
习题16
第17章多模态大模型与生成式人工智能
17．1多模态大模型
17．1．1多模态大模型的架构与运作
17．1．2多模态大模型的训练
17．1．3多模态大模型的发展概况
17．1．4MoE架构的多模态大模型
17．2生成式人工智能
17．2．1生成式人工智能发展概况
17．2．2生成模型的类型
17．2．3生成对抗网络模型
17．2．4扩散模型
17．3大模型与生成式人工智能的应用、性能、问题与对策
17．4当前趋势及其他思路和范式
习题17
第6篇系统与建造
第18章专家(知识)系统
18.1基本概念
18.2系统结构
18.3系统设计与实现
18.4开发工具与环境
18.5专家系统的发展
习题18
第19章Agent系统
19.1什么是Agent
19.1.1Agent的概念
19.1.2Agent的类型
19.2Agent的结构
19.3Agent实例——Web Agent
19.4多Agent系统
19.4.1多Agent系统的特征和研究内容
19.4.2多Agent系统的体系结构
19.4.3多Agent的合作与学习
19.5Agent的实现
19.6Agent技术的发展与应用
习题19
第20章智能机器人
20.1智能机器人的概念
20.2机器人感知
20.3机器人规划
20.4机器人控制
20.5机器人系统的软件结构
20.6机器人程序设计与语言
20.6.1机器人程序设计
20.6.2机器人程序设计语言
20.7机器人技术进展
习题20
第21章智能计算机与智能化网络
21.1智能计算机
21.1.1智能硬件平台和智能操作系统
21.1.2LISP机和PROLOG机
21.1.3人工智能芯片
21.1.4神经网络计算机，类脑芯片
21.1.5智能计算机发展展望
21.2智能化网络
21.2.1智能网
21.2.2智能Web
21.2.3网络的智能化管理与控制
21.2.4网上信息的智能化检索
21.2.5推荐系统
习题21
上机实习及指导
实习一PROLOG语言编程练习
实习二图搜索问题求解编程练习
实习三Python语言统计学习编程练习
实习四Python语言神经网络学习编程练习
实习五深度学习框架应用练习
实习六大语言模型编程或应用实践
中英文名词对照及索引
参考文献
|
| 內容試閱：
|
《人工智能导论》自2020年10月出版发行以来，得到广大读者的欢迎和好评。据不完全统计，该教材已被全国近百所院校选用。近年来，以大语言模型、多模态大模型和生成式AI为代表的人工智能新技术蓬勃发展，从而对人工智能的教学和教材提出了新的要求。为了与时俱进，我们对第1版教材做了相应的内容调整和知识更新，适时地推出了本书。
本书对第1版的内容进行适当修改和完善，着重添加了大语言模型、多模态大模型和生成式AI的有关内容。具体来讲，1.1节、1.6节、1.8节有补充； 原5.4节~5.6节被删除； 原8.3节被删除； 原13.2.3节有修改； 扩充了原15.3节，并添加了15.4节； 特别是添加了第16章和第17章，并修改、补充了原第16~19章，而重新编号为第18~21章。另外，对上机实习项目也做了适当调整。这样一来，全书增加到21章，但整体篇幅与第1版基本持平(目录中带星号的章节为选讲内容)。
与第1版相比，本书内容更加适合当前的人工智能教学，但仍然保持第1版的结构特点（仍然是6篇）和“全面、基础、经典、新颖”的知识体系。写法仍然保持层次分明、条理清楚、理例结合、图文并茂、深入浅出、详略得当的风格，并力求将复杂问题简单化，将艰涩理论通俗化，使得本书更加易读易懂、易教易学。这样，对于已经使用或正在使用第1版的教师来说，很容易过渡到本书。同时，本书的教学资源也将随书发布。
自大语言模型出现以来，人工智能呈现出前所未有的繁荣景象。近年来，从研发到应用涌现出了许多新范式和新技术，而且目前仍然在不断发展变化之中。在这样的情况下，要编写一部合适的新教材绝非易事。好在作者多年来一直关注和跟踪人工智能领域的变化和发展，这为本书的写作打下了基础。在写作过程中，作者又参阅了国内外大量文献资料，经过认真研究，反复斟酌、几经易稿，终于如期完成了编撰任务，使本书得以及时出版而与读者见面。
因视野和水平所限，尽管作者付出了很大努力，但书中的不足甚至错误之处仍在所难免。故恳请专家、同行不吝赐教，也希望选用本书的教师和读者提出宝贵意见和建议。
在本书出版之际，笔者要衷心感谢清华大学出版社计算机与信息分社社长魏江江编审、事业部主任黄芝和责任编辑安妮，以及美编、校对和印制等相关人员，正是在他们的策划、支持和付出下，本书才得以顺利完成和出版。特别是安妮编辑的高标准、严要求，对文、图、式一丝不苟的严谨态度和敬业精神令人感动。在此一并感谢那些为本书提供了信息资源的国内外专家、学者及所有为本书的撰写和出版提供过帮助和支持的人们！
作者
2025年3月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
