本書介紹了人工智能的發(fā)展歷史､基本流派､研究領(lǐng)域, 知識表示方法和推理技術(shù)､圖搜索技術(shù), 專家系統(tǒng)及其開發(fā)工具的使用和設(shè)計方法,模糊理論及應用, 機器學習和神經(jīng)網(wǎng)絡, 卷積神經(jīng)網(wǎng)絡, 混沌理論, 智能優(yōu)化算法原理和應用, 多智能體技術(shù)等內(nèi)容｡
本書是作者在多年教學和科研實踐的基礎(chǔ)上, 參閱了國內(nèi)外現(xiàn)有教材和相關(guān)文獻后編寫的｡全書注重理論與實踐的結(jié)合, 注重算法的實際應用與實現(xiàn)方法, 注重創(chuàng)新思維的訓練與培養(yǎng)｡
本書可作為高等院校人工智能､自動化､電氣工程及其自動化､計算機科學與技術(shù)､電子信息工程等專業(yè)學生“人工智能” 課程的本科生､研究生教材, 也可供從事人工智能研究與應用的科技工作者學習參考｡
前言
自古以來, 人類一直幻想著能夠制造出具有智能的機器, 很多美麗的傳說都蘊含著這樣的思想｡隨著計算機技術(shù)的出現(xiàn)和發(fā)展, 這種幻想終于逐漸得以實現(xiàn)｡
從1956 年的達特茅斯會議開始, 人工智能歷經(jīng)60 多年的坎坷發(fā)展, 終于成為目前相對比較完善的學科, 無數(shù)的科技工作者為人工智能的發(fā)展做出了大量不可磨滅的貢獻｡在此,我們懷著崇敬的心情對人工智能的先驅(qū)者們表示由衷的敬佩｡
人工智能是一門涉及認知科學､神經(jīng)生物學､心理學､計算機科學､數(shù)學､信息與控制科學等諸多學科的交叉性､前沿性學科｡其研究內(nèi)容包括知識工程､專家系統(tǒng)､機器學習､神經(jīng)網(wǎng)絡､模式識別､優(yōu)化計算等多個應用領(lǐng)域, 受到國內(nèi)外研究學者的普遍重視｡尤其是最近十年來, 人工智能的成果大量地應用到人們的生活中, 人工智能的神秘面紗也逐漸被大眾揭開｡
AlphaGo 的出現(xiàn), 促使深度學習､神經(jīng)網(wǎng)絡等人工智能專業(yè)詞匯在大眾人群中得到了普及｡大量的人工智能技術(shù)及產(chǎn)品也隨之涌現(xiàn)出來, 人們突然意識到人工智能的快速崛起｡從2015 年開始, 我國積極鼓勵､推動和支持人工智能技術(shù)的發(fā)展, 并大力推動機器人技術(shù)的發(fā)展｡2015 年5 月20 日, 國務院印發(fā)《中國制造2025》, 部署全面推進實施制造強國戰(zhàn)略｡“智能制造” 被定位為中國制造的主攻方向｡2015 年7 月5 日, 國務院印發(fā)《“互聯(lián)網(wǎng)+” 行動指導意見》, 提出大力發(fā)展智能制造｡以智能工廠為發(fā)展方向, 開展智能制造試點示范, 加快推動云計算､物聯(lián)網(wǎng)､智能工業(yè)機器人､智能制造等技術(shù)在生產(chǎn)過程中的應用, 推進生產(chǎn)裝備智能化升級､工藝流程改造和基礎(chǔ)數(shù)據(jù)共享, 著力在工控系統(tǒng)､智能感知元器件､工業(yè)云平臺､操作系統(tǒng)和工業(yè)軟件等核心環(huán)節(jié)取得突破, 加強工業(yè)大數(shù)據(jù)的開發(fā)與利用, 有效支撐制造業(yè)智能化轉(zhuǎn)型, 構(gòu)建開放､共享､協(xié)作的智能制造產(chǎn)業(yè)生態(tài)｡2016 年4月, 工信部､國家發(fā)改委､財政部聯(lián)合發(fā)布《機器人產(chǎn)業(yè)發(fā)展規(guī)劃(2016—2020 年)》, 為“十三五” 期間我國機器人產(chǎn)業(yè)發(fā)展描繪了清晰的藍圖｡2016 年5 月23 日, 發(fā)改委､科技部､工信部和網(wǎng)信辦聯(lián)合印發(fā)《“互聯(lián)網(wǎng)+” 人工智能三年行動實施方案》｡方案中指出, 到2018 年, 中國將基本建立人工智能產(chǎn)業(yè)體系､創(chuàng)新服務體系和標準化體系, 培育若干全球領(lǐng)先的人工智能骨干企業(yè), 形成千億級的人工智能市場應用規(guī)模｡方案提出, 為降低人工智能創(chuàng)新成本, 中國將建設(shè)面向社會開放的文獻､語音､圖像､視頻､地圖及行業(yè)應用數(shù)據(jù)等多類型人工智能海量訓練資源庫和標準測試數(shù)據(jù)集｡國家還將建設(shè)滿足深度學習等智能計算需求的基礎(chǔ)資源服務平臺, 包括新型計算集群共享平臺､云端智能分析處理服務平臺､算法與技術(shù)開放平臺等｡2016 年7 月28 日, 國務院印發(fā)《“十三五” 國家科技創(chuàng)新規(guī)劃》｡該規(guī)劃在“新一代信息技術(shù)” 中提到人工智能: 重點發(fā)展大數(shù)據(jù)驅(qū)動的類人智能技術(shù)方法; 突破以人為中心的人機物融合理論方法和關(guān)鍵技術(shù), 研制相關(guān)設(shè)備､工具和平臺; 在基于大數(shù)據(jù)分析的類人智能方向取得重要突破, 實現(xiàn)類人視覺､類人聽覺､類人語言和類人思維, 支撐智能產(chǎn)業(yè)的發(fā)展｡2016 年9 月1 日, 《國家發(fā)展改革委辦公廳關(guān)于請組織申報“互聯(lián)網(wǎng)+”領(lǐng)域創(chuàng)新能力建設(shè)專項的通知》出臺, 其中提到了人工智能的發(fā)展應用問題｡為構(gòu)建“互聯(lián)網(wǎng)+” 領(lǐng)域創(chuàng)新網(wǎng)絡, 促進人工智能技術(shù)的發(fā)展, 應將人工智能技術(shù)納入專項建設(shè)內(nèi)容｡
2016 年12 月19 日, 國務院印發(fā)《“十三五” 國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》的通知, 要求發(fā)展人工智能, 培育人工智能產(chǎn)業(yè)生態(tài), 促進人工智能在經(jīng)濟社會重點領(lǐng)域推廣應用, 打造國際領(lǐng)先的技術(shù)體系｡2017 年3 月“人工智能” 首次寫入政府工作報告｡2017 年7 月, 國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》的通知, 指出發(fā)展人工智能是一項事關(guān)全局的復雜系統(tǒng)工程, 要按照“構(gòu)建一個體系､把握雙重屬性､堅持三位一體､強化四大支撐” 進行布局, 形成人工智能健康持續(xù)發(fā)展的戰(zhàn)略路徑｡2017 年10 月, 人工智能寫入十九大報告｡
2017 年12 月13 日, 工信部印發(fā)《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃(2018—2020 年) 》, 明確了人工智能2018—2020 年在推動戰(zhàn)略性新興產(chǎn)業(yè)總體突破､推進供給側(cè)結(jié)構(gòu)性改革､振興實體經(jīng)濟､建設(shè)制造強國和網(wǎng)絡強國方面的重大作用和具體目標｡
國家政策的強有力支持, 促進了人工智能產(chǎn)業(yè)的迅速發(fā)展｡人工智能技術(shù)發(fā)展速度之快令人驚訝, 新的研究內(nèi)容以及理論方法更新之快令人目不暇接｡
本書內(nèi)容兼顧人工智能的經(jīng)典知識和前沿技術(shù), 著重于基本理論與實際應用相結(jié)合, 強調(diào)內(nèi)容的新穎性､先進性､實用性和可讀性｡
目錄
前 言
第1 章 緒論 1
1. 1 人工智能的起源與發(fā)展 1
1. 2 人工智能學術(shù)流派 4
1. 3 人工智能的研究與應用領(lǐng)域 6
習題 10
第2 章 知識表示和推理 11
2. 1 知識和知識表示的基本概念 11
2. 2 命題邏輯 14
2. 2. 1 語法 14
2. 2. 2 語義(Semantics) 15
2. 2. 3 命題演算(Calculas) 形式系統(tǒng) 16
2. 3 謂詞邏輯 17
2. 3. 1 語法 18
2. 3. 2 語義 21
2. 4 歸結(jié)推理 25
2. 4. 1 子句集及其簡化 26
2. 4. 2 海伯倫定理 29
2. 4. 3 Robinson 歸結(jié)原理 33
2. 4. 4 利用Robinson 歸結(jié)原理實現(xiàn)定理
證明 38
2. 4. 5 應用歸結(jié)原理求解問題 42
2. 5 產(chǎn)生式系統(tǒng) 43
2. 5. 1 產(chǎn)生式系統(tǒng)的組成部分 44
2. 5. 2 產(chǎn)生式系統(tǒng)的控制策略 45
2. 5. 3 產(chǎn)生式系統(tǒng)的推理方式 46
2. 6 語義網(wǎng)絡表示法 47
2. 6. 1 語義網(wǎng)絡的結(jié)構(gòu) 47
2. 6. 2 基本命題的語義網(wǎng)絡表示 47
2. 6. 3 語義網(wǎng)絡的知識表示方法 50
2. 6. 4 語義網(wǎng)絡表示法的特點 54
2. 7 框架表示法 54
2. 8 狀態(tài)空間表示法 56
2. 9 與或圖表示法 57
習題 58
第3 章 圖搜索技術(shù) 59
3. 1 問題的提出 59
3. 2 狀態(tài)圖搜索 61
3. 2. 1 狀態(tài)圖搜索分類 61
3. 2. 2 窮舉式搜索 63
3. 2. 3 啟發(fā)式搜索 66
3. 2. 4 A 算法及A∗算法 69
3. 3 與或圖搜索 71
3. 3. 1 與或圖 71
3. 3. 2 與或圖搜索 72
3. 4 博弈圖搜索 76
3. 4. 1 博弈圖 76
3. 4. 2 極大極小分析法 78
3. 4. 3 剪枝技術(shù) 80
習題 81
第4 章 專家系統(tǒng) 82
4. 1 專家系統(tǒng)的概述 82
4. 1. 1 專家系統(tǒng)的概念與特點 82
4. 1. 2 專家系統(tǒng)和傳統(tǒng)程序的區(qū)別 83
4. 1. 3 專家系統(tǒng)的類型 83
4. 2 專家系統(tǒng)的結(jié)構(gòu) 84
4. 3 專家系統(tǒng)的設(shè)計原則與開發(fā)過程 85
4. 3. 1 專家系統(tǒng)的設(shè)計原則 85
4. 3. 2 專家系統(tǒng)的開發(fā)過程 86
4. 4 專家系統(tǒng)評價 87
4. 5 MYCIN 專家系統(tǒng)實例分析 88
4. 6 專家系統(tǒng)開發(fā)工具 90
4. 6. 1 骨架型開發(fā)工具 90
4. 6. 2 語言型開發(fā)工具 91
4. 6. 3 構(gòu)造輔助工具 91
4. 6. 4 支撐環(huán)境 92
4. 7 Prolog 語言 93
4. 7. 1 Prolog 語言的特點 93
4. 7. 2 基本Prolog 的程序結(jié)構(gòu) 94
4. 7. 3 Prolog 程序的運行機理 95
4. 7. 4 Turbo Prolog 程序結(jié)構(gòu) 97
4. 7. 5 Turbo Prolog 的數(shù)據(jù)與表達式 98
4. 7. 6 Visual Prolog 介紹 103
4. 7. 7 PIE: Prolog 的推理機 107
習題 109
第5 章 模糊理論及應用 110
5. 1 模糊理論的產(chǎn)生與發(fā)展 110
5. 2 模糊理論的數(shù)學基礎(chǔ) 111
5. 2. 1 經(jīng)典集合論的基本概念 111
5. 2. 2 模糊集合的基本概念 112
5. 2. 3 模糊關(guān)系與復合運算 115
5. 3 模糊推理 117
5. 3. 1 模糊條件語句 117
5. 3. 2 模糊推理 120
5. 4 模糊控制系統(tǒng)及模糊控制器 122
5. 4. 1 模糊控制系統(tǒng)的基本結(jié)構(gòu) 122
5. 4. 2 模糊控制器 123
5. 4. 3 模糊控制器的設(shè)計 124
5. 4. 4 模糊PID 控制器的設(shè)計 130
5. 5 模糊聚類分析與模糊模式識別 133
5. 5. 1 模糊聚類分析 134
5. 5. 2 模糊模式識別 137
5. 6 模糊聚類應用案例分析 138
習題 143
第6 章 機器學習和神經(jīng)網(wǎng)絡 144
6. 1 機器學習的基本概念和發(fā)展史 144
6. 2 經(jīng)典機器學習方法 145
6. 3 基于神經(jīng)網(wǎng)絡的學習 148
6. 3. 1 神經(jīng)網(wǎng)絡概述 148
6. 3. 2 人工神經(jīng)網(wǎng)絡模型 149
6. 4 BP 神經(jīng)網(wǎng)絡 153
6. 4. 1 網(wǎng)絡結(jié)構(gòu) 153
6. 4. 2 網(wǎng)絡學習算法 154
6. 4. 3 BP 網(wǎng)絡的改進算法 156
6. 4. 4 BP 神經(jīng)網(wǎng)絡的特點 157
6. 4. 5 神經(jīng)網(wǎng)絡應用實例解析 158
6. 5 RBF 神經(jīng)網(wǎng)絡 160
6. 5. 1 徑向基函數(shù) 160
6. 5. 2 徑向基函數(shù)網(wǎng)絡結(jié)構(gòu) 162
6. 5. 3 網(wǎng)絡學習算法 162
6. 5. 4 RBF 網(wǎng)與BP 網(wǎng)的對比 163
6. 6 CMAC 神經(jīng)網(wǎng)絡 164
6. 6. 1 CMAC 網(wǎng)絡結(jié)構(gòu) 164
6. 6. 2 網(wǎng)絡學習算法 164
6. 6. 3 CMAC 網(wǎng)絡的特點 166
6. 7 Hopfield 神經(jīng)網(wǎng)絡 166
6. 7. 1 離散型Hopfield 網(wǎng)絡 167
6. 7. 2 連續(xù)型Hopfield 網(wǎng)絡 168
6. 8 Elman 神經(jīng)網(wǎng)絡 171
6. 8. 1 Elman 神經(jīng)網(wǎng)絡結(jié)構(gòu) 171
6. 8. 2 Elman 神經(jīng)網(wǎng)絡學習算法 172
6. 9 模糊神經(jīng)網(wǎng)絡 172
6. 9. 1 網(wǎng)絡結(jié)構(gòu) 173
6. 9. 2 學習過程 174
6. 10 其他類型的神經(jīng)網(wǎng)絡介紹 175
習題 178
第7 章 卷積神經(jīng)網(wǎng)絡及TensorFlow
應用實踐 179
7. 1 卷積神經(jīng)網(wǎng)絡發(fā)展簡介 179
7. 2 卷積神經(jīng)網(wǎng)絡工作原理 179
7. 3 TensorFlow 學習 185
7. 3. 1 TensorFlow 簡介 185
7. 3. 2 TensorFlow 中的函數(shù)和相關(guān)
運算 190
7. 3. 3 卷積函數(shù) 194
7. 3. 4 池化函數(shù) 196
7. 4 利用TensorFlow 進行圖像處理 197
7. 4. 1 圖像的讀取與存儲 197
7. 4. 2 圖像處理常用函數(shù) 197
7. 5 卷積神經(jīng)網(wǎng)絡在MNIST 的應用
實例 201
習題 212
第8 章 混沌
書單推薦
