本書內容主要涉及人工智能經(jīng)典及實用的關鍵技術，以及人工智能近年來*新發(fā)展的技術，具體包括人腦認知、經(jīng)典人工智能、經(jīng)典人工神經(jīng)網(wǎng)絡、優(yōu)化與智能計算、統(tǒng)計學習方法、深度學習、強化學習、自然語言處理、智能機器人。為了便于讀者理解，在介紹關鍵技術的同時，列舉了一些應用實例；主要章后均附有習題。
本書結合了編者多年來從事人工智能科研和教學的經(jīng)驗，注重內容的實用性和先進性。本書可作為普通高等院校理工科專業(yè)的“人工智能”通識課程的教材。
（責任編輯郵箱：jinacmp@163.com）
前言
第1章緒論
導讀
1.1人工智能的定義
1.2人工智能的誕生
1.3人工智能研究的各種學派及其理論
1.4人工智能的研究及應用領域
本章小結
參考文獻
第2章人腦認知
導讀
2.1腦科學與腦認知
2.2腦構造與腦神經(jīng)
2.3視覺和聽覺感知
2.4記憶與思維認知
本章小結
習題
參考文獻
第3章經(jīng)典人工智能
導讀
3.1知識表示方法
3.2搜索技術
3.3知識推理
3.4不確定性推理
本章小結
習題
參考文獻
第4章經(jīng)典人工神經(jīng)網(wǎng)絡
導讀
4.1人工神經(jīng)網(wǎng)絡概述
4.2單層前向網(wǎng)絡分類器
4.3多層前向網(wǎng)絡
4.4單層反饋網(wǎng)絡
本章小結
習題
參考文獻
第5章優(yōu)化與智能計算
導讀
5.1優(yōu)化的基本概念
5.2凸優(yōu)化、梯度下降與隨機梯度
5.3智能優(yōu)化方法
本章小結
習題
參考文獻
第6章統(tǒng)計學習方法
導讀
6.1統(tǒng)計學習的基本概念
6.2最小二乘與壓縮感知
6.3支持向量機及核方法
6.4決策樹、集成學習和隨機森林
6.5無監(jiān)督學習
本章小結
習題
參考文獻
第7章深度學習
導讀
7.1深度學習概述
7.2卷積神經(jīng)網(wǎng)絡
7.3循環(huán)神經(jīng)網(wǎng)絡
7.4長短期記憶網(wǎng)絡
7.5深度學習在圖像語義分割的應用
本章小結
習題
參考文獻
第8章強化學習
導讀
8.1什么是強化學習
8.2強化學習基礎
8.3基于模型的強化學習方法
8.4無模型的強化學習方法
8.5基于直接策略搜索的強化學習方法
8.6強化學習前沿
本章小結
習題
參考文獻
第9章自然語言處理
導讀
9.1自然語言處理概述
9.2自然語言處理基礎
9.3文本解析
9.4文本向量化表示
9.5語言模型與預測
9.6機器翻譯
本章小結
習題
參考文獻
第10章智能機器人
導讀
10.1智能機器人的分類
10.2智能機器人的相關技術
10.3智能機器人的現(xiàn)狀
10.4智能機器人的廣泛應用
10.5工業(yè)智能機械臂
10.6智能汽車
10.7腦控機器人
本章小結
習題
參考文獻
書單推薦
