人工智能网站

教材介绍

刘峡壁，人工智能导论-方法与系统，国防工业出版社，2008年08月.

本书以人工智能的哲学基础和工程实践为主线，系统全面地介绍人工智能的核心知识和最新进展。目的在于帮助读者建立起对于人工智能的总体认识，为以后进入人工智能各分支的研究和应用奠定基础。

哲学基础涵盖目前实现人工智能的六大类思想和方法，分别是（1）符号主义，分为基于搜索的问题求解和基于知识的推理两个主题；（2）连接主义，即人工神经网络；（3）学习主义，指机器学习方法；（4）行为主义，含智能体和强化学习；（5）进化主义，指遗传算法、进化规划、进化策略这三种进化计算方法；（6）群体主义，分为多智能体系统和群智能优化方法两个部分。群智能优化方法包括蚁群优化算法和粒子群优化算法。工程实践涉及具有代表性和广泛应用性的人工智能系统—专家系统，以及实现人工智能的软硬件条件，包括两种智能程序设计语言（LISP、PROLOG）和三种下一代智能计算机（光计算机、量子计算机、生物计算机）。

除了这些主要内容以外，本书还有两项特色性的辅助内容：（1）在每一章最后推荐了深入学习资源，为希望更加透彻地理解和思考有关问题的读者提供获取相应信息的地图。（2）在附录部分提供了汉英-英汉术语对照与索引，有助于读者形成人工智能的英文概念体系，获得查询和阅读有关英文文献的初步能力。

本书可作为相关专业本科生和研究生的人工智能教材，也可供从事人工智能研究和应用的专业技术人员参考。

教材介绍

刘峡壁、马霄虹、高一轩，人工智能-机器学习与神经网络，国防工业出版社，2020年8月。

本书以人工智能实现算法为视角，系统阐述机器学习与人工神经网络这两个彼此紧密联系的人工智能实现途径中的主要问题与解决方法。

对于机器学习，在深入理解机器学习任务与关键问题的基础上，探讨监督学习、非监督学习、半监督学习、强化学习这四大类归纳学习问题的本质特性及其解决方案，同时论述作为归纳学习基础的相似性计算问题及其解决方法。

对于人工神经网络，按照其关键问题是网络拓扑结构与学习方法的认识，分为前馈网络与反馈网络这两大类网络结构，阐述各自的主要计算模型及其学习方法。其中，前馈网络模型包括感知器、Adaline网络、BP网络、卷积神经网络、全卷积网络、U型网络、残差网络、深度信念网络、自编码器网络，以及径向基函数网络与自组织映射网；反馈网络模型包括稳定型反馈网络（霍普费尔德网络、玻尔兹曼机）与时序型反馈网络（乔丹网络、艾尔曼网络、LSTM网络、双向反馈网络）。

本书最后对机器学习与人工神经网络下一步的发展趋势进行了展望，包括小样本学习、相似度计算、网络结构学习、网络可视化、以及传统方法与神经网络的合流。

课程学习	练习题
资源共享	成果展示

人工智能 Artificial Intelligence

人工智能教学网站

友情链接