本書首先對人工智能的定義、歷史及國內(nèi)外發(fā)展趨勢等方面做了詳盡闡述，接著從Agent、搜索、推理、學習、進化、感知以及行動等方向分別對人工智能進行多角度的分析與學習，最后通過一些實際需求場景來說明人工智能在現(xiàn)今各領(lǐng)域方向的應(yīng)用。
本書可作為高等院校數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)、自動化、計算機等專業(yè)的本科或研究生課程教材，也可供計算機信息處理、自動控制、生物信息等領(lǐng)域從事人工智能方向研究的科技工作者和相關(guān)專業(yè)師生參考。
2008年北京師范大學博士畢業(yè)。2011年清華大學計算機流動站博士后出站�，F(xiàn)為信息學院計算機科學與技術(shù)系支部書記。
主要研究方向為計算機軟件系統(tǒng)（技能測評、教育軟件）、IPV6資源平臺等。
主持國家社科青年基金項目、國家博士后基金特別資助項目和面上項目各1項。
中國計算機學會高級會員，曾獲首都經(jīng)貿(mào)大學教學基本功大賽一等獎。
主講課程有Visual C#。
1人工智能的發(fā)展歷史和趨勢
11人工智能的定義、體系架構(gòu)和發(fā)展基礎(chǔ)
12人工智能的發(fā)展歷史
13人工智能最新進展及趨勢
2Agent
21Agent概念的提出及其定義
22Agent的環(huán)境及其性質(zhì)
23Agent的體系結(jié)構(gòu)
24Agent技術(shù)系統(tǒng)及其應(yīng)用
3搜索
31問題求解Agent的經(jīng)典搜索策略
32局部不確定性的超越經(jīng)典搜索
33對抗搜索與博弈
34約束條件求解
4推理
41推理的基本概念
42本體與知識表示
43邏輯Agent與邏輯命題
44一階邏輯及其推理
45量化不確定性
46概率推理
47簡單決策與復(fù)雜決策
5學習
51樣例學習
52學習中的知識和數(shù)據(jù)挖掘
53學習概率模型
54強化學習
55神經(jīng)網(wǎng)絡(luò)與深度學習
6進化
61遺傳算法原理
62蟻群算法原理
63多Agent進化原理
7感知
71模式識別
72自然語言處理
73機器翻譯與語音識別
74視覺感知智能
8行動
81機器人的硬件
82機器人的感知
83機器人的軟件結(jié)構(gòu)體系
84機器人的運動
85移動機器人的定位
86移動機器人的路徑規(guī)劃
87應(yīng)用案例
9人工智能的應(yīng)用
91人工智能應(yīng)用現(xiàn)狀
92人工智能的應(yīng)用領(lǐng)域
93人工智能的應(yīng)用實例
參考文獻
書單推薦
