本书介绍了人工智能技术发展进程三次高潮的主要成果：第一次高潮的以符号主义为代表的经典人工智能技术、第二次高潮的经典人工神经网络、第三次高潮的以深度学习网络为代表的新一代人工智能技术。让读者既能了解人工智能技术的发展历史以及人工智能经典及实用的关键技术，又能掌握人工智能近年来最新发展的技术。本书共12章，具体包括绪论、人脑认知、经典人工智能、经典人工神经网络、优化与智能计算、统计学习方法、深度学习、强化学习、自然语言处理、智能机器人、人工智能大模型及其应用、面向大模型实践的优化训练。为了便于读者理解，在介绍关键技术的同时，列举了一些应用实例；主要章节后均附有习题。 　　本书结合了编者多年来从事人工智能科研和教学的经验，注重内容的实用性和先进性。本书可作为普通高等院校理工科专业的“人工智能”通识课程的教材，也可作为相关科研人员的参考书。 　　本书配有电子课件和习题答案，选用本书作教材的教师可登录www.cmpedu.com注册后下载，或发邮件至jinacmp@163.com索取。

高等院校教师

目录
前言
第1章绪论
导读
1.1人工智能的定义
1.2人工智能的诞生
1.3人工智能研究的各种学派及其理论
1.4人工智能的研究及应用领域
本章小结
参考文献
第2章人脑认知
导读
2.1脑科学与脑认知
2.2脑构造与脑神经
2.3视觉和听觉感知
2.4记忆与思维认知
本章小结
习题
参考文献
第3章经典人工智能
导读
3.1知识表示方法
3.2搜索技术
3.3知识推理
3.4不确定性推理
本章小结
习题
参考文献
第4章经典人工神经网络
导读
4.1人工神经网络概述
4.2单层前向网络分类器
4.3多层前向网络
4.4单层反馈网络
本章小结
习题
参考文献
第5章优化与智能计算
导读
5.1优化的基本概念
5.2凸优化、梯度下降与随机梯度
5.3智能优化方法
本章小结
习题
参考文献
第6章统计学习方法
导读
6.1统计学习的基本概念
6.2最小二乘与压缩感知
6.3支持向量机及核方法
6.4决策树、集成学习和随机森林
6.5无监督学习
本章小结
习题
参考文献
第7章深度学习
导读
7.1深度学习概述
7.2卷积神经网络
7.3循环神经网络
7.4长短期记忆网络
7.5深度学习在图像语义分割中的应用
本章小结
习题
参考文献
第8章强化学习
导读
8.1什么是强化学习
8.2强化学习基础
8.3基于模型的强化学习方法
8.4无模型的强化学习方法
8.5基于直接策略搜索的强化学习方法
8.6强化学习前沿
本章小结
习题
参考文献
第9章自然语言处理
导读
9.1自然语言处理概述
9.2自然语言处理基础
9.3文本解析
9.4文本向量化表示
9.5语言模型与预测
9.6机器翻译
本章小结
习题
参考文献
第10章智能机器人
导读
10.1智能机器人的分类
10.2智能机器人的相关技术
10.3智能机器人的现状
10.4智能机器人的广泛应用
10.5工业智能机械臂
10.6智能汽车
10.7脑控机器人
本章小结
习题
参考文献
第11章人工智能大模型及其应用
导读
11.1Transformer核心机制及模型架构
11.2Transformer 的进阶模型
11.3人工智能大模型应用——生成式人工智能
11.4人工智能大模型应用——具身智能
本章小结
习题
参考文献
第12章面向大模型实践的优化训练
导读
12.1模型轻量化
12.2模型微调
12.3持续学习
12.4非训练的任务适应方法
本章小结
习题
参考文献