內容全面：涵蓋了人工智能體系相關的大部分理論和技術知識。

實踐突出：書中提供了目前流行的多種人工智能框架實用案例。

針對性強：面向應用型本科，文理兼顧，符合大學生認知水平。

資源豐富：配套微課、課件、源碼等資源，方便讀者學習使用。

人工智能是當今社會的熱點領域，它產生于20世紀前期，經過漫長的發展，隨著計算機硬件的高速迭代更新，2012年在深度學習應用的支撐下再次引起了人們的注意。其中，最為亮眼的是Hiton大師的課題組首次參加ImageNet圖像識別比賽，AlexNet先生就得到該項賽事的冠軍。

新近出臺的《國家“十四五”發展綱要》也在人工智能領域留下了積極的發展信號，順應時代需求并為國家的發展不斷注入新的動力是中華兒女永遠不應背棄的追求。在這種新形勢和新周期的循環下，對大學生進行人工智能的理論和技術培養是一項任重而道遠的活動。由于深入研究并非一日之功，實際應用可能更平易近人，因此本書針對應用型本科學生和教師的特點，盡量在吸收前人對人工智能教育所做出的貢獻的基礎上，全面講述人工智能所涉及的基礎理論和它們的有趣應用，以培養大學生的人工智能素養。

本書編者長期從事人工智能導論課程的教授及應用，市面上的人工智能導論類教材內容較深，對于應用型本科的學生來說學習梯度過于陡峭，而過于簡單的科普類人工智能導論教材對于本科生來說又過于淺顯。所以，編寫一本針對應用型本科、文理兼顧，同時又有一定的實踐性的教材是我們編寫本書的初衷。在遵循人工智能理論完整性和與經典教材一致的基礎上，本書編者結合當前跨時代大學生群體的認知能力和認知愛好，并根據學習的需求將本書分為9章。本書內容涵蓋人工智能當前流行的大部分理論和技術知識，并以實踐應用為特色。本書以滿足應用型本科的人工智能選修和必修課程教學需求為主，同時也期望可以為其他層次的高等教育進行人工智能的理論啟蒙。

本書由河南牧業經濟學院王飛、潘立武任主編，河南牧業經濟學院王佳、河南省職工醫院朱彥霞、嘉興學院李端任副主編。編寫分工如下：第1章、第2章由王佳編寫，第3章和第9章由王飛編寫，第4～5章由朱彥霞編寫，第7～8章由潘立武編寫，第6章由李端編寫。全書由連衛民審稿，王飛統稿。

在本書的編寫過程中我們得到了許多同行的幫助和支持，參閱了大量的相關資料，在此向各位同行和相關作者表示誠摯的感謝。其中，鄭州科技學院的秦亞紅、杜遠坤，河南牧業經濟學院的李丹、扈少華，鄭州棉麻工程研究所的夏彬，蘇州大學的高影俊，許昌學院的路凱等也參與了本書編寫工作，對書稿的細節提出了寶貴意見。

由于編者水平有限和人工智能技術發展迅速，書中難免存在疏漏之處，懇請廣大讀者批評和指正。

編 者

2022年1月

第1章 緒論 1
1.1 人工智能概論 1
1.1.1 人工智能的定義 1
1.1.2 人工智能的發展史及流派 3
1.1.3 人工智能的研究目標和意義 7
1.1.4 人工智能的研究途徑 8
1.2 人工智能的現在和未來 9
1.2.1 人工智能的研究領域 10
1.2.2 人工智能的發展趨勢 13
1.3 本章小結 14
習題1 15
第2章 知識表示與推理 17
2.1 知識表示 17
2.1.1 知識的概念 17
2.1.2 知識的分類和特性 18
2.1.3 產生式表示法 20
2.1.4 框架表示法 23
2.1.5 其他表示法 26
2.2 知識推理 30
2.2.1 不確定性推理的概念和分類 30
2.2.2 概率推理 32
2.2.3 主觀Bayes方法 35
2.2.4 可信度方法 37
2.2.5 模糊推理 40
2.3 本章小結 46
習題2 46
第3章 圖搜索技術和問題求解 49
3.1 搜索策略概述 49
3.1.1 狀態空間表示法 50
3.1.2 盲目搜索 50
3.1.3 啟發式搜索 52
3.1.4 博弈搜索 57
3.2 狀態圖的搜索 60
3.2.1 狀態圖搜索策略 61
3.2.2 博弈樹搜索策略 64
3.3 實戰—應用爬蟲爬取新聞報道 69
3.4 本章小結 71
習題3 72
第4章 智能優化算法 74
4.1 智能優化算法概述 74
4.1.1 智能優化算法的相關概念 74
4.1.2 智能優化算法的分類 76
4.2 進化算法 80
4.2.1 遺傳算法 80
4.2.2 其他進化算法 85
4.3 集群智能算法 86
4.3.1 蟻群算法 86
4.3.2 粒子群算法 90
4.4 其他智能優化算法 93
4.4.1 模擬退火算法 93
4.4.2 禁忌搜索算法 96
4.5 實戰—應用遺傳算法解決問題 100
4.6 本章小結 106
習題4 107
第5章 機器學習 109
5.1 機器學習概述 109
5.1.1 機器學習的發展與分類 109
5.1.2 監督學習 112
5.1.3 無監督學習 117
5.1.4 半監督學習 119
5.1.5 強化學習 122
5.2 符號學習 123
5.2.1 記憶學習 123
5.2.2 歸納學習 124
5.2.3 演繹學習 134
5.3 實戰—線性回歸與決策樹 134
5.3.1 使用線性回歸預測房價 134
5.3.2 使用決策樹預測房價 144
5.4 本章小結 147
習題5 148
第6章 人工神經網絡與深度學習 150
6.1 人工神經網絡 150
6.1.1 神經元與神經網絡 150
6.1.2 神經網絡的類型 154
6.1.3 BP神經網絡 155
6.2 深度學習 156
6.2.1 深度學習與卷積網絡 156
6.2.2 textCNN模型 166
6.3 實戰—使用BP與CNN完成手寫數字識別 169
6.3.1 BP網絡手寫數字識別 169
6.3.2 CNN手寫數字識別 172
6.4 本章小結 175
習題6 176
第7章 專家系統 177
7.1 專家系統概述 177
7.1.1 專家系統的發展 177
7.1.2 專家系統的定義與特點 179
7.1.3 專家系統的分類 180
7.2 專家系統的原理 181
7.2.1 專家系統的一般結構 182
7.2.2 專家系統的基本工作原理 183
7.3 專家系統的開發過程 184
7.3.1 知識獲取和知識工程 184
7.3.2 專家系統的開發步驟 185
7.3.3 專家系統開發工具 188
7.4 專家系統實例 189
7.5 本章小結 193
習題7 193
第8章 模式識別與機器視覺 195
8.1 模式識別 195
8.1.1 模式識別的基本概念 195
8.1.2 模式識別的方法 196
8.1.3 模式識別過程 196
8.1.4 模式識別應用 198
8.2 機器視覺 199
8.2.1 機器視覺的定義和構成 199
8.2.2 機器視覺的分類和應用 202
8.2.3 圖像識別 204
8.2.4 人臉識別 206
8.3 實戰—人臉表情識別 209
8.3.1 人臉表情識別的常用方法 209
8.3.2 實戰—基于深度學習的人臉
表情識別系統 210
8.4 本章小結 215
習題8 215
第9章 強化學習與生成對抗網絡 217
9.1 強化學習概述 217
9.1.1 強化學習基礎 218
9.1.2 強化學習分類 221
9.1.3 強化學習的應用 223
9.2 生成對抗網絡概述 225
9.2.1 生成對抗模型 225
9.2.2 生成對抗模型的數學原理 229
9.2.3 生成對抗網絡的實際應用 232
9.3 實戰—基于StyleGAN-v2實現顏值融合 235
9.4 本章小結 238
習題9 239
參考文獻 241

1. 零基礎玩轉國產大模型DeepSeek [徐永冰 張帥 編著]
2. 網絡工程師5天修煉（適配第6版考綱） [主編　朱小平 施游]
3. 信息系統項目管理師考試32小時通關（適用第4版考綱） [薛大龍]
4. 信息系統管理工程師考試32小時通關（適配第2版考綱） [薛大龍　劉偉]
5. 土木工程材料檢測實訓 [洪曉江 達則曉麗 錢波]
6. 科技信息檢索與論文寫作實用教程 [李振華]
7. 傳統山水畫論解讀與實踐 [陳鈉 著]
8. Python數據庫編程 [主編 殷樹友 邢 翀]
9. 計算機基礎實訓指導 [主編 袁春萍 朱妮]
10. 嵌入式人工智能技術應用（數字教材） [主編 胡娜 楊國勇 晏廷榮]
11. Vienna整流器技術 [桂存兵 著]
12. 變頻器與伺服應用 [陳剛 葉云飛]
13. 物聯網工程設計與實踐 [湯琳 李敏]
14. 爐邊夜話——深入淺出話AI [汪建　著]
15. 電商運營與管理 [鐘肖英 陳瀟]
16. Java面向對象程序設計 [主編 姜春磊 陳虹潔]
17. 信息技術基礎（Windows 10+WPS Office）（微課版） [主編　石利平　田輝平　謝盛嘉]
18. 人工智能應用 [主編　陳　萍　劉培培　陳孟軍]
19. 大學生職業發展與就業指導 [主編　劉志堅]
20. 高級辦公應用項目教程 [主編 屈晶 趙成麗]
21. 微信小程序開發項目實戰（微課版） [主編 黃龍泉 郭峰 朱倩]
22. 企業檔案工作實戰寶典百問百答 [華俊 盧秀英 邵甜甜 著]
23. 計算機網絡原理及應用 [主編 唐繼勇 葉坤 孫夢娜]
24. 大學生創業基礎 [主編 王麗莉 王 楊]
25. 船舶輔機 [主編 王連海 于洋 姜淑翠]
26. 大學生就業指導 [主編 王麗莉 董宴廷]
27. 系統架構設計師章節習題與考點特訓 [主編 薛大龍 鄒月平]
28. 高校學生工作探索與實踐 [郭亮 著]
29. 大學生情商管理 [方雄 著]
30. 2023年長沙市會展業發展報告 [主編 周棟良]