修春波主编的《人工智能技术》介绍了人工智能的发展历史、基本流派、研究领域，知识表示方法和推理技术、图搜索技术，专家系统及其开发工具的使用和设计方法,模糊理论及应用，机器学习和神经网络，卷积神经网络，混沌理论，智能优化算法原理和应用，多智能体技术等内容。
本书是作者在多年教学和科研实践的基础上，参阅了国内外现有教材和相关文献后编写的。全书注重理论与实践的结合，注重算法的实际应用与实现方法，注重创新思维的训练与培养。
本书可作为高等院校人工智能、自动化、电气工程及其自动化、计算机科学与技术、电子信息工程等专业学生“人工智能”课程的本科生、研究生教材，也可供从事人工智能研究与应用的科技工作者学习参考。

前言
第1章 绪论
1.1 人工智能的起源与发展
1.2 人工智能学术流派
1.3 人工智能的研究与应用领域
习题
第2章 知识表示和推理
2.1 知识和知识表示的基本概念
2.2 命题逻辑
2.2.1 语法
2.2.2 语义(Semantics)
2.2.3 命题演算(Calculas)形式系统
2.3 谓词逻辑
2.3.1 语法
2.3.2 语义
2.4 归结推理
2.4.1 子句集及其简化
2.4.2 海伯伦定理
2.4.3 Robinson归结原理
2.4.4 利用Robinson归结原理实现定理证明
2.4.5 应用归结原理求解问题
2.5 产生式系统
2.5.1 产生式系统的组成部分
2.5.2 产生式系统的控制策略
2.5.3 产生式系统的推理方式
2.6 语义网络表示法
2.6.1 语义网络的结构
2.6.2 基本命题的语义网络表示
2.6.3 语义网络的知识表示方法
2.6.4 语义网络表示法的特点
2.7 框架表示法
2.8 状态空间表示法
2.9 与或图表示法
习题
第3章 图搜索技术
3.1 问题的提出
3.2 状态图搜索
3.2.1 状态图搜索分类
3.2.2 穷举式搜索
3.2.3 启发式搜索
3.2.4 A算法及A*算法
3.3 与或图搜索
3.3.1 与或图
3.3.2 与或图搜索
3.4 博弈图搜索
3.4.1 博弈图
3.4.2 极大极小分析法
3.4.3 剪枝技术
习题
第4章 专家系统
4.1 专家系统的概述
4.1.1 专家系统的概念与特点
4.1.2 专家系统和传统程序的区别
4.1.3 专家系统的类型
4.2 专家系统的结构
4.3 专家系统的设计原则与开发过程
4.3.1 专家系统的设计原则
4.3.2 专家系统的开发过程
4.4 专家系统评价
4.5 MYCIN专家系统实例分析
4.6 专家系统开发工具
4.6.1 骨架型开发工具
4.6.2 语言型开发工具
4.6.3 构造辅助工具
4.6.4 支撑环境
4.7 Prolog语言
4.7.1 Prolog语言的特点
4.7.2 基本Prolog的程序结构
4.7.3 Prolog程序的运行机理
4.7.4 Turbo Prolog程序结构
4.7.5 Turbo Prolog的数据与表达式
4.7.6 Visual Prolog介绍
4.7.7 PIE: Prolog的推理机
习题
第5章 模糊理论及应用
5.1 模糊理论的产生与发展
5.2 模糊理论的数学基础
5.2.1 经典集合论的基本概念
5.2.2 模糊集合的基本概念
5.2.3 模糊关系与复合运算
5.3 模糊推理
5.3.1 模糊条件语句
5.3.2 模糊推理
5.4 模糊控制系统及模糊控制器
5.4.1 模糊控制系统的基本结构
5.4.2 模糊控制器
5.4.3 模糊控制器的设计
5.4.4 模糊PID控制器的设计
5.5 模糊聚类分析与模糊模式识别
5.5.1 模糊聚类分析
5.5.2 模糊模式识别
5.6 模糊聚类应用案例分析
习题
第6章 机器学习和神经网络
6.1 机器学习的基本概念和发展史
6.2 经典机器学习方法
6.3 基于神经网络的学习
6.3.1 神经网络概述
6.3.2 人工神经网络模型
6.4 BP神经网络
6.4.1 网络结构
6.4.2 网络学习算法
6.4.3 BP网络的改进算法
6.4.4 BP神经网络的特点
6.4.5 神经网络应用实例解析
6.5 RBF神经网络
6.5.1 径向基函数
6.5.2 径向基函数网络结构
6.5.3 网络学习算法
6.5.4 RBF网与BP网的对比
6.6 CMAC神经网络
6.6.1 CMAC网络结构
6.6.2 网络学习算法
6.6.3 CMAC网络的特点
6.7 Hopfield神经网络
6.7.1 离散型Hopfield网络
6.7.2 连续型Hopfield网络
6.8 Elman神经网络
6.8.1 Elman神经网络结构
6.8.2 Elman神经网络学习算法
6.9 模糊神经网络
6.9.1 网络结构
6.9.2 学习过程
6.10 其他类型的神经网络介绍
习题
第7章 卷积神经网络及TensorFlow应用实践
7.1 卷积神经网络发展简介
7.2 卷积神经网络工作原理
7.3 TensorFlow学习
7.3.1 TensorFlow简介
7.3.2 TensorFlow中的函数和相关运算
7.3.3 卷积函数
7.3.4 池化函数
7.4 利用TensorFlow进行图像处理
7.4.1 图像的读取与存储
7.4.2 图像处理常用函数
7.5 卷积神经网络在MNIST的应用实例
习题
第8章 混沌理论与混沌神经网络
8.1 混沌研究的起源与发展
8.2 混沌的基本特性
8.3 通往混沌的道路
8.4 混沌的识别
8.4.1 定性分析法
8.4.2 定量分析法
8.5 混沌应用
8.6 混沌神经网络
8.6.1 暂态混沌神经网络
8.6.2 其他类型的混沌神经网络
8.6.3 G-S混沌神经网络应用实例
习题
第9章 智能优化计算
9.1 优化问题的分类
9.2 优化算法分类
9.3 梯度优化计算
9.4 混沌优化
9.5 模拟退火算法
9.6 遗传算