人工智能(Artifi Intelligence，AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。《人工智能基础与应用》以人工智能为主要研究对象，较全面地介绍人工智能的基本原理、常见算法和应用技术。全书共分为12章，主要内容包括绪论、知识与知识表示、自动推理与专家系统、搜索算法与智能计算、机器学习、深度学习、计算机视觉、自然语言与语音处理、智能机器人以及大数据与区块链、Python编程基础等。同时，为了便于读者自学，每章结尾附有小结与习题，便于读者进一步巩固所学知识。《人工智能基础与应用》全面系统地介绍了人工智能的理论体系，在内容编排上不仅注重基本理论的讲述，而且以发展的眼光设计各章知识点和习题，引导学生去思考人工智能理论知识的应用与实践，使得理论学习更加生动直观，便于培养此类学生对人工智能理论的理解和应用能力。《人工智能基础与应用》面向高等院校管理学院的诸多专业，可作为高等院校经济管理类专业本科生人工智能课程要求重点掌握人工智能的基本理论知识、相关算法的初步实践操作以及Python编程基础的教材，也可作为成.人教育和自学考试同名课程的参考教材，还可供从事人工智能领域研究、开发和应用的研究人员和工程技术人员阅读参考。

章绪论1
1.1人工智能的概念1
1.1.1智能1
1.1.2人工智能4
1.1.3图灵测试4
1.2人工智能发展简史5
1.2.1孕育阶段5
1.2.2形成阶段5
1.2.3发展阶段6
1.2.4人工智能的学派8
1.3人工智能的研究及应用领域12
1.4人工智能的发展现状和趋势18
1.5本章小结20
1.6习题20
参考文献20
第2章知识与知识表示22
2.1知识与知识表示的内涵22
2.1.1知识的概念22
2.1.2知识的特征23
2.1.3知识表示的概念24
2.2知识表示方法24
2.2.1一阶谓词逻辑表示法24
2.2.2产生式表示法33
2.2.3状态空间表示法36
2.2.4框架表示法40
2.3知识图谱及其应用44
2.3.1知识图谱概述44
2.3.2知识图谱应用示例45
2.4本章小结47
2.5习题48
参考文献48
第3章自动推理与专家系统50
3.1自动推理基本知识50
3.1.1确定性推理50
3.1.2不确定性推理59
3.2专家系统63
3.2.1专家系统的内涵63
3.2.2专家系统的结构63
3.2.3专家系统的设计与实现66
3.2.4专家系统的应用与发展71
3.3本章小结77
3.4习题78
参考文献78
第4章搜索算法与智能计算80
4.1搜索算法80
4.1.1盲目搜索策略81
4.1.2启发式搜索83
4.1.3博弈搜索策略89
4.2遗传算法91
4.2.1基本遗传算法91
4.2.2遗传算法的基本操作93
4.2.3遗传算法的一般步骤99
4.2.4遗传算法的应用100
4.3蚁群算法100
4.3.1蚁群算法的基本思想101
4.3.2基本的蚁群算法模型101
4.3.3蚁群算法的参数选择103
4.3.4蚁群算法的应用103
4.4粒子群优化算法105
4.4.1粒子群优化算法的基本原理105
4.4.2粒子群优化算法的流程106
4.4.3粒子群优化算法的参数分析107
4.4.4粒子群优化算法的应用108
4.5本章小结110
4.6习题110
参考文献112
第5章机器学习113
5.1机器学习的概念与类型113
5.1.1机器学习的概念113
5.1.2机器学习的类型114
5.2机器学习的流程119
5.2.1模型119
5.2.2训练120
5.3模型性能度量122
5.3.1模型精度122
5.3.2查准率、查全率与F值122
5.3.3ROC与AUC123
5.4常见分类方法124
5.4.1逻辑回归与Softmax回归124
5.4.2KNN126
5.4.3朴素贝叶斯129
5.4.4决策树130
5.4.5支持向量机132
5.5常见聚类方法137
5.5.1原型聚类137
5.5.2密度聚类138
5.5.3层次聚类141
5.6集成学习142
5.7本章小结143
5.8习题143
参考文献144
第6章深度学习(1)145
6.1神经元与神经网络145
6.1.1神经元模型146
6.1.2神经网络的结构147
6.1.3神经网络的优化算法148
6.1.4神经网络的发展历程151
6.2BP神经网络152
6.2.1BP神经网络的结构152
6.2.2BP神经网络的基本原理153
6.2.3BP学习算法153
6.2.4BP神经网络在模式识别中的应用155
6.3卷积神经网络156
6.3.1卷积神经网络的结构157
6.3.2卷积神经网络的模型实例162
6.3.3几种典型的卷积神经网络163
6.4循环神经网络164
6.4.1循环神经网络的结构165
6.4.2BPTT学习算法166
6.4.3梯度消失和梯度爆炸167
6.4.4基于门控机制的循环神经网络167
6.5贝叶斯深度学习170
6.5.1贝叶斯公式170
6.5.2贝叶斯深度学习171
6.5.3基于贝叶斯深度学习的预测和训练172
6.5.4贝叶斯深度学习框架173
6.6本章小结174
6.7习题174
参考文献176
第7章深度学习(2)177
7.1注意力与记忆机制177
7.1.1注意力177
7.1.2注意力机制178
7.1.3常见的记忆方式180
7.1.4典型的记忆网络183
7.1.5典型场景应用184
7.2自编码器185
7.2.1传统自编码器185
7.2.2改进的自编码器186
7.2.3自编码器的应用192
7.3强化学习194
7.3.1强化学习的基本原理194
7.3.2强化学习的分类及任务195
7.3.3强化学习算法195
7.3.4强化学习的主要应用197
7.4对抗学习198
7.4.1GAN的提出背景198
7.4.2GAN的核心原理200
7.4.3GAN的学习方法201
7.4.4GAN的衍生模型202
7.4.5GAN的应用领域203
7.4.6GAN的思考与展望204
7.5联邦学习207
7.5.1联邦学习的提出背景207
7.5.2联邦学习的基本内涵207
7.5.3联邦学习的应用探索209
7.6本章小结210
7.7习题211
参考文献211
第8章计算机视觉213
8.1计算机视觉概述213
8.2图像的分析和理解215
8.2.1基于浅层模型的方法216
8.2.2基于深度模型的方法219
8.3计算机视觉的典型应用222
8.3.1模式识别222
8.3.2动态行为分析225
8.3.3机器视觉226
8.4本章小结227
8.5习题228
参考文献228
第9章自然语言处理与语音处理229
9.1自然语言处理229
9.1.1自然语言处理概述229
9.1.2情感分类233
9.1.3机器翻译244
9.1.4自然语言人机交互246
9.2语音处理256
9.2.1语音识别256
9.2.2语音合成261
9.2.3语音转换265
9.3本章小结266
9.4习题267
参考文献267
0章机器人269
10.1机器人概述269
10.1.1机器人的定义269
10.1.2机器人的分类270
10.1.3机器人的特性271
10.1.4机器人三原则271
10.1.5智能机器人的发展历程271
10.2机器人的基本构成272
10.3机器人的工作原理273
10.4人工智能技术在机器人中的应用274
10.4.1智能感知275
10.4.2智能导航与规划277
10.4.3智能控制与操作279
10.4.4智能交互280
10.5机器人的应用282
10.5.1机器人的典型应用场景282
10.5.2智能机器人的发展展望287
10.6本章小结289
10.7习题289
参考文献289
1章大数据与区块链291
11.1大数据291
11.1.1大数据的基本概念与特征291
11.1.2大数据的应用293
11.1.3大数据的关键技术297
11.1.4大数据与云计算、物联网的关系303
11.1.5大数据与人工智能应用探讨303
11.2区块链306
11.2.1区块链概述306
11.2.2区块链的技术基础308
11.2.3区块链与人工智能310
11.2.4区块链的应用探讨与展望314
11.3大数据与区块链的关系316
11.4本章小结317
11.5习题318
参考文献318
2章Python编程基础319
12.1Python——编程语言319
12.2Python——解释器320
12.3安装Python321
12.4使用Python321
12.4.1Pythonshell321
12.4.2运行完整的Python程序322
12.4.3使用IDE编写代码322
12.4.4与Python交互322
12.5编写Python代码322
12.5.1Python基础语法322
12.5.2数学运算325
12.5.3导入新的库和函数326
12.5.4函数式编程328
12.6PyPI软件仓库——Python包索引329
12.7NumPy库330
12.7.1NumPy简史330
12.7.2安装NumPy330
12.7.3ndarray对象331
12.7.4基本操作335
12.8Pandas库338
12.8.1Pandas：Python数据分析库338
12.8.2安装Pandas338
12.8.3测试Pandas是否安装成功339
12.8.4Pandas数据结构简介339
12.9matplotlib库347
12.9.1安装matplotlib348
12.9.2pyplot模块348
12.9.3为图表添加更多元素353
12.10本章小结357
12.11习题357
参考文献358