2019秋人工智能导论（面向华中师范）
《人工智能导论》是关于人工智能领域的通识类课程，主要介绍人工智能的历史、研究现状以及基本理论和方法，授课对象面向计算机专业、人工智能专业等相关专业低年级本科生以及人文各专业的本科生。
课程内容从基础的知识表示以及搜索技术，到机器定理证明以及模糊推理，还涉及计算智能3大领域：遗传算法、群智能以及人工神经网络，最后还给出几个经典的人工智能应用案例。
课程的教学目标是帮助学生了解人工智能的发展和现状，学习和掌握人工智能的基本原理和方法，帮助学生形成对人工智能的相关应用领域的全面认识，激发学生对人工智能的学习兴趣，提供新的思维方法和问题求解手段。
人工智能导论【全本
内容提要
编委会
序一拥抱万亿智能互联未来
序二
前言
01绪论
1.0学习导言
1.1生命与智能
1.1.1什么是智能
1.1.2图灵测试与人工智能
1.1.3人工智能图谱
1.2人工智能的历史
1.2.1第一阶段：初创时期（1936年—1956年）
1.2.2第二阶段：形成时期（1957年—1969年）
1.2.3第三阶段：发展时期（1970年—1992年）
1.2.4第四阶段：大突破时期（1993年至今）
1.3人工智能学科交叉与融合
1.4人工智能实现方法
1.4.1传统实现方法
1.4.2数据驱动方法
1.5人工智能主要研究内容
1.5.1计算智能
1.5.2感知智能
1.5.3认知智能
1.5.4行为智能
1.5.5群体智能
1.5.6混合智能
1.5.7情感智能
1.5.8类脑智能
1.5.9人工智能伦理与法律
1.6人工智能发展趋势
1.7本书主要学习内容
1.8本章小结
1.9习题
02人工智能的哲学观
2.0学习导言
2.1从哲学角度理解人工智能
2.1.1与人工智能有关的哲学概念
2.1.2与人工智能有关的主要哲学分支
2.1.3大历史观——智能进化
2.1.4人工智能的本质
2.2人工智能局限性的认识
2.2.1弱人工智能与人类心智的差距
2.2.2影响强人工智能实现的主要因素
2.3科幻影视作品中的人工智能
2.3.1早期科幻影视作品中的人工智能
2.3.2现代科幻影视作品中的人工智能
2.4本章小结
2.5习题
03脑科学基础
3.0学习导言
3.1大脑的初步认识
3.2脑神经系统
3.2.1脑神经组织
3.2.2神经元与信息传递
3.2.3大脑皮层
3.3脑的视觉与信息处理机制
3.3.1脑的视觉结构
3.3.2视觉皮层区域
3.4脑的记忆与信息处理机制
3.5脑的学习机制
3.6脑功能新发现
3.6.1大脑导航功能
3.6.2大脑孕周发育
3.7本章小结
3.8习题
04人工神经网络
4.0学习导言
4.1如何构建人工神经网络
4.1.1神经元模型
4.1.2感知器模型
4.2神经网络的训练—反向传播算法
4.3生成深度神经网络
4.3.1生成模型——受限玻尔兹曼机
4.3.2深度生成模型—深度置信网络
4.4卷积神经网络原理
4.4.1稀疏连接与全连接
4.4.2权值共享与特征提取
4.4.3卷积层
4.4.4池化层
4.4.5全连接层
4.4.6CNN算法
4.5循环神经网络
4.6长短时记忆网络
4.7本章小结
4.8习题
05机器学习
5.0学习导言
5.1机器学习能否实现机器智能
5.2机器学习的类型和应用
5.3监督学习与无监督学习
5.3.1支持向量机
5.3.2k-最近邻分类
5.3.3朴素贝叶斯分类器
5.3.4集成分类——Bagging算法、随机森林算法与Boosting算法
5.3.5k-均值聚类算法
5.4深度学习
5.4.1浅层学习与深度学习
5.4.2深度学习框架
5.4.3深度学习的应用——图像描述
5.5强化学习
5.5.1能够自适应学习的BRETT机器人
5.5.2强化学习的应用
5.6迁移学习
5.7机器创造
5.8本章小结
5.9习题
06感知智能
6.0学习导言
6.1数字图像处理技术
6.1.1灰度直方图校正
6.1.2图像的平滑处理
6.1.3图像的边缘检测
6.1.4图像的锐化
6.1.5图像的分割
6.1.6图像的特征提取与Haar算法
6.1.7图像分析
6.2计算机视觉与机器视觉
6.3模式识别与图像分类
6.3.1模式识别方法
6.3.2模式识别过程
6.3.3图像分类
6.4人脸识别
6.4.1人脸识别技术的发展
6.4.2人脸识别系统及其实现方法
6.5深度学习在目标检测与识别中的应用
6.6无人驾驶汽车的环境感知
6.7本章小结
6.8习题
07认知智能
7.0学习导言
7.1逻辑推理
7.1.1命题与推理
7.1.2推理的类型
7.1.3模糊推理
7.2知识表示
7.2.1谓词逻辑表示法
7.2.2语义网络表示法
7.3搜索技术
7.3.1盲目搜索
7.3.2启发式搜索
7.3.3蒙特卡罗树搜索算法
7.4知识图谱
7.4.1知识图谱与认知智能
7.4.2知识图谱基本技术
7.4.3知识图谱架构
7.5认知计算
7.6本章小结
7.7习题
08语言智能
8.0学习导言
8.1语言与认知
8.2自然语言处理
8.2.1自然语言理解的源起
8.2.2自然语言处理的功能应用
8.2.3自然语言处理技术
8.3智能问答系统
8.4聊天机器人
8.4.1聊天机器人的分类
8.4.2聊天机器人的自然语言理解
8.5语音识别
8.5.1语音识别系统
8.5.2语音识别的过程
8.6机器翻译
8.6.1机器翻译原理与过程
8.6.2通用翻译模型
8.7本章小结
8.8习题
09机器人
9.0学习导言
9.1机器人与行为智能
9.1.1行为主义载体——机器人
9.1.2机器人的基本组成
9.1.3智能机器人
9.2工业机器人
9.3移动机器人
9.4无人飞行器
9.5水下机器人
9.6太空机器人
9.7人形机器人
9.8机器动物
9.9软体机器人
9.10微型机器人
9.11群体机器人
9.12认知发展机器人
9.13本章小结
9.14习题
10混合智能
10.0学习导言
10.1混合智能的基本形态与实现
10.2脑机接口
10.2.1脑机接口工作原理
10.2.2可探测识别的脑电波信号
10.2.3侵入式脑机接口
10.2.4非侵入式脑机接口
10.2.5脑机接口应用
10.3可穿戴混合智能
10.3.1可穿戴传感器与电子文身
10.3.2可穿戴神经刺激混合智能
10.4可植入混合智能
10.4.1电子识别芯片
10.4.2人造感觉神经
10.5外骨骼混合智能
10.6动物混合智能
10.7人体增强
10.8本章小结
10.9习题
11类脑计算
11.0学习导言
11.1类脑计算基础
11.1.1冯·诺依曼结构计算机的局限
11.1.2类脑计算机
11.1.3类脑计算研究内容与方法
11.2类脑计算基础
11.2.1神经形态计算
11.2.2神经形态类脑芯片
11.2.3神经形态类脑计算机
11.3基于忆阻器的类脑计算
11.3.1忆阻器原理
11.3.2忆阻器芯片
11.4人工大脑
11.4.1人工大脑的基本单元
11.4.2仿脑模型
11.4.3虚拟大脑
11.4.4深度学习脑功能模拟
11.5非神经形态智能芯片
11.6本章小结
11.7习题
12人工智能伦理与法律
12.0学习导言
12.1电车难题引发的人工智能道德困境
12.2人工智能技术引发的社会问题
12.3人工智能伦理的定义
12.4弱人工智能伦理与强人工智能伦理
12.4.1弱人工智能伦理问题
12.4.2强人工智能伦理问题
12.5机器人伦理问题与基本原则
12.5.1机器人伦理问题
12.5.2机器人伦理的基本原则
12.6军事人工智能伦理问题
12.7人工智能伦理规范
12.8人工智能法律问题
12.8.1人工智能引发的法律问题
12.8.2人工智能的法律主体和法律人格问题
12.9本章小结
12.10习题
参考文献