人工智能（第3版·微课视频版） 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

本书主要阐述人工智能的基本原理、方法和应用技术。全书共13章，除第1章讨论人工智能的基本概念、第13章讨论人工智能的争论与展望外，其余11章均按照“基本智能 典型应用 计算智能”三个模块编写。个模块为人工智能经典的三大技术，分别为知识表示技术、搜索技术和推理技术，主要包括知识表示、搜索策略、确定性推理和不确定性推理； 第二个模块为人工智能的典型应用领域，包括机器学习、支持向量机和专家系统； 第三个模块为计算智能与群智能，包括神经计算、进化计算、模糊计算和群智能。 本书力求科学性、模块化、实用性。内容由浅入深、循序渐进、条理清晰，能让读者在有限的时间内掌握人工智能的基本原理、基本方法和应用技术。本书为教师提供习题答案。 本书可作为计算机科学与技术、智能科学与技术、人工智能、数据科学与大数据技术、自动化、机器人工程等专业的教材，也可供从事人工智能研究与应用的科技工作者学习参考。

第1章绪论

1.1人工智能的概念

1.1.1智能的定义

1.1.2人工智能的定义

1.2人工智能的诞生与发展

1.2.1孕育期

1.2.2形成期

1.2.3萧条期

1.2.4第二个兴旺期

1.2.5稳步增长期

1.2.6中国的人工智能发展

1.3人工智能的主要研究学派

1.3.1符号主义学派

1.3.2连接主义学派

1.3.3行为主义学派

1.4人工智能的主要研究内容

1.5人工智能的主要应用领域

1.6小结

习题

第2章知识表示

2.1知识表示概述

2.1.1知识的概念 

2.1.2知识表示的概念

2.2一阶谓词逻辑表示法

2.2.1命题

2.2.2谓词 

2.2.3谓词公式 

2.2.4谓词逻辑表示

2.2.5谓词逻辑表示法的特点

2.3产生式表示法

2.3.1产生式表示的基本方法

2.3.2产生式系统的基本结构

2.3.3产生式系统的分类

2.3.4产生式表示法的特点

2.4语义网络表示法

2.4.1语义网络的基本概念

2.4.2语义网络的基本语义关系

2.4.3语义网络表示知识的方法

2.4.4语义网络的推理过程

2.4.5语义网络表示法的特点

2.5框架表示法

2.5.1框架结构

2.5.2框架表示

2.5.3框架表示的推理过程

2.5.4框架表示法的特点

2.6脚本表示法

2.7面向对象表示法

2.7.1面向对象的基本概念

2.7.2面向对象方法学的主要观点

2.8小结

习题

第3章搜索策略

3.1搜索策略概述

3.2基于状态空间图的搜索技术

3.2.1图搜索的基本概念

3.2.2状态空间搜索

3.2.3一般图搜索过程

3.3盲目搜索

3.3.1宽度优先搜索

3.3.2深度优先搜索

3.3.3有界深度搜索和迭代加深搜索 

3.3.4搜索策略的比较 

3.4启发式搜索

3.4.1启发性信息和评估函数

3.4.2启发式搜索A算法

3.4.3实现启发式搜索的关键因素

3.4.4A*算法

3.4.5迭代加深A*算法 

3.5回溯搜索和爬山法

3.5.1爬山法

3.5.2回溯策略

3.6问题规约和与或图启发式搜索

3.6.1问题规约

3.6.2与或图表示

3.6.3与或图的启发式搜索

3.7博弈

3.7.1极大极小过程 

3.7.2αβ过程 

3.8小结

习题

第4章确定性推理

4.1推理概述

4.1.1推理的概念

4.1.2推理的分类

4.1.3推理的控制策略

4.2推理的逻辑基础

4.2.1谓词公式的永真性和可满足性

4.2.2置换与合一

4.3自然演绎推理

4.4归结演绎推理

4.4.1子句集

4.4.2鲁滨逊归结原理

4.4.3归结演绎推理的归结策略

4.4.4用归结原理求取问题的答案

4.5小结

习题

第5章不确定性推理

5.1不确定性推理概述

5.1.1什么是不确定性推理

5.1.2知识不确定性的来源

5.1.3不确定性推理方法分类

5.2不确定性推理的基本问题

5.2.1表示问题

5.2.2计算问题

5.2.3语义问题

5.3概率方法

5.3.1概率论基础

5.3.2经典概率方法

5.3.3逆概率方法

5.4主观Bayes方法

5.4.1规则不确定性的表示

5.4.2证据不确定性的表示

5.4.3组合证据不确定性的计算

5.4.4不确定性推理的计算

5.4.5结论不确定性的合成算法

5.5可信度方法

5.5.1可信度的定义和性质

5.5.2CF模型

5.5.3可信度方法的说明

5.6证据理论

5.6.1证据理论的形式描述

5.6.2证据理论的推理模型

5.6.3证据不确定性的表示

5.6.4规则不确定性的表示

5.6.5不确定性推理计算

5.6.6组合证据不确定性的计算

5.7模糊推理

5.7.1模糊数学的基本知识

5.7.2模糊假言推理

5.8小结

习题

第6章机器学习

6.1概述

6.1.1学习与机器学习

6.1.2学习系统

6.1.3机器学习的发展简史

6.1.4机器学习的分类

6.1.5机器学习的应用与研究目标

6.2归纳学习

6.2.1归纳学习的基本概念

6.2.2变型空间学习

6.2.3归纳偏置

6.3决策树学习

6.3.1决策树的组成及分类

6.3.2决策树的构造算法CLS

6.3.3基本的决策树算法ID3

6.3.4决策树的偏置

6.4基于实例的学习

6.4.1k近邻算法

6.4.2距离加权近邻法

6.4.3基于范例的学习

6.5强化学习

6.5.1强化学习模型

6.5.2马尔可夫决策过程

6.5.3Q学习

6.6小结

习题

第7章支持向量机

7.1支持向量机概述

7.1.1支持向量机的概念

7.1.2支持向量机的基本思想

7.2统计学习理论

7.2.1学习问题的表示

7.2.2期望风险和经验风险

7.2.3VC维理论

7.2.4推广性的界

7.2.5结构风险小化

7.3支持向量机的构造

7.3.1函数集结构的构造

7.3.2支持向量机求解

7.4核函数

7.4.1概述

7.4.2核函数的分类

7.5SVM的算法及多类SVM

7.6用于非线性回归的SVM

7.7支持向量机的应用

7.8小结

习题

第8章专家系统

8.1专家系统概述

8.1.1专家系统的主要特性

8.1.2专家系统的结构与类型

8.2基于规则的专家系统

8.2.1基于规则的专家系统的基本结构

8.2.2基于规则的专家系统的特点

8.2.3基于规则的专家系统举例

8.3基于框架的专家系统

8.3.1基于框架的专家系统简介

8.3.2基于框架的专家系统的继承、槽和方法

8.3.3基于框架的专家系统举例

8.4基于模型的专家系统

8.4.1基于模型的专家系统的概念

8.4.2基于模型的专家系统举例

8.5专家系统的开发

8.5.1开发步骤

8.5.2知识获取

8.5.3开发工具及环境

8.6专家系统设计举例

8.6.1专家知识的描述

8.6.2知识的使用

8.6.3决策的解释

8.6.4MYCIN系统

8.7新型专家系统

8.8小结

习题

第9章神经计算

9.1人工神经元模型

9.2感知器

9.2.1感知器的结构

9.2.2感知器学习算法

9.3反向传播网络

9.3.1BP网络的结构

9.3.2BP网络的学习算法

9.4自组织映射神经网络

9.4.1SOM网络结构

9.4.2SOM网络的学习算法

9.5Hopfield网络

9.5.1离散Hopfield网络的结构

9.5.2离散Hopfield 网络的稳定性

9.5.3离散Hopfield 网络的学习算法

9.6脉冲耦合神经网络

9.6.1PCNN的结构

9.6.2PCNN的学习算法

9.7面向时序数据的神经网络

9.7.1循环神经网络及其学习算法

9.7.2长短时记忆神经网络

9.8深度神经网络

9.8.1卷积神经网络

9.8.2注意力机制

9.9小结

习题

第10章进化计算

10.1进化计算概述

10.2遗传算法

10.2.1遗传算法的基本原理

10.2.2遗传算法的应用示例

10.2.3模式定理

10.2.4遗传算法的改进

10.3进化规划

10.3.1标准进化规划及其改进

10.3.2进化规划的基本技术

10.4进化策略

10.4.1进化策略及其改进

10.4.2进化策略的基本技术

10.5GA、EP、ES的异同

10.5.1GA、ES的异同

10.5.2EP和ES的异同

10.6小结

习题

第11章模糊计算

11.1模糊集合的概念

11.1.1模糊集合的定义

11.1.2模糊集合的表示方法

11.2模糊集合的代数运算

11.3正态模糊集和凸模糊集

11.4模糊关系

11.4.1模糊关系的概述

11.4.2模糊关系的性质

11.5模糊判决

11.6模糊数学在模式识别中的应用

11.6.1模糊模式识别的直接方法

11.6.2模糊模式识别的间接方法

11.7模糊综合评判

11.8小结

习题

第12章群智能

12.1群智能概述

12.1.1群智能优化算法定义

12.1.2群智能优化算法原理

12.1.3群智能优化算法特点

12.2蚁群优化算法

12.2.1蚁群优化算法概述

12.2.2蚁群优化算法的数学模型

12.2.3蚁群优化算法的改进

12.2.4蚁群优化算法的应用示例

12.3粒子群优化算法

12.3.1粒子群优化算法基本思想

12.3.2粒子群优化算法基本框架

12.3.3粒子群优化算法参数分析与改进

12.3.4粒子群优化算法的应用示例

12.4其他群智能优化算法

12.4.1人工鱼群算法

12.4.2细菌觅食算法

12.4.3混合蛙跳算法

12.4.4果蝇优化算法

12.5小结

习题

第13章争论与展望

13.1争论

13.1.1对人工智能理论的争论

13.1.2对人工智能方法的争论

13.1.3对人工智能技术路线的争论

13.1.4对强弱人工智能的争论

13.2展望

13.2.1更新的理论框架

13.2.2更好的技术集成

13.2.3更成熟的应用方法

13.2.4脑机接口

13.3小结

习题

参考文献

丁世飞，博士，中国矿业大学教授、博士生导师，中国科学院计算技术研究所客座研究员，中国矿业大学—中国科学院智能信息处理联合实验室负责人。长期从事人工智能与模式识别、机器学习与数据挖掘、大数据智能分析等理论与应用研究。主持或参加“973”课题2项、国家自然科学基金6项、国家“863”高技术项目1项。已发表学术论文260篇，出版专著6部，授权发明专利4项。

曾获全国优秀博士学位论文提名奖、山东省优秀博士学位论文奖、山东省省级教学成果奖1项、吴文俊人工智能科学技术奖1项、江苏省科学技术奖1项、江苏省优秀硕士学位论文指导教师奖（2次）。入选2017年全球前10万科学家榜单、2020年全球前10万科学家榜单、2020年中国高被引学者（爱思唯尔）、2021年全球前2%科学家榜单（斯坦福大学）。

担任CCF理事、杰出会员，CAAI理事、高级会员，CCF和CAAI多个专委会委员或常委委员。担任国家自然科学奖通讯与会评专家、国家科技创新2030—“新一代人工智能”重大项目会评专家、国家“863计划”“973计划”评审专家、人才计划评审专家、国家自然科学基金评审专家等。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：人工智能（第3版·微课视频版）在线阅读

在线听书地址：人工智能（第3版·微课视频版）在线收听

在线购买地址：人工智能（第3版·微课视频版）在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

“十三五”江苏省高等学校重点教材，配套200分钟微课视频、教学课件、习题答案、教学质量标准等资源。

（1）聚焦前沿，深入浅出。从专业角度，循序渐进、深入浅出地梳理人工智能的发展历程，阐述人工智能经典理论与技术。采用适当的例题正确讲解知识概念，全面反映人工智能领域国内外的研究进展与动态，并探讨其未来发展的可能性。以精炼的文字揭秘人工智能的终极逻辑，适合于大众读者。

（2）延续经典，夯实基础。梳理知识框架，构建完整知识体系，精选重点题目，以通俗易懂的语言展示人工智能的核心算法和理论。本书可为高等院校计算机科学与技术、电子科学与技术、智能科学与技术、人工智能、数据科学与大数据技术、自动化等学科领域的研究人员提供参考，以及作为相关专业本科生及研究生教学的参考书，同时可供硕士研究生入学专业考试参考。

（3）微课视频，优质资源。“严肃、严格、严谨”制作微课视频，配合精选例题，引导式探索，归纳式总结，浅显易懂，帮助读者自主学习。同时，以合理结构编写配套PPT课件等教学资料，纸质内容与数字化资源一体设计、紧密配合，方便教师线上线下混合教学。

（4）配套习题，学以致用。每章配有相当数量的习题，题型覆盖教材中的重点、难点和疑点，讲与练无缝衔接，触类旁通、活学活用。书末附有习题答案，供读者自测学习效果，促进复习和知识巩固，提高分析与解决问题的能力，便于掌握人工智能基础知识和基本规律。

前言

人工智能的诞生与发展是20世纪伟大的科学成就之一，也是新世纪引领未来发展的主导学科之一。人工智能作为一门新理论、新方法、新技术、新思想不断涌现的前沿交叉学科，相关研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。人工智能自2016年起进入国家战略； 2017年3月，在十二届全国人大五次会议的政府工作报告中，“人工智能”首次被写入政府工作报告； 2018年，政府工作报告再次强调要加强新一代人工智能研发应用； 2019年，政府工作报告将人工智能升级为“智能 ”； 进入2020年，国家大力推进并强调要加快5G网络、人工智能、数据中心等新型基础设施建设进度。人工智能作为一项基本技术，在国家相关政策的支持下正在全面推进与高质量发展，助力提高经济社会发展的智能化水平、有效增强公共服务和城市管理能力做出努力。

人工智能是一门研究机器智能的学科，即用人工的方法和技术，研制智能机器或智能系统，以模仿、延伸和扩展人的智能，实现智能行为。作为一门前沿和交叉学科，它的研究领域十分广泛，涉及专家系统、模式识别、自然语言处理、智能决策支持系统、神经网络、自动定理证明、博弈、分布式人工智能与Agent、智能检索、机器人学、机器视觉、进化计算、模糊计算等领域。人工智能的长期目标是建立人类水平的人工智能。

与第2版相比，本书的主要改进如下。

本次修订在原书11章的基础上，对其进行内容的补充，更新了一些的概念描述，增加了模糊计算与群智能两个章节。同时，对第2版出现的错误进行了修正，并对不合理之处进行了删减、增加或修改。对书中涉及的所有图、表进行了重新绘制，统一了公式格式、符号表达以及一些表述，修正了错别字与语义不通顺的部分。

具体修改如下。

第1章： 重新划分原1.2节人工智能的发展，对每个时期的内容进行对应增删、修改与调整，并增加了1.2.6节中国的人工智能发展，以帮助读者更全面地了解。增加了1.4节人工智能的主要内容，修改原1.4节人工智能的应用领域为1.5节人工智能的主要应用领域，调整了原有小节的名称与相应内容，更新了应用领域，与后文中增加的章节相对应，增强内容的连贯性，使本书更加贴近当前科技的实际发展。

第2章： 修改了章节的引言部分，突出知识表示的研究意义。统一了2.3.1节中规则与事实的先后顺序。对每个小节标题都进行了更新修订，简化了小节中小标题与内容的描述，使章节结构更加清晰，易于读者理解。

第3章： 进行了大幅修改，增加了重要算法的描述、代价树搜索等，使内容更加深入。原3.1节引言改为搜索策略概述，删除原3.4.3节中A*算法，增加了3.4.4节A*算法，帮助读者更好地理解A*算法的原理。将原3.4.5节回溯策略和爬山法改为3.5节，并增加了相关算法的具体描述，使得内容更加合理充分。

第4章： 将原4.1.1节推理的概述和类型拆分成4.1.1节推理的概念和4.1.2节推理的分类，使读者更易理解。拆分原4.2节推理的逻辑基础为4.2.1节谓词公式的永真性和可满足性以及4.2.2节置换与合一，使得内容更有条理、更通顺。

第5章： 将不确定性推理中“知识的不确定性”统一为“规则的不确定性”，增加5.3节概率方法，同时对其余章节进行丰富和完善，主要涉及不确定性知识的表示问题和推理算法的描述问题，重点对可信度方法和证据理论章节中的内容进行细化，使其条理清晰、易懂。

第6章： 重新编写了6.1节机器学习概述内容以及小结部分，更新了一些概念描述，以增强本书内容的时效性，紧跟人工智能相关技术的发展趋势。

第7章： 对7.1节进行了调整，增加了支持向量机的概念，使读者在阅读本章前先对支持向量机的概念有一定了解，为下文做铺垫。将图7.1和图7.2分开并放在更合理的位置，使其更符合正文描述。丰富了7.1节的内容，使结构更合理。

第8章： 对本章涉及的专家系统中的概念和表述进行了校正，根据内容对每个小节标题都进行了更新修订，修订了小节中的内容描述，提高了本书的可读性与可理解性。

第9章： 首先对原有的神经网络模型做了更新，增加了不同类型的激活函数，阐述了传统神经网络模型存在的问题，根据这些问题引出了当前广泛应用的深度神经网络，从时序神经网络（包括RNN和LSTM的模型和算法）到应用于图像数据的卷积神经网络以及当前引起广泛关注的注意力机制模型，通过对本领域前沿模型的介绍提高了本书内容的前沿性。

第10章： 将流程图改为中文版本，增强了整体的统一性，提高了本书的可读性与可理解性。

第11章： 本章模糊计算为新增章节，与第9章神经计算、第10章进化计算共同构成计算智能的主要内容，并称为人工智能领域的“三驾马车”。

第12章： 群智能为新增章节。群智能优化作为一种新兴的演化计算技术，在实际中得到了广泛的应用，是人工智能应用的典型领域之一，本章内容有助于读者理解人工智能的真谛。

本书对第2版中所有课后习题进行了更新，增删、修改、调整了部分习题，以帮助读者更熟练地掌握教材内容。并在配套的电子资源中给出了习题解答，弥补了目前大部分人工智能教材缺少习题答案的不足。

本书共13章，主要内容如下。

第1章绪论，主要讨论人工智能的概念、诞生与发展、研究内容、学派之争、应用领域和发展趋势等。

第2~5章为人工智能经典的三大基本技术，包括知识表示技术、搜索技术及推理技术，主要为知识表示、搜索策略、确定性推理和不确定性推理。

第6~8章为人工智能的典型应用领域，包括机器学习、支持向量机、专家系统。

第9~11章为典型的计算智能方法，包括神经计算、进化计算和模糊计算。

第12章为群智能，主要阐述蚁群算法、粒子群算法等群智能优化算法。

第13章为人工智能的争论与展望，重点讨论人工智能存在的不同观点，以及人工智能对人类的影响与对人工智能未来发展的展望。

本书力求科学性、模块化、实用性，内容由浅入深、循序渐进，条理清晰，按照“基本智能 典型应用 计算智能”三个模块，以逐层深入的策略组织内容，以期达到不同专业取舍、不同层次教学研究的需要。

本书包含了编著者多年的科研成果，也汲取了国内外同行的同类教材和有关文献的精华，这些丰硕成果是本书学术思想的重要源泉，为本书的编写提供了丰富的营养，在此谨向这些教材和文献的作者致以崇高的敬意。

本书的编写得到了中国矿业大学、中国科学院计算技术研究所等各级领导的支持与帮助，中国矿业大学中国科学院智能信息处理联合实验室的老师、同学自始至终做了大量的工作，特别是青年教师张健、徐晓，博士生王艳茹、张子晨、王丽娟、张成龙、孙玉婷、杜威、杜淑颖等，在此一并表示感谢。

本书得到了国家自然科学基金项目“复杂大场景感知的广义深度认知模型与学习研究”（61976216）、“基于谱粒度的广义深度学习与应用研究”（61672522）等的资助。

本书由IFIP人工智能专业委员会机器学习和数据挖掘组主席、中国人工智能学会副理事长、中国计算机学会会士、中国人工智能学会会士、中国矿业大学兼职教授、中国科学院计算技术研究所博士生导师史忠植研究员担任主审。

由于人工智能是一门正在快速发展的年轻学科，新的理论、方法、技术及新的应用领域不断涌现，对其中的不少问题，编著者还缺乏深入研究，再加上编著者的学识水平有限、时间仓促，本书不可避免地存在疏漏，敬请各位专家和读者不吝指教。

为方便读者学习，本书配套微课视频，请读者扫描封底刮刮卡内二维码获得权限，再扫描书中章名旁的二维码，即可观看视频。为方便教师教学，本书配套教学课件、习题答案和教学质量标准，可扫描下方二维码下载。

丁世飞2021年6月

第2版前言

人工智能的诞生与发展是20世纪伟大的科学成就之一，也是新世纪引领未来发展的主导学科之一。它是一门新理论、新方法、新技术、新思想不断涌现的前沿交叉学科，相关研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代，人工智能科学与技术正在引起越来越广泛的重视，必将为推动科学技术的进步和产业的发展发挥更大的作用。

人工智能是一门研究机器智能的学科，即用人工的方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为。作为一门前沿和交叉学科，它的研究领域十分广泛，涉及机器学习、数据挖掘、计算机视觉、专家系统、自然语言理解、智能检索、模式识别、规划和机器人等领域。人工智能的长期目标是建立人类水平的人工智能。

本书为第2版，与第1版相比，主要改动如下。

首先，将第1版的“篇章节”排序方式，改为“章节”排序。

其次，第1章的绪论部分在第1版的基础上重新编写，使得内容更加合理； 第2章的谓词逻辑表示法重新组织与整理，使得内容更条理、更通顺； 删除了第1版2.7节的状态空间表示法，其部分内容与3.2节基于状态空间图的搜索进行了合并； 第4章中，推理的逻辑基础，删除了第1版中有关谓词的概念描述，从而避免了与第2章的谓词逻辑表示法的概念重复； 第5章中，删除了第1版的5.2节，其部分内容融于5.1节，增加了模糊推理一节，同时删除了第1版的模糊计算； 第6章中，重新编写了6.1节机器学习概述内容，吸收了的一些研究进展； 增加了第7章专家系统，这是人工智能应用的典型领域之一，有助于读者理解人工智能的真谛； 删除了第1版的粒度计算等。

后，在全书内容中对第1版出现的错误进行了纠正，对出现的不足进行了改进。

本书分为11章。主要包括： 

第1章绪论，主要讨论了人工智能的定义、形成过程、研究内容、学派之争、应用领域和发展趋势等。

第2~5章为人工智能经典的三大基本技术，即知识表示技术、搜索技术以及推理技术。包括第2章的知识表示法、第3章的搜索策略、第4章的确定性推理、第5章的不确定性推理。

第6~8章为人工智能的典型应用领域，包括第6章的机器学习、第7章的专家系统、第8章的支持向量机。

第9章和第10章为典型的计算智能方法，包括第9章的神经计算与第10章的进化计算。

第11章为人工智能的争论与展望，讨论了人工智能对人类的影响与展望。

本书力求科学性、实用性、可读性好，内容由浅入深、循序渐进，条理清晰，按照“基本智能 典型应用 计算智能”三个模块，以逐层深入的策略撰写，以期达到不同专业之取舍、不同层次的教学研究之需要。

本书包含了作者多年的科研成果，也吸取了国内外同类教材和有关文献的精华，他们的丰硕成果和贡献是本书学术思想的重要源泉，为本书的撰写提供了丰富的营养，在此谨向这些教材和文献的作者致以崇高的敬意。

本书的撰写得到了中国矿业大学、清华大学出版社等各级领导的支持与帮助，同时中国矿业大学中国科学院智能信息处理联合实验室的老师、同学自始至终做了大量的工作，特别是博士生黄华娟、贾洪杰，硕士生赵晗、韩有振、鲍丽娜等，在此一并表示感谢。

本书得到了国家自然科学基金项目“面向大规模复杂数据的多粒度知识发现关键理论与技术研究”（61379101）、国家重点基础研究发展计划（973计划）课题“脑机协同的认知计算模型”（2013CB329502）、江苏省基础研究计划（自然科学基金）项目（BK20130209）的支持。

本书承蒙国际信息处理联合会人工智能专业委员会机器学习和数据挖掘组主席、中国人工智能学会副理事长、中国科学院计算技术研究所博士生导师史忠植研究员担任主审，在此深表谢意。

由于人工智能是一门正在快速发展的年轻学科，新的理论、方法和技术及新的应用领域不断涌现，对其中的不少问题，作者还缺乏深入研究，再加上我们的学识水平有限、时间仓促，可能本书没有完全达到我们所希望的目标，也不可避免地存在各种错误和疏漏，敬请各位专家和读者不吝指教。

丁世飞2014年6月

第1版前言

人工智能的诞生与发展是20世纪伟大的科学成就之一，也是新世纪引领未来发展的主导学科之一。它是一门新思想、新观点、新理论、新技术不断涌现的前沿交叉学科，相关研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代，人工智能科学技术正在引起越来越广泛的重视，必将为推动科学技术的进步和产业的发展发挥更大的作用。

人工智能是一门研究机器智能的学科，即用人工的方法和技术，研制智能机器或智能系统模仿、延伸和扩展人的智能，实现智能行为。作为一门前沿和交叉学科，它的研究领域十分广泛，涉及机器学习、数据挖掘、计算机视觉、专家系统、自然语言理解、智能检索、模式识别、规划和机器人等领域。人工智能的长期目标是建立人类水平的人工智能。

本书是作者在自编《人工智能讲义》的基础上，结合多年的教学与科研实践经验，吸取国内外人工智能教材的优点，参考国际上的研究成果，由多年从事《人工智能》教学的专家、教授撰写而成。其中，第1、2章由夏战国编著，第3章由毛磊编著，第6章由朱红编著，第8、9章由许新征编著，其他各章由丁世飞教授编著，后由丁世飞教授全面负责通稿、定稿。

本书系统地阐述了人工智能的基本原理、方法和应用技术，比较全面地反映了国内外人工智能研究领域的进展和研究动态。

全书分为3篇，共13章。

第1篇： 基本人工智能。论述了人工智能的基本理论与技术，包括6章。第1章简要介绍了人工智能的发展状况以及各个学派的观点，并对它的研究与应用领域进行了必要的讨论。第2~6章阐述了人工智能的基本原理，包括经典的知识表示、搜索策略、确定性推理、不确定性推理以及机器学习等基本应用领域。

第2篇： 高级人工智能。论述了人工智能的高级理论与技术，主要涉及粗糙集与软计算、进化计算、模糊计算，以及粒度计算等人工智能的研究热点，包括6章。第7章阐述支持向量机，第8章阐述神经计算，第9章阐述进化计算，第10章阐述粗糙集，第11章阐述模糊集，第12章阐述粒度计算。

第3篇： 人工智能的展望。讨论人工智能对人类的影响与展望，即第13章。

本书力求科学性、实用性、可读性好，内容由浅入深、循序渐进，条理清晰，采用逐层深入的策略撰写，以达到适合于不同专业之取舍、不同层次的教学研究之需要。

本书包含了作者多年的科研成果，也吸取了国内外同类教材的有关文献的精华，他们的丰硕成果和贡献是本书学术思想的重要源泉，在此谨向这些教材和文献的作者致以崇高的敬意。特别感谢张钹院士、李德毅院士、王守觉院士、陆汝钤院士、史忠植教授、张铃教授、钟义信教授、王国胤教授、蔡自兴教授、焦李成教授、周志华教授、马少平教授、梁吉业教授、苗夺谦教授、姚一豫教授、刘清教授以及L.A.Zadeh,V.N.Vapnik,Z.Pawlak等专家的支持与帮助，他们的著作为本书提供了丰富的营养，使我们受益匪浅。

本书的顺利撰写得到了中国矿业大学计算机学院、中国矿业大学教务处等各级领导的支持与帮助，同时中国矿业大学中国科学院智能信息处理联合实验室的老师、同学在文字录入、图表制作、校对等方面自始至终做了大量的工作，特别是苏春阳、张禹、李剑英、陈锦荣、顾亚祥、徐丽、齐丙娟、钱钧、马刚、佟畅、张文涛等，在此一并表示感谢。

本书得到了国家自然科学基金项目（60975039）、江苏省基础研究计划（自然科学基金）项目（BK2009093）的支持。

本书由国际信息处理联合会人工智能专业委员会机器学习和数据挖掘组主席、中国人工智能学会副理事长、中国科学院计算技术研究所研究员、博士生导师、中国矿业大学兼职教授史忠植担任主审。

由于人工智能是一门不断发展的学科，新的理论、方法和技术及新的应用领域不断涌现，再加上我们的学识水平及时间有限，可能本书没有完全达到我们所希望的目标，也不可避免地存在各种错误和疏漏，敬请读者给予批评指正。

丁世飞2010年8月