人工智能新視野

第一部分 生物啟發(fā)帕人工智能第1章 人工智能發(fā)展簡況1.1 人工智能領(lǐng)域主要研究成就回顧1.1.1 1956年：人工智能的信息處理觀1.1.2 20世紀(jì)60年代：啟發(fā)式搜索與知識表示1.1.3 20世紀(jì)80年代：人工神經(jīng)網(wǎng)絡(luò)1.1.4 20世紀(jì)90年代：物化與多代理系統(tǒng)1.1.5 21世紀(jì)：符號動力學(xué)1.1.6 我國的人工智能研究1.2 人工智能的發(fā)展1.2.1 從圖靈測試到IBM的沃森1.2.2 谷歌的智能機器未來1.2.3 百度大腦1.2.4 微軟智能生態(tài)1.2.5 臉書的深臉1.2.6 三大突破讓人工智能近在眼前1.3 生物啟發(fā)的人工智能發(fā)展里程碑1.3.1 遺傳算法與進(jìn)化計算1.3.2 神經(jīng)網(wǎng)絡(luò)1.3.3 群體智能1.4 小結(jié)參考文獻(xiàn)第2章 進(jìn)化計算、遺傳算法與人工生命2.1 受生物啟發(fā)的計算2.1.1 受生物啟發(fā)的計算科學(xué)：康莊大道還是荊棘叢生？2.1.2 什么是受生物啟發(fā)的計算？2.1.3 生物學(xué)在計算科學(xué)研究中的多重角色2.2 進(jìn)化計算2.2.1 什么是進(jìn)化計算？2.2.2 進(jìn)化計算的基本框架與主要特點2.2.3 進(jìn)化計算的分類2.2.4 進(jìn)化計算的若干關(guān)鍵問題2.3 遺傳算法2.3.1 遺傳算法的概述2.3.2 遺傳算法的理論基礎(chǔ)2.3.3 遺傳算法的基本思想2.3.4 遺傳算法的一個簡單的應(yīng)用實例2.4 人工生命2.4.1 機器人學(xué)1：包容性架構(gòu)2.4.2 機器人學(xué)2：受細(xì)菌活動啟發(fā)的機器人趨向性技術(shù)2.4.3 機器人學(xué)3：能量和容錯性控制2.5 小結(jié)參考文獻(xiàn)第3章 神經(jīng)計算3.1 人工神經(jīng)網(wǎng)絡(luò)相關(guān)介紹3.1.1 人工神經(jīng)網(wǎng)絡(luò)的起源與發(fā)展3.1.2 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用3.1.3 小結(jié)3.2 Hopfield神經(jīng)網(wǎng)絡(luò)3.2.1 Hopfield神經(jīng)網(wǎng)絡(luò)概述3.2.2 Hopfield神經(jīng)網(wǎng)絡(luò)聯(lián)想記憶3.3 博弈與神經(jīng)網(wǎng)絡(luò)的結(jié)合3.3.1 博弈論概述3.3.2 博弈模型與神經(jīng)網(wǎng)絡(luò)模型結(jié)合的學(xué)習(xí)模型3.4 自組織特征映射網(wǎng)絡(luò)(SOM)3.4.1 快速SOM文本聚類法3.4.2 樸素貝葉斯與SOM相結(jié)合的混合聚類算法3.5 神經(jīng)芯片與人工生命3.5.1 神經(jīng)芯片的發(fā)展及其應(yīng)用3.5.2 人工生命的相關(guān)應(yīng)用3.6 深度學(xué)習(xí)3.6.1 深度學(xué)習(xí)的基本思想3.6.2 深度學(xué)習(xí)的典型結(jié)構(gòu)3.6.3 深度學(xué)習(xí)的應(yīng)用3.6.4 深度學(xué)習(xí)現(xiàn)狀及前景分析3.7 人工神經(jīng)網(wǎng)絡(luò)與醫(yī)學(xué)影像3.7.1 人工神經(jīng)網(wǎng)絡(luò)與醫(yī)學(xué)影像概述3.7.2 基于人工神經(jīng)網(wǎng)絡(luò)的腦成像分類模型介紹參考文獻(xiàn)第4章 群體智能4.1 群體智能基本思想4.1.1 思想來源……第5章 變形蟲模型與應(yīng)用第6章 智能Agent與多Agent系統(tǒng)
第二部分 人工智能熱門研究問題第7章 AI研究熱點第8章 Turing開創(chuàng)性工作對人工智能研究的啟示
第三部分 建馥、橫批與應(yīng)用第9章 社會網(wǎng)絡(luò)分析第10章 語義網(wǎng)技術(shù)及其應(yīng)用第11章 信息融合第12章 人工智能技術(shù)在生物信息學(xué)中的應(yīng)用