人工智能新视野

1 (p1): 第一部分 生物启发的人工智能
1 (p1-1): 第1章 人工智能发展简况
1 (p1-1-1): 1.1 人工智能领域主要研究成就回顾
2 (p1-1-1-1): 1.1.1 1956年：人工智能的信息处理观
3 (p1-1-1-2): 1.1.2 20世纪60年代：启发式搜索与知识表示
4 (p1-1-1-3): 1.1.3 20世纪80年代：人工神经网络
5 (p1-1-1-4): 1.1.4 20世纪90年代：物化与多代理系统
5 (p1-1-1-5): 1.1.5 21世纪：符号动力学
6 (p1-1-1-6): 1.1.6 我国的人工智能研究
10 (p1-1-2): 1.2 人工智能的发展
10 (p1-1-2-1): 1.2.1 从图灵测试到IBM的沃森
12 (p1-1-2-2): 1.2.2 谷歌的智能机器未来
14 (p1-1-2-3): 1.2.3 百度大脑
16 (p1-1-2-4): 1.2.4 微软智能生态
18 (p1-1-2-5): 1.2.5 脸书的深脸
19 (p1-1-2-6): 1.2.6 三大突破让人工智能近在眼前
20 (p1-1-3): 1.3 生物启发的人工智能发展里程碑
21 (p1-1-3-1): 1.3.1 遗传算法与进化计算
21 (p1-1-3-2): 1.3.2 神经网络
22 (p1-1-3-3): 1.3.3 群体智能
22 (p1-1-4): 1.4 小结
23 (p1-1-5): 参考文献
25 (p1-2): 第2章 进化计算、遗传算法与人工生命
25 (p1-2-1): 2.1 受生物启发的计算
25 (p1-2-1-1): 2.1.1 受生物启发的计算科学：康庄大道还是荆棘丛生？
26 (p1-2-1-2): 2.1.2 什么是受生物启发的计算？
27 (p1-2-1-3): 2.1.3 生物学在计算科学研究中的多重角色
28 (p1-2-2): 2.2 进化计算
28 (p1-2-2-1): 2.2.1 什么是进化计算？
30 (p1-2-2-2): 2.2.2 进化计算的基本框架与主要特点
32 (p1-2-2-3): 2.2.3 进化计算的分类
32 (p1-2-2-4): 2.2.4 进化计算的若干关键问题
35 (p1-2-3): 2.3 遗传算法
36 (p1-2-3-1): 2.3.1 遗传算法的概述
38 (p1-2-3-2): 2.3.2 遗传算法的理论基础
40 (p1-2-3-3): 2.3.3 遗传算法的基本思想
44 (p1-2-3-4): 2.3.4 遗传算法的一个简单的应用实例
46 (p1-2-4): 2.4 人工生命
48 (p1-2-4-1): 2.4.1 机器人学1：包容性架构
49 (p1-2-4-2): 2.4.2 机器人学2：受细菌活动启发的机器人趋向性技术
50 (p1-2-4-3): 2.4.3 机器人学3：能量和容错性控制
51 (p1-2-5): 2.5 小结
51 (p1-2-6): 参考文献
52 (p1-3): 第3章 神经计算
52 (p1-3-1): 3.1 人工神经网络相关介绍
52 (p1-3-1-1): 3.1.1 人工神经网络的起源与发展
53 (p1-3-1-2): 3.1.2 人工神经网络的应用
54 (p1-3-1-3): 3.1.3 小结
54 (p1-3-2): 3.2 Hopfield神经网络
54 (p1-3-2-1): 3.2.1 Hopfield神经网络概述
55 (p1-3-2-2): 3.2.2 Hopfield神经网络联想记忆
57 (p1-3-3): 3.3 博弈与神经网络的结合
57 (p1-3-3-1): 3.3.1 博弈论概述
58 (p1-3-3-2): 3.3.2 博弈模型与神经网络模型结合的学习模型
65 (p1-3-4): 3.4 自组织特征映射网络（SOM）
65 (p1-3-4-1): 3.4.1 快速SOM文本聚类法
66 (p1-3-4-2): 3.4.2 朴素贝叶斯与SOM相结合的混合聚类算法
67 (p1-3-5): 3.5 神经芯片与人工生命
68 (p1-3-5-1): 3.5.1 神经芯片的发展及其应用
69 (p1-3-5-2): 3.5.2 人工生命的相关应用
71 (p1-3-6): 3.6 深度学习
71 (p1-3-6-1): 3.6.1 深度学习的基本思想
71 (p1-3-6-2): 3.6.2 深度学习的典型结构
77 (p1-3-6-3): 3.6.3 深度学习的应用
80 (p1-3-6-4): 3.6.4 深度学习现状及前景分析
81 (p1-3-7): 3.7…