本书系统地梳理了人工智能知识体系，并对人工智能领域的核心基础和算法及应用技术进行了深入细致的介绍。全书共12章。第1—5章介绍人工智能的核心基础；第6—9章讲解人工智能领域代表性算法；第10—12章讨论人工智能的几个主要应用研究方向。书中各章均配有习题，便于教师教学和学生自学。 本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可作为对人工智能感兴趣的研究人员和工程技术人员的参考用书。

1 绪论
1.1 人工智能的定义与发展
1.2 人工智能的研究目标及内容
1.3 人工智能的应用领域
习题
2 知识表示
2.1 概述
2.2 一阶谓词逻辑表示法
2.3 产生式表示法
2.4 框架表示法
2.5 语义网络表示法
习题
3 确定性推理
3.1 概述
3.2 自然演绎推理法
3.3 归结推理方法
3.4 归结过程的控制策略
习题
4 不确定性推理
4.1 概述
4.2 可信度方法
4.3 主观贝叶斯方法
4.4 D-S证据理论
4.5 模糊推理
习题
5 搜索求解策略
5.1 概述
5.2 状态空间表示
5.3 盲目式搜索策略
5.4 启发式搜索策略
5.5 与或树的有序搜索
5.6 博弈搜索
习题
6 智能优化算法
6.1 概述
6.2 模拟退火算法
6.3 进化算法
6.4 群智能算法
习题
7 机器学习
7.1 概述
7.2 机器学习的主要策略与基本结构
7.3 决策树
7.4 神经网络
7.5 支持向量机
习题
8 强化学习
8.1 概述
8.2 马尔科夫决策过程
8.3 有模型学习方法
8.4 无模型强化学习
习题
9 深度学习
9.1 概述
9.2 深度神经网络
9.3 卷积神经网络
9.4 循环神经网络
习题
10 智能控制
10.1 模糊控制
10.2 神经网络控制
习题
11 计算机视觉
11.1 计算机视觉概述
11.2 图像分类
11.3 目标检测
11.4 语义分割
习题
12 自然语言处理
12.1 概述
12.2 词法分析
12.3 句法分析
12.4 语义分析
习题
参考文献