인공지능 개념 및 응용(5판)

인공지능 개념 및 응용(5판)은 인공지능(AI)의 다양한 기술들을 설명한 입문서이다. 초창기 인공지능의 핵심 연구 분야였던 탐색과 지식 표현의 문제부터, 최신 인공지능 기술인 인공신경망, 지능 로봇, 데이터마이닝에 이르는 다양한 주제들로 구성하였다. 특히 5판은 최신 트렌드를 반영하여 심층 학습(딥러닝)의 내용을 추가하고, Python과 MATLAB 두 가지 언어로 비교하여 설명하였다. 본서는 각 단원들을 독립적으로 기술하여 관심 있는 부분만을 선택적으로 학습할 수 있다. 또한 다양한 예제와 그에 대한 풀이를 제공하고, 다룬 내용을 실제로 실습해볼 수 있도록 과제를 각 단원의 말미에 포함하였다.

01장 서론 01. 인공지능의 정의 1.1 지능이란 무엇인가 1.2 지능을 인공적으로 실현하는 것은 가능한가 02. 인공지능의 범주 2.1 사람처럼 행동하는 시스템 2.2 사람처럼 생각하는 시스템 2.3 이성적으로 생각하는 시스템 2.4 이성적으로 행동하는 시스템 03. 인공지능을 위한 지식 04. 인공지능의 역사적 배경 05. 인공지능의 구성 영역과 이 책의 구성 과제 02장 탐색 01. 문제 해결 1.1 직접적 방법 1.2 상태 공간 02. 기본적 탐색 기법 2.1 영국 박물관 알고리즘 2.2 깊이 우선 탐색 2.3 너비 우선 탐색 2.4 탐색의 방향과 경로 계획 03. 휴리스틱 탐색 기법 3.1 휴리스틱 3.2 평가 함수의 사용 : 언덕 등반 기법 3.3 단순한 언덕 등반 기법의 개선 04. 게임을 위한 탐색 03장 지식 표현과 논리 01. 논리 02. 비교 흡수 부정 2.1 비교 흡수 부정과 절 생성 방법 2.2 대답 유도 과정 03. 제약 조건 만족 04. 의미망 05. 프레임 06. 규칙 07. 객체지향 개념 08. 지식 표현 이슈 과제 04장 불확실성 01. 불확실성의 요인 02. 불확실한 상황 하에서의 추론 : 비단조 추론 2.1 부재 추론과 귀추법 2.2 폐세계 가정 03. 사실 유지 시스템 04. 확률에 기초한 추론 4.1 조건 확률과 Bayes의 정리 4.2 확신 인자 4.3 Dempster-Shafer의 증거 이론 05. 활용 과제 05장 퍼지 이론 01. 퍼지 이론의 개요와 역사 02. 퍼지 집합 03. 퍼지 관계 3.1 퍼지 관계의 정의 및 성질 3.2 퍼지 관계의 연산과 합성 04. 퍼지 수 05. 퍼지 추론 5.1 퍼지 추론의 합성 규칙 5.2 직접법에 의한 퍼지 추론 06. 퍼지 이론의 응용 6.1 퍼지 제어 6.2 퍼지 전문가 시스템 07. 퍼지 교통 제어 시뮬레이터 개발 사례 7.1 지능형 교통 신호 제어기 설계 7.2 퍼지 교통 제어 시뮬레이터 과제 06장 계획과 문제 풀이 01. 계획과 문제 풀이 1.1 계획의 종류 1.2 탐색 및 부목표 상호작용 02. 비계층적 계획과 계층적 계획의 비교 2.1 STRIPS 2.2 탐색과 역추적 2.3 ABSTRIPS 03. 비계층적 계획 3.1 HACKER 3.2 목표 역행 시스템 04. 계층적 계획 4.1 절차적 네트의 구조 4.2 NOAH에서 ‘상태’의 개념 4.3 NOAH에서의 계획 05. 기타 계획 시스템 과제 07장 기계 학습 01. 기계 학습의 개요 1.1 기계 학습 시스템의 모델 1.2 기계 학습의 방법 1.3 학습 전략에 의한 기계 학습의 분류 02. 암기 학습 03. 조언에 의한 학습 04. 유추에 의한 학습 4.1 문제 풀이와 유추 4.2 계획-변형(plan-transformation) 문제 공간 05. 예를 통한 학습 06. 관찰을 통한 학습 과제 08장 데이터마이닝 01. 데이터마이닝 정의와 역사 02. 데이터마이닝 수행 과정 2.1 데이터 선별(Data Selection) 2.2 데이터 전처리(Data Preprocessing) 2.3 데이터 변환(Data Transformation) 2.4 데이터마이닝(Data Mining) 2.5 패턴 분석(Pattern Evaluation) 03. 데이터마이닝 알고리즘 04. 데이터마이닝의 활용 분야 05. 데이터마이닝 도구: WEKA 과제 09장 인공신경망 01. 신경망의 개요 02. 신경망 연구의 역사 03. 신경망의 정의 및 특징 04. 신경망의 모델과 학습 4.1 신경망의 학습 4.2 단층 퍼셉트론 4.3 다층 퍼셉트론 4.4 경쟁 학습과 자기조직화 신경망 05. 심층 학습 06. 유전 알고리즘 07. 신경망의 응용 과제 10장 컴퓨터 시각 01. 영상의 획득 1.1 영상 센서 1.2 표본화와 양자화 02. 영상의 기초적 처리 2.1 잡음의 제거 2.2 경계 검출 2.3 영상의 이진화 2.4 영역 분할 03. 특징의 추출 04. 인식 4.1 원형 정합 4.2 확률적 기법에 의한 인식 4.3 학습에 의한 인식 05. 3차원 시각 06. 컴퓨터 시각 기술의 활용 과제 11장 자연언어 처리 01. 자연언어 처리를 위한 지식 02. 자연언어 표현을 위한 문법 03. 자연언어의 이해 3.1 형태소 분석 3.2 파싱 04. 자연언어의 생성 05. 경험적 자연언어 처리 5.1 분산 가정에 따른 단어의 표현 5.2 단어 임베딩 5.3 트랜스포머와 BERT 06. 자연언어 처리의 응용 예 6.1 초기 1950~1960년대의 시스템 6.2 1970년대의 시스템 6.3 1980년대 이후의 시스템 6.4 2000년대의 시맨틱웹 6.5 현재의 기계 학습 기반 자연언어 처리 과제 12장 지능형 에이전트 01. 지능형 에이전트의 개요 02. 지능형 에이전트의 정의와 성질 03. 에이전트의 역사 04. 지능형 에이전트 분류 4.1 학습 에이전트 4.2 인터페이스 에이전트 4.3 데스크탑 에이전트 4.4 인터넷 에이전트 4.5 모바일 에이전트 4.6 전자상거래 에이전트 05. 멀티 에이전트 시스템 5.1 멀티 에이전트 시스템 개요 5.2 멀티 에이전트 시스템 응용 06. 에이전트 응용 과제 13장 지능 로봇 01. 지능 로봇의 이해 02. 지능 로봇의 발전사 03. 지능 로봇을 위한 기술과 요소 3.1 로봇의 구성 요소와 구동 3.2 로봇의 동작 : 기구학, 역학, 그리고 자코비안 3.3 센서 3.4 제어 3.5 지능 알고리즘 04. 지능 로봇의 형태 05. 지능 로봇의 전망 과제 참고문헌 찾아보기