本书介绍了人工智能在不同领域的应用，包括数学、化学、芯片设计、制造业、教育、金融、医疗等。人工智能技术的迅猛发展正在深刻地改变这些领域的传统模式和工作流程。针对各个领域的特点，本书分别介绍人工智能在该领域中的应用方向、应用技术案例、面临的挑战等。通过具体的案例分析，读者可以深入了解人工智能如何在实际应用中发挥作用，以及在应用过程中可能遇到的技术挑战。
更多科学出版社服务，请扫码获取。
2004.9-2009.6，中山大学信息科学与技术学院计算机系/香港科技大学计算机科学与工程系(联合培养)，博士
2000.9-2004.6，中山大学信息科学与技术学院计算机系，本科2016.7至今，先进网络与计算系统研究所 副所长
2014.1至今， 中山大学数据科学与计算机学院，副教授
2009.9-2013.12，中山大学信息科学与技术学院计算机系，讲师国际智能规划与调度顶级会议ICAPS, Conference Co-chair, 2021
国际人工智能协会AAAI Senior PC, 2020
国际人工智能顶级会议IJCAI Senior PC, 2019
国际智能规划与调度顶级会议ICAPS Sponsorship co-chair，2019
国际人工智能顶级会议IJCAI展示分会Co-Chair，2016
国际人工智能顶级会议IJCAI程序委员会资深委员，2013至今
国际人工智能协会AAAI 委员会委员，2012至2019
国际智能规划顶级会议ICAPS程序委员会委员，2012至今
目录
第1章 人工智能与数学 1
1.1 数学应用背景 1
1.2 基于符号回归的数据分析与统计 2
1.2.1 数学表达式的树表达形式 2
1.2.2 面向符号回归的蒙特卡洛树搜索 3
1.2.3 基于符号回归的数据分析与统计 7
1.3 基于扩散模型的数学建模与优化 8
1.3.1 加噪过程 9
1.3.2 去噪过程 10
1.3.3 数学建模与优化 12
1.4 总结 13
第2章 人工智能与化学 15
2.1 化学应用背景 15
2.2 化学逆向合成路径规划 17
2.3 单步逆向合成预测方法 18
2.3.1 基于模板的方法 19
2.3.2 基于序列到序列模型的无模板方法 19
2.3.3 基于图神经网络的无模板方法 21
2.4 基于搜索算法的多步逆向合成规划方法 23
2.4.1 基于A*搜索的Retro*方法 23
2.4.2 基于证明数搜索的DFPN-E方法 24
2.5 基于强化学习的多步逆向合成规划方法 26
2.5.1 基于值函数的强化学习方法 27
2.5.2 基于策略的强化学习方法 28
2.5.3 基于演员-评论者框架的强化学习方法 29
2.5.4 经验指导的蒙特卡洛树搜索方法 30
2.6 总结 33
第3章 人工智能与芯片设计 35
3.1 芯片设计应用背景 35
3.2 人工智能在芯片布线中的应用 36
3.2.1 全局布线 38
3.2.2 详细布线 39
3.2.3 图表达学习 42
3.2.4 图神经网络 50
3.2.5 基于图神经网络的详细布线 54
3.3 总结 55
第4章 人工智能与制造业 58
4.1 制造业应用背景 58
4.2 人工智能在电镀生产线中的应用 59
4.2.1 智能规划 62
4.2.2 电镀生产线调度问题求解 71
4.2.3 实验设计与结论分析 77
4.3 总结 79
第5章 人工智能与教育 80
5.1 教育应用背景 80
5.2 个性化学习 81
5.3 智能辅导系统 83
5.4 自动化评估 84
5.5 学习分析 86
5.6 总结 88
第6章 人工智能与金融 90
6.1 金融应用背景 90
6.2 基于卷积神经网络的投资组合推荐 92
6.2.1 卷积层 94
6.2.2 池化层 96
6.2.3 整体过程 97
6.2.4 投资组合推荐 98
6.3 基于强化学习的智能交易决策 100
6.3.1 马尔可夫决策过程 101
6.3.2 强化学习 106
6.3.3 智能交易决策 111
6.4 总结 112
第7章 人工智能与医疗 114
7.1 医疗应用背景 114
7.2 人工智能在医疗领域中的交叉应用 114
7.3 人工智能在辅助中医诊断中的应用 119
7.3.1 中医知识图谱构建 120
7.3.2 基于对偶四元数的中医知识图谱嵌入模型 125
7.3.3 基于对偶四元数的中医知识图谱嵌入模型分析 137
7.4 总结 137
参考文献 139
书单推荐
