人工智能导论PDF|Epub|txt|kindle电子书版本网盘下载

人工智能导论PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 人工智能概述2

1.1.1 人工智能基本概念2

1.1.2 人工智能的研究方法7

1.2 人工智能的研究目标及基本内容10

1.2.1 人工智能的研究目标10

1.2.2 人工智能研究的基本内容11

1.3 人工智能的发展历程13

1.3.1 人工智能发展简史13

1.3.2 人工智能的发展趋势19

1.4 人工智能的主要研究与应用领域20

1.4.2 机器学习21

1.4.1 专家系统21

1.4.3 机器人22

1.4.4 模式识别23

1.4.5 计算机视觉25

1.4.6 人工神经网络26

1.4.7 自然语言理解26

1.4.8 自动定理证明27

1.4.9 自动程序设计28

1.4.10 博弈28

1.4.11 智能决策支持系统29

1.4.12 智能搜索29

1.4.13 数据挖掘与知识发现29

习题30

第2章 问题求解的基本原理31

2.1.1 问题形式化32

2.1 概述32

2.1.2 问题实例33

2.1.3 问题搜索34

2.1.4 问题求解的性能35

2.2 盲目搜索策略35

2.2.1 状态空间表示及搜索分析35

2.2.2 一般图搜索策略43

2.2.3 宽度优先搜索46

2.2.4 深度优先搜索48

2.2.5 迭代加深搜索50

2.2.6 代价树搜索52

2.3 启发式搜索策略55

2.3.1 启发式策略55

2.3.3 全局择优搜索57

2.3.2 局部择优搜索57

2.3.4 算法A59

2.4 与／或树的搜索策略60

2.4.1 与／或树的盲目搜索60

2.4.2 与／或树的启发式搜索61

2.5 博弈树搜索策略65

2.5.1 概述65

2.5.2 极小极大分析法66

2.5.3 α-β剪枝技术68

2.5.4 实时决策技术71

2.5.5 当前博弈程序的发展水平74

2.6 约束满足搜索策略77

习题82

第3章 知识表示84

3.1.1 概述85

3.1 基本概念85

3.1.2 关于知识86

3.1.3 知识表示89

3.1.4 知识表示的选择原则91

3.2 一阶谓词逻辑表示法91

3.2.1 谓词逻辑的理论基础92

3.2.2 谓词公式的解释95

3.2.3 谓词公式的等价性和永真蕴涵96

3.2.4 一阶谓词逻辑的知识表示98

3.2.5 一阶谓词逻辑表示的特点102

3.3 产生式表示法103

3.3.1 产生式规则的知识表示103

3.3.2 产生式系统104

3.3.3 产生式系统的推理过程108

3.3.4 产生式表示法特点110

3.4 框架表示法112

3.4.1 框架理论112

3.4.2 框架的知识表示112

3.4.3 框架系统115

3.4.4 框架中预定义的槽119

3.4.5 框架系统中问题求解的推理121

3.4.6 框架表示方法的特点125

3.5 语义网络表示法126

3.5.1 语义网络概述126

3.5.2 多元语义网络的表示130

3.5.3 连接词与量词的表示131

3.5.4 语义网络的推理135

3.5.5 语义网络知识表示的特点138

3.6 面向对象表示法139

3.6.1 面向对象的基本概念140

3.6.2 面向对象的知识表示142

3.6.3 面向对象的基本特征144

3.6.4 面向对象知识表示与语义网络、框架系统的比较145

3.7 Petri网表示法146

3.7.1 Petri网的基本概念146

3.7.2 Petri网的知识表示147

3.7.3 Petri网的推理过程148

3.7.4 Petri网表示法的特点150

习题151

第4章 经典逻辑推理154

4.1.2 推理的发展概述155

4.1.1 什么是推理155

4.1 概述155

4.1.3 推理的控制策略156

4.2 命题逻辑推理159

4.2.1 命题的自然演绎159

4.2.2 命题推理规则161

4.2.3 命题的归结反演162

4.2.4 命题归结反演的合理性与完备性164

4.3 谓词逻辑推理164

4.3.1 谓词逻辑的合取范式165

4.3.2 置换与合一168

4.3.3 合一算法170

4.3.4 归结原理172

4.3.5 基于归结原理的定理证明174

4.3.6 基于归结反演的问题解答180

4.3.7 归结控制策略182

4.4 归结的完备性和合理性184

4.4.1 Herbrand域184

4.4.2 Herbrand解释186

4.4.3 语义树186

4.4.4 Herbrand定理188

4.4.5 完备性和合理性191

4.5 基于规则的演绎推理193

4.5.1 正向演绎推理194

4.5.2 反向演绎推理198

4.5.3 双向演绎推理200

习题201

第5章 高级知识推理204

5.1 经典逻辑系统的局限性205

5.2 非单调推理207

5.2.1 非单调推理简介207

5.2.2 封闭世界假设209

5.2.3 缺省推理210

5.2.4 限定推理213

5.2.5 非单调逻辑216

5.2.6 真值维持系统TMS218

5.3 不确定性推理222

5.3.1 不确定性推理的基本概念222

5.3.2 不确定性推理要解决的基本问题224

5.3.3 概率方法227

5.3.4 主观Bayes方法230

5.3.5 可信度方法239

5.3.6 证据理论245

习题258

第6章 计算智能260

6.1 计算智能概述261

6.1.1 从符号智能到计算智能261

6.1.2 计算智能基本概念262

6.2 模糊计算264

6.2.1 模糊逻辑的数学基础265

6.2.2 模糊逻辑的推理272

6.2.3 模糊判决方法282

6.3 神经计算284

6.3.1 人工神经网络研究进展284

6.3.2 人工神经网络的结构285

6.3.3 人工神经网络的典型模型288

6.3.4 感知机289

6.3.5 BP网络291

6.3.6 Hopfield网络294

6.3.7 随机神经网络296

6.3.8 基于神经网络的知识表示与推理301

6.4 进化计算304

6.4.1 进化计算概述304

6.4.2 基本遗传算法306

6.4.3 遗传算法模式理论313

习题317

第7章 专家系统320

7.1 专家系统概述321

7.1.1 基本概念321

7.1.2 专家系统发展简史325

7.1.3 专家系统结构与工作原理327

7.2 问题求解的组织结构330

7.2.1 传统问题求解组织结构331

7.2.2 结构化组织的需求332

7.2.3 问题求解组织结构的进展333

7.3 知识获取335

7.3.1 知识获取的任务336

7.3.2 知识的人工获取337

7.3.3 半自动化知识获取338

7.3.4 知识的自动获取339

7.4 开发专家系统340

7.4.1 专家系统的开发原则340

7.4.2 专家系统的开发步骤341

7.4.3 专家系统的评价344

7.5.1 骨架型开发工具346

7.5 专家系统开发工具346

7.5.2 语言型开发工具347

7.5.3 构造辅助工具347

7.5.4 支撑环境347

7.6 专家系统实例——MYCIN剖析348

7.6.1 MYCIN概述348

7.6.2 数据的表示350

7.6.3 知识的表示352

7.6.4 控制策略354

7.6.5 解释355

7.7 专家系统进展355

7.7.1 新一代专家系统特征355

7.7.2 分布式专家系统357

7.7.3 协同式专家系统359

习题360

第8章 机器学习361

8.1 机器学习概述362

8.1.1 机器学习的概念362

8.1.2 机器学习的发展简史364

8.1.3 机器学习的研究方法366

8.2 机械学习369

8.2.1 机械学习模式369

8.2.2 机械学习的主要问题370

8.2.3 机械学习应用举例371

8.3 指导式学习373

8.3.1 指导式学习的学习过程373

8.3.2 指导式学习示例373

8.4.1 类比推理与类比学习374

8.4 类比学习374

8.4.2 类比学习的表示与求解375

8.4.3 类比学习过程与类型377

8.5 解释学习378

8.5.1 解释学习的概念378

8.5.2 解释学习的过程379

8.5.3 解释学习示例380

8.6 归纳学习381

8.6.1 归纳学习的基本概念381

8.6.2 示例学习383

8.6.3 观察与发现学习386

8.6.4 版本空间学习387

习题389

参考文献390