人工智能基础教程PDF|Epub|txt|kindle电子书版本网盘下载

人工智能基础教程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 概述1

1.1 人工智能概述1

1.2 AI的产生及主要学派3

1.3 人工智能、专家系统和知识工程4

1.4 AI模拟智能成功的标准6

1.5 人工智能应用系统7

1.6 人工智能的技术特征12

习题114

第1部分 搜索与问题求解17

第2章 用搜索求解问题的基本原理17

2.1 搜索求解问题的基本思路17

2.2 实现搜索过程的三大要素17

2.2.1 搜索对象17

2.2.2 扩展规则18

2.2.3 目标测试19

2.3 通过搜索求解问题19

2.4 问题特征分析22

2.4.1 问题的可分解性22

2.4.2 问题求解步骤的撤回25

2.4.3 问题全域的可预测性25

2.4.4 问题要求的解的满意度25

习题226

第3章 搜索的基本策略27

3.1 盲目搜索方法27

3.1.1 宽度优先搜索27

3.1.2 深度优先搜索28

3.1.3 分支有界搜索28

3.1.4 迭代加深搜索28

3.1.5 一个盲目搜索问题几种实现28

3.2 启发式搜索30

3.2.1 启发式信息的表示30

3.2.2 几种最基本的搜索策略35

3.3 随机搜索37

3.3.1 模拟退火法38

3.3.2 其他典型的随机搜索算法39

习题341

第4章 图搜索策略43

4.1 或图搜索策略43

4.1.1 通用或图搜索算法43

4.1.2 A算法与A算法46

4.2 与／或图搜索55

4.2.1 问题归约求解方法与“与／或图”55

4.2.2 与／或图搜索55

4.2.3 与／或图搜索的特点56

4.2.4 与／或图搜索算法AO58

4.2.5 对AO算法的进一步观察59

4.2.6 用AO算法求解一个智力难题60

习题463

第5章 博弈与搜索64

5.1 博弈与对策64

5.2 极小极大搜索算法65

5.2.1 极小极大搜索的思想65

5.2.2 极小极大搜索算法66

5.2.3 算法分析与举例66

5.3 α—β剪枝算法69

习题571

第6章 演化搜索算法73

6.1 遗传算法的基本概念73

6.1.1 遗传算法的基本定义73

6.1.2 遗传算法的基本流程74

6.2 遗传编码75

6.2.1 二进制编码75

6.2.2 Gray编码76

6.2.3 实数编码77

6.2.4 有序编码77

6.2.5 结构式编码77

6.3 适应值函数77

6.4 遗传操作78

6.4.1 选择78

6.4.2 交叉操作80

6.4.3 变异操作82

6.5 初始化群体84

6.6 控制参数的选取84

6.7 算法的终止准则85

6.8 遗传算法的基本理论85

6.8.1 模式定理85

6.8.2 隐含并行性87

6.8.3 构造块假设87

6.8.4 遗传算法的收敛性87

6.9 遗传算法简例87

6.10 遗传算法的应用领域89

6.11 免疫算法90

6.11.1 免疫算法的发展91

6.11.2 免疫算法的基本原理91

6.11.3 生物免疫系统与人工免疫系统对应关系94

6.11.4 免疫算法的基本类型和步骤94

6.12 典型免疫算法分析95

6.12.1 阴性选择算法95

6.12.2 免疫遗传算法97

6.12.3 克隆选择算法100

6.12.4 基于疫苗的免疫算法102

6.13 免疫算法设计分析104

6.14 免疫算法与遗传算法比较105

6.14.1 免疫算法与遗传算法的基本步骤比较105

6.14.2 免疫算法与遗传算法不同之处106

6.14.3 仿真实验及讨论106

6.15 免疫算法研究的展望107

习题6108

第7章 群集智能算法109

7.1 群集智能算法的研究背景109

7.2 群集智能的基本算法介绍109

7.2.1 蚁群算法109

7.2.2 flock算法116

7.2.3 粒子群算法118

7.3 集智系统介绍124

7.3.1 人工鱼125

7.3.2 Terrarium世界128

7.4 群集智能的优缺点133

习题7134

第8章 记忆型搜索算法135

8.1 禁忌搜索算法135

8.1.1 禁忌搜索算法的基本思想135

8.1.2 禁忌搜索算法的基本流程137

8.1.3 禁忌搜索示例137

8.1.4 禁忌搜索算法的基本要素分析141

8.1.5 禁忌搜索算法流程的特点145

8.1.6 禁忌搜索算法的改进145

8.2 和声搜索算法146

8.2.1 和声搜索算法简介和原理146

8.2.2 算法应用149

8.2.3 算法比较与分析155

习题8155

第9章 基于Agent的搜索157

9.1 DAI概述157

9.2 分布式问题求解158

9.3 Agent的定义160

9.3.1 Agent的弱定义160

9.3.2 Agent的强定义161

9.4 Agent的分类161

9.4.1 按功能划分162

9.4.2 按属性划分163

9.5 Agent通信166

9.5.1 Agent通信概述166

9.5.2 言语动作166

9.5.3 SHADE通信机制167

9.6 移动Agent170

9.6.1 移动Agent系统的一般结构171

9.6.2 移动Agent的分类172

9.6.3 移动Agent的优点174

9.6.4 移动Agent的技术难点175

9.6.5 移动Agent技术的标准化176

9.7 移动Agent平台的介绍177

9.7.1 General Magic公司的Odysses177

9.7.2 IBM公司的Aglet178

习题9178

第2部分 知识与推理183

第10章 知识表示与处理方法183

10.1 概述183

10.1.1 知识和知识表示的含义183

10.1.2 知识表示方法分类184

10.1.3 AI对知识表示方法的要求185

10.1.4 知识表示要注意的问题185

10.2 逻辑表示法186

10.3 产生式表示法187

10.3.1 产生式系统的组成188

10.3.2 产生式系统的知识表示188

10.3.3 产生式系统的推理方式192

10.3.4 产生式规则的选择与匹配194

10.3.5 产生式表示的特点195

10.4 语义网络表示法195

10.4.1 语义网络结构196

10.4.2 二元语义网络的表示196

10.4.3 多元语义网络的表示197

10.4.4 连接词和量词的表示197

10.4.5 语义网络的推理过程200

10.4.6 语义网络的一般描述203

10.5 框架表示法203

10.5.1 框架理论203

10.5.2 框架结构204

10.5.3 框架表示下的推理206

10.6 过程式知识表示209

习题10212

第11章 谓词逻辑的归结原理及其应用214

11.1 命题演算的归结方法214

11.1.1 基本概念214

11.1.2 命题演算的归结方法215

11.2 谓词演算的归结216

11.2.1 谓词演算的基本问题216

11.2.2 将公式化成标准子句形式的步骤216

11.2.3 合一算法218

11.2.4 变量分离标准化220

11.2.5 谓词演算的归结算法221

11.3 归结原理222

11.3.1 谓词演算的基本概念223

11.3.2 归结方法可靠性证明224

11.3.3 归结方法的完备性227

11.4 归结过程的控制策略234

11.4.1 简化策略234

11.4.2 支撑集策略236

11.4.3 线性输入策略237

11.4.4 几种推理规则及其应用238

11.5 应用实例240

11.5.1 归约在逻辑电路设计中的应用240

11.5.2 利用推理破案的实例242

习题11244

第12章 非经典逻辑的推理247

12.1 非单调推理247

12.1.1 单调推理与非单调推理的概念247

12.1.2 默认逻辑248

12.1.3 默认逻辑非单调推理系统TMS249

12.2 Dempster-Shater（D-S）证据理论251

12.2.1 识别框架252

12.2.2 基本概率分配函数252

12.2.3 置信函数Bel（A）252

12.2.4 置信区间253

12.2.5 证据的组合函数253

12.2.6 D-S理论的评价257

12.3 不确定性推理257

12.3.1 不确定性257

12.3.2 主观概率贝叶斯方法258

12.4 MYCIN系统的推理模型261

12.4.1 理论和实际的背景261

12.4.2 MYCIN模型262

12.4.3 MYCIN模型分析264

12.4.4 MYCIN推理网络的基本模式265

12.4.5 MYCIN推理模型的评价267

12.5 模糊推理267

12.5.1 模糊集论与模糊逻辑267

12.5.2 Fuzzy聚类分析269

12.6 基于案例的推理276

12.6.1 基于案例推理的基本思想276

12.6.2 案例的表示与组织277

12.6.3 案例的检索278

12.6.4 案例的改写278

12.7 归纳法推理278

12.7.1 归纳法推理的理论基础279

12.7.2 归纳法推理的基本概念280

12.7.3 归纳法推理中的主要难点283

12.7.4 归纳法推理的应用284

习题12285

第13章 次协调逻辑推理288

13.1 次协调逻辑的含义288

13.1.1 传统的人工智能与经典逻辑288

13.1.2 人工智能中不协调的数据和知识库288

13.1.3 次协调逻辑289

13.2 注解谓词演算289

13.2.1 多真值格289

13.2.2 注解逻辑290

13.2.3 注解谓词公式的语义291

13.2.4 APC中的不协调、非、蕴含293

13.3 基于APC的SLDa-推导和SLDa-反驳295

13.3.1 SLDa-推导和SLDa-反驳296

13.3.2 注解逻辑推理方法296

13.3.3 注解逻辑推理举例296

13.4 注解逻辑的归结原理297

13.5 应用实例301

13.6 控制策略307

习题13308

第3部分 学习与发现313

第14章 机器学习313

14.1 概述313

14.1.1 机器学习的定义和意义313

14.1.2 机器学习的研究简史313

14.1.3 机器学习方法的分类314

14.1.4 机器学习中的推理方法315

14.2 归纳学习316

14.2.1 归纳概念学习的定义317

14.2.2 归纳概念学习的形式描述319

14.2.3 归纳概念学习算法的一般步骤319

14.2.4 归纳概念学习的基本技术321

14.3 基于解释的学习328

14.3.1 基于解释学习的基本原理328

14.3.2 基于解释学习的一般框架328

14.3.3 基于解释的学习过程329

14.4 基于类比的学习330

14.4.1 类比学习的一般原理330

14.4.2 类比学习的表示331

14.4.3 类比学习的求解331

14.4.4 逐步推理和监控的类比学习332

习题14334

第15章 人工神经网络335

15.1 人工神经网络的特点335

15.2 人工神经网络的基本原理337

15.3 人工神经网络的基本结构模式342

15.4 人工神经网络互连结构343

15.5 神经网络模型分类345

15.6 几种基本的神经网络学习算法介绍346

15.6.1 Hebb型学习347

15.6.2 误差修正学习方法347

15.6.3 随机型学习348

15.6.4 竞争型学习349

15.6.5 基于记忆的学习350

15.6.6 结构修正学习350

15.7 几种典型神经网络简介350

15.7.1 单层前向网络350

15.7.2 多层前向网络及BP学习算法353

15.7.3 Hopfield神经网络357

15.8 人工神经网络与人工智能其他技术的比较363

15.9 人工神经网络的应用领域365

习题15366

第16章 数据挖掘与知识发现367

16.1 数据挖掘367

16.1.1 数据挖掘的定义与发展367

16.1.2 数据挖掘研究的主要内容368

16.1.3 数据挖掘的特点370

16.1.4 数据挖掘的分类371

16.1.5 数据挖掘常用的技术372

16.1.6 数据挖掘过程372

16.1.7 数据挖掘研究面临的困难373

16.1.8 关联规则挖掘373

16.1.9 聚类分析379

16.2 Web挖掘387

16.2.1 Web挖掘概述387

16.2.2 Web内容挖掘388

16.2.3 Web结构挖掘390

16.2.4 Web使用挖掘390

16.2.5 Web数据挖掘的技术难点395

16.2.6 XML与Web数据挖掘技术395

16.3 文本挖掘398

16.3.1 文本挖掘的概念398

16.3.2 文本挖掘预处理398

16.3.3 文本挖掘的关键技术399

16.3.4 文本挖掘系统的评价标准400

习题16400

第4部分 领域应用403

第17章 专家系统403

17.1 专家系统概述403

17.1.1 专家系统的定义403

17.1.2 专家系统的结构403

17.1.3 专家系统的特点404

17.1.4 专家系统的类型404

17.1.5 几个成功的专家系统简介406

17.2 专家系统中的知识获取407

17.2.1 概述407

17.2.2 知识获取的直接方法408

17.2.3 知识获取的新进展409

17.3 专家系统的解释机制410

17.3.1 预制文本解释法411

17.3.2 路径跟踪解释法411

17.3.3 自动程序员解释法412

17.3.4 策略解释法413

17.4 专家系统开发工具与环境413

17.4.1 专家系统开发工具的基本概念413

17.4.2 专家系统工具JESS414

17.4.3 JESS中的Rete匹配算法和逆向推理机制417

17.5 专家系统开发417

17.5.1 专家系统开发的步骤418

17.5.2 专家系统开发方法418

17.6 专家系统开发实例419

17.6.1 动物识别专家系统419

17.6.2 MYCIN专家系统421

习题17421

第18章 自然语言处理423

18.1 语言的组成423

18.1.1 自然语言的基本要素424

18.1.2 实词和虚词425

18.1.3 短语结构425

18.2 上下文无关语法426

18.2.1 重写规则426

18.2.2 语法分析427

18.3 上下文无关语法分析427

18.3.1 产生后继状态的算法428

18.3.2 利用词典429

18.3.3 建立语法分析树429

18.4 特殊语法的分析432

18.4.1 引进特征432

18.4.2 特征匹配433

18.5 利用图表的高效语法分析436

18.5.1 chart数据结构436

18.5.2 有多种解释的句子437

18.6 语义解释438

18.6.1 词的意思439

18.6.2 利用特征的语义解释440

18.6.3 词义排歧442

18.7 生成自然语言445

18.8 在上下文中的自然语言446

18.8.1 言语的行为446

18.8.2 创建引用447

18.8.3 处理数据库的断言和问题448

习题18452

参考文献453