人工智能及专家系统PDF|Epub|txt|kindle电子书版本网盘下载

人工智能及专家系统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　人工智能概述1

1.1　人工智能的基本概念1

1.1.1　智能1

1.1.2　人类智能1

1.1.3　人工智能3

1.1.4　人工智能的研究目标3

1.2　人工智能的科学体系与分支4

1.2.1　人工智能的科学体系4

1.2.2　人工智能的学科范畴4

1.2.3　人工智能的应用领域5

1.2.4　人工智能分支的划分9

1.3　人工智能的技术方案与途径11

1.3.1　人工智能的基本技术11

1.3.2　人工智能的研究内容12

1.3.3　人工智能的研究途径与方法13

1.4　人工智能的产生与发展15

1.4.1　人工智能的孕育期（1956年以前）15

1.4.2　人工智能的基础技术研究与形成期（1956～1970年）16

1.4.3　人工智能的发展与应用期（1970年以后）18

1.4.4　人工智能在我国的发展情况19

1.4.5　人工智能的发展趋势与展望20

习题22

第2章　知识表示24

2.1　知识与知识表示的概念24

2.1.1　知识24

2.1.2　知识表示25

2.2　状态空间表示法27

2.2.1　状态空间表示法的基本概念和策略27

2.2.2　状态空间表示法示例28

2.3　与／或图表示法32

2.3.1　与／或图知识表示的概念32

2.3.2　与／或图表示示例33

2.4　产生式表示法34

2.4.1　产生式的结构和组成34

2.4.2　产生式系统的分类37

2.4.3　产生式系统的性能及其应用40

2.5　语义网络表示法41

2.5.1　语义网络的概念41

2.5.2　语义网络的推理43

2.5.3　语义网络表示法的特征44

2.6　框架表示法44

2.6.1　框架表示法的概念与设计45

2.6.2　框架的基本结构和描述46

2.6.3　框架系统48

2.6.4　框架系统的推理和求解过程51

2.6.5　5种知识表示方法的比较52

习题53

第3章　图搜索技术55

3.1　图搜索及其分类55

3.1.1　图搜索的概念55

3.1.2　图搜索的分类55

3.1.3　状态图搜索树56

3.1.4　状态空间搜索算法57

3.1.5　搜索效率59

3.2　穷举式搜索59

3.2.1　广度优先搜索60

3.2.2　深度优先搜索61

3.2.3　有界深度优先搜索62

3.2.4　代价驱动搜索64

3.3　启发式搜索66

3.3.1　启发式搜索的基本概念66

3.3.2　局部择优搜索67

3.3.3　全局择优搜索68

3.3.4　与／或图的启发式搜索69

3.3.5　博弈树的启发式搜索72

3.3.6　α-β剪枝技术76

习题77

第4章　逻辑的知识表示和推理79

4.1　命题与逻辑79

4.1.1　命题与命题定律79

4.1.2　谓词逻辑81

4.2　谓词逻辑知识表示83

4.2.1　谓词逻辑知识表示方法83

4.2.2　谓词逻辑表示的优缺点86

4.3　逻辑推理的技术与算法87

4.3.1　子句集及其化简87

4.3.2　置换与合一88

4.3.3　鲁滨逊消解（归结）原理89

习题94

第5章　智能学习系统96

5.1　机器学习的基本概念96

5.1.1　机器学习96

5.1.2　机器学习系统98

5.2　智能学习系统的基本模型100

5.3　机器学习的几种常用方法102

5.3.1　机械式学习102

5.3.2　指导式学习103

5.3.3　示例学习105

5.3.4　类比学习107

5.3.5　解释学习110

习题114

第6章　知识获取的新途径：数据挖掘与知识发现115

6.1　数据挖掘的技术基础115

6.1.1　数据挖掘的概念115

6.1.2　数据挖掘的功能和存在的主要问题120

6.1.3　数据挖掘成功案例123

6.2　数据挖掘的方法步骤和语言工具124

6.2.1　数据挖掘的方法124

6.2.2　数据挖掘语言126

6.2.3　数据挖掘的工具129

6.2.4　数据挖掘的流程131

6.3　数据挖掘系统的组构及管理策略132

6.3.1　数据挖掘系统的组成132

6.3.2　数据挖掘系统的架构133

6.3.3　数据挖掘管理系统136

6.4　数据挖掘的研究与发展137

6.4.1　数据挖掘系统的开发进展137

6.4.2　数据挖掘未来研究方向139

习题140

第7章　新的知识处理方式：智能主体技术141

7.1　智能主体的基本知识141

7.1.1　概念、分类与特点141

7.1.2　智能主体的研究学派和编程语言143

7.1.3　智能主体的基本结构144

7.1.4　智能主体的工作机制146

7.1.5　智能主体技术的应用147

7.2　多智能主体系统149

7.2.1　多智能主体系统的基本概念149

7.2.2　多智能主体系统的体系结构151

7.2.3　多智能主体的智能协同153

7.3　移动智能主体156

7.3.1　移动智能主体的基本概念156

7.3.2　移动智能主体的基本结构158

7.3.3　移动智能主体的技术实现160

7.3.4　移动智能主体的标准化情况162

习题163

第8章　专家系统的原理与设计164

8.1　专家系统的基本知识164

8.1.1　专家系统的概念164

8.1.2　专家系统的特点164

8.1.3　专家系统的分类166

8.1.4　新一代专家系统167

8.1.5　专家系统的主要研究课题170

8.2　专家系统的设计171

8.2.1　开发专家系统的需求分析171

8.2.2　知识获取172

8.2.3　专家系统构造者间的关系173

8.2.4　专家系统的设计结构174

8.2.5　专家系统的开发阶段与过程175

8.2.6　专家系统的设计要素177

8.3　专家系统的评价179

8.3.1　评价方法179

8.3.2　专家系统的技术评价180

8.3.3　专家系统的性能评价182

习题182

第9章　专家系统的开发工具与环境183

9.1　专家系统的语言型工具183

9.1.1　程序设计语言183

9.1.2　知识工程语言184

9.2　专家系统的设计工具186

9.2.1　辅助型工具186

9.2.2　支持工具187

9.3　专家系统的开发环境188

9.3.1　开发环境的定义与功能188

9.3.2　开发环境的实现途径189

9.4　专家系统工具的经典实例190

9.4.1　骨架工具系统EMYCIN190

9.4.2　骨架工具系统KAS192

9.4.3　通用专家系统工具介绍194

习题198

第10　章不精确推理与模糊专家系统199

10.1　不精确推理的基本理论199

10.1.1　不精确推理的模式199

10.1.2　规则可信度的计算200

10.1.3　不精确性的组合计算202

10.1.4　带加权因子的不精确推理204

10.1.5　带区间的不精确性表示205

10.2　主观Bayes推理方法207

10.2.1　主观Bayes推理模型208

10.2.2　证据不精确性情况下的推理模型210

10.2.3　组合证据的不精确性计算211

10.2.4　Bayes方法在PROSPECTOR中的应用212

10.3　模糊专家系统214

10.3.1　模糊专家系统的概念与特点214

10.3.2　模糊集合216

10.3.3　模糊矩阵与模糊关系219

10.3.4　模糊逻辑221

10.3.5　模糊知识表示和模糊匹配223

10.3.6　模糊逻辑推理225

10.3.7　模糊专家系统举例228

习题230

第11章　基于神经网络的专家系统232

11.1　神经网络的概念与模型232

11.1.1　生物神经元232

11.1.2　人工神经网络233

11.2　神经网络模型和算法238

11.2.1　感知器的学习结构与算法238

11.2.2　BP模型240

11.2.3　Hopfield模型243

11.2.4　典型的人工神经网络模型245

11.3　神经网络专家系统246

11.3.1 基于神经网络的知识表示与推理246

11.3.2　基于神经网络的故障诊断专家系统249

习题251

第12章　Prolog语言及其程序设计252

12.1　Prolog语言简介252

12.2　PDC Prolog数据结构和基本语句253

12.2.1　常量与变量253

12.2.2　3种基本语句254

12.3　PDC Prolog运算符与常用内部谓词256

12.3.1　函数与运算符256

12.3.2　输入与输出内部谓词257

12.3.3　动态数据库内部谓词258

12.4　PDC Prolog程序结构及其说明259

12.4.1　程序结构259

12.4.2　常量段说明260

12.4.3　域类型说明260

12.4.4　谓词与动态数据库说明262

12.4.5　谓词与域类型说明示例263

12.4.6　对象数据类型的转换264

12.5　PDC Prolog的基本搜索方法265

12.5.1　搜索与回溯265

12.5.2　失败回溯循环法267

12.5.3　切断回溯控制循环法267

12.5.4　自定义的循环方法268

12.5.5　递归269

12.6　PDC Prolog的数据处理271

12.6.1　表处理技术271

12.6.2　字符串处理274

12.6.3　文件处理278

12.7　PDC Prolog的多媒体技术281

12.7.1　窗口的建立及使用282

12.7.2　图形模式的设置与绘图286

12.7.3　声音的内部谓词及其应用289

12.8　PDC Prolog语言与C语言的连接290

12.8.1　语言条件291

12.8.2　外部谓词说明291

12.8.3　参数传递292

12.8.4　外部C语言子程序293

12.9　Visual Prolog语言293

12.9.1　Visual Prolog语言简介293

12.9.2　Visual Prolog的可视化开发环境及其使用295

习题297

第13章　基于Prolog程序实现的专家系统开发实例301

13.1　基于规则的动物识别专家系统301

13.1.1 动物识别专家系统的基本组成301

13.1.2　系统的PDC Prolog源程序及运行306

13.2　基于逻辑的液压故障诊断专家系统307

13.2.1 液压故障诊断专家系统的构建308

13.2.2　液压故障诊断系统的编程与运行状态309

习题315

参考文献316