面向智能体的知识工程PDF|Epub|txt|kindle电子书版本网盘下载

面向智能体的知识工程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 绪论1

1．1 图灵测试与人工智能1

1．1．1 图灵测试1

1．1．2 人工智能的不同学派2

1．2 知识工程5

1．2．1 问题的提出5

1．2．2 知识6

1．2．3 知识工程的基础、原理7

1．2．4 知识模型中的构件8

1．2．5 人的因素：知识工程中人的角色9

1．2．6 知识工程的发展11

1．3 习题12

第2章 智能体13

2．1 智能体和环境13

2．2 理性14

2．3 任务环境PEAS属性16

2．4 智能体结构17

2．4．1 反应式智能体17

2．4．2 慎思式智能体18

2．4．3 混合式智能体19

2．5 小结20

2．6 习题21

第3章 目标智能体22

3．1 目标智能体结构22

3．2 问题形式化23

3．3 不完全可观察环境的搜索25

3．4 利用启发式知识的目标搜索26

3．4．1 贪婪最佳优先搜索算法26

3．4．2 A*搜索算法28

3．4．3 爬山搜索算法29

3．4．4 模拟退火搜索算法31

3．4．5 遗传算法32

3．5 目标测试标准化33

3．5．1 约束满足问题33

3．5．2 CSP问题的回溯搜索35

3．5．3 通过约束传播信息35

3．5．4 CSP问题的最小冲突搜索37

3．6 小结37

3．7 习题37

第4章 逻辑智能体39

4．1 逻辑智能体结构39

4．2 wumpus世界40

4．3 逻辑与知识库42

4．3．1 命题逻辑43

4．3．2 一个简单的知识库44

4．3．3 真值表推理45

4．4 命题逻辑智能体45

4．5 一阶逻辑智能体47

4．5．1 一阶逻辑47

4．5．2 一阶逻辑知识表示48

4．6 逻辑智能体的推理51

4．7 小结53

4．8 习题53

第5章 本体论55

5．1 本体概念55

5．1．1 本体特征55

5．1．2 本体与一般术语的区别56

5．1．3 本体分类58

5．2 本体的形式化定义61

5．2．1 OWA形式化定义61

5．2．2 Guarino形式化定义61

5．2．3 KAON形式化定义63

5．3 本体建模65

5．3．1 本体建模基元65

5．3．2 建立本体的一般方法67

5．4 领域本体知识库69

5．4．1 领域本体知识库概念69

5．4．2 领域本体知识库的构建71

5．4．3 领域本体的建模74

5．4．4 领域本体的复用75

5．4．5 领域本体的应用77

5．5 本体编辑工具78

5．5．1 本体编辑工具概述78

5．5．2 Protegé开发过程81

5．5．3 推理机Racer90

5．6 本体描述语言96

5．6．1 本体语言概述96

5．6．2 HTML扩展96

5．6．3 本体标记语言OML97

5．6．4 基于XML的文本交换语言XOL97

5．6．5 XML97

5．6．6 RDF99

5．6．7 本体交互语言OIL102

5．6．8 DAML＋OIL语言103

5．6．9 子语言103

5．6．10 描述逻辑105

5．7 小结107

5．8 习题108

第6章 常识109

6．1 常识的概念109

6．1．1 常识的例子109

6．1．2 常识推理的特点109

6．1．3 常识的重要性110

6．1．4 常识的表示111

6．2 常识推理115

6．2．1 缺省推理115

6．2．2 真值维护系统118

6．3 小结119

6．4 习题120

第7章 效用智能体121

7．1 效用智能体结构121

7．2 不确定性122

7．2．1 不确定环境下智能体的行动122

7．2．2 不确定知识的处理123

7．2．3 不确定性与理性决策125

7．3 信念网推理126

7．3．1 全联合分布推理126

7．3．2 信念网推理130

7．3．3 信念网的数值语义132

7．3．4 信念网拓扑语义135

7．3．5 信念网的精确推理135

7．4 定性推理140

7．4．1 定性推理概述140

7．4．2 定性推理的基本方法142

7．4．3 ENVISION方法143

7．4．4 空间定性推理概述147

7．5 集对分析149

7．5．1 集对分析基本原理149

7．5．2 联系数152

7．5．3 集对势152

7．5．4 基于集对分析的不确定性理论153

7．5．5 集对分析在人工智能中的应用154

7．6 小结162

7．7 习题162

第8章 学习智能体164

8．1 学习智能体结构164

8．2 机器学习概述165

8．2．1 基本概念166

8．2．2 机器学习的发展史167

8．3 从观察中学习168

8．3．1 假设及假设空间168

8．3．2 决策树CLS算法169

8．4 统计机器学习171

8．4．1 贝叶斯决策171

8．4．2 最大似然参数估计172

8．4．3 无监督聚类173

8．5 PAC学习176

8．5．1 泛化问题176

8．5．2 SVM177

8．5．3 表示问题179

8．6 集成机器学习180

8．6．1 弱可学习定理180

8．6．2 集成机器学习方法181

8．6．3 经验性研究问题182

8．7 强化学习183

8．7．1 完全可观察的MDP问题183

8．7．2 部分可观察的MDP问题186

8．7．3 强化学习的组成部分186

8．7．4 强化学习原理187

8．8 小结189

8．9 习题189

第9章 知识处理环境Prolog191

9．1 Prolog的特点191

9．1．1 事实和规则的描述191

9．1．2 Prolog程序结构192

9．2 一个简单的Prolog程序193

9．2．1 表达事实193

9．2．2 事实查询195

9．2．3 规则表达197

9．2．4 规则查询197

9．2．5 规则使用198

9．3 运算200

9．3．1 算术运算200

9．3．2 逻辑运算201

9．3．3 数据管理201

9．3．4 递归203

9．3．5 表205

9．3．6 截断208

9．3．7 循环210

9．4 Visual Prolog编程入门211

9．4．1 创建项目211

9．4．2 编写简单的应用程序216

9．4．3 创建窗口217

9．4．4 给窗口添加控件222

9．4．5 画鼠标掠影224

9．5 小结227

9．6 习题227

第10章 知识系统案例229

10．1 案例1——简单的医疗诊断系统229

10．1．1 规则库的构造229

10．1．2 源程序231

10．1．3 功能扩展232

10．1．4 程序运行235

10．2 案例2——汽车故障检修咨询系统237

10．2．1 知识库237

10．2．2 编程实现238

10．2．3 运行结果243

10．3 习题244

第11章 多智能体245

11．1 多智能体245

11．1．1 效用和偏好245

11．1．2 多智能体交互246

11．1．3 优势策略和Nash平衡248

11．1．4 竞争与零和交互250

11．2 智能体之间的通信253

11．2．1 交谈253

11．2．2 理解语言字符串255

11．2．3 有效通信262

参考文献267