人工智能PDF|Epub|txt|kindle电子书版本网盘下载

人工智能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 智能的概念1

1.1.2 人工智能的概念2

1.1.3 人工智能的研究目标4

1.2 人工智能的基本内容5

1.2.1 与脑科学和认知科学的交叉研究5

1.2.2 智能模拟的方法和技术研究6

1.3 人工智能的历史回顾7

1.3.1 孕育期7

1.3.2 形成期7

1.3.3 知识应用期8

1.3.4 从学派分立走向综合9

1.3.5 智能科学技术学科的兴起9

1.4 人工智能研究中的不同学派10

1.4.1 符号主义学派10

1.4.2 联结主义学派10

1.4.3 行为主义11

1.5 人工智能的研究应用领域11

1.5.1 机器思维12

1.5.2 机器感知13

1.5.3 机器行为14

1.5.4 机器学习15

1.5.5 计算智能16

1.5.6 分布智能17

1.5.7 智能系统18

1.5.8 人工心理与人工情感18

1.5.9 人工智能的典型应用19

1.6 人工智能的现状与思考20

习题22

第2章 确定性知识表示23

2.1 知识表示的基本概念23

2.1.1 知识的概念23

2.1.2 知识表示和知识表示方法的概念24

2.2 谓词逻辑表示法25

2.2.1 谓词逻辑表示的逻辑学基础25

2.2.2 谓词逻辑表示的方法27

2.2.3 谓词逻辑表示的经典例子28

2.2.4 谓词逻辑表示的特性30

2.3 产生式表示法31

2.3.1 产生式表示的基本方法31

2.3.2 产生式表示的简单例子32

2.3.3 产生式表示的特性32

2.4 语义网络表示法33

2.4.1 语义网络的基本概念33

2.4.2 事物和概念的表示35

2.4.3 情况和动作的表示37

2.4.4 语义网络的基本过程38

2.4.5 语义网络表示法的特征38

2.5 框架表示法39

2.5.1 框架理论39

2.5.2 框架结构和框架表示39

2.5.3 框架系统43

2.5.4 框架系统的基本过程43

2.5.5 框架表示法的特性44

2.6 面向对象表示法45

2.6.1 面向对象的基本概念45

2.6.2 知识的面向对象表示46

2.6.3 面向对象表示与框架表示的区别46

习题46

第3章 确定性推理48

3.1 推理概述48

3.1.1 推理的概念48

3.1.2 推理方法及其分类49

3.1.3 推理控制策略及其分类50

3.2 产生式系统51

3.2.1 产生式系统的基本结构51

3.2.2 产生式系统的推理过程51

3.2.3 产生式系统的示例55

3.3 自然演绎推理56

3.3.1 自然演绎推理的逻辑基础57

3.3.2 自然演绎推理方法59

3.4 归结演绎推理60

3.4.1 归结演绎推理的逻辑基础61

3.4.2 子句集及其应用61

3.4.3 鲁滨逊归结原理65

3.4.4 归结演绎推理的方法68

3.4.5 归结演绎推理的归结策略71

3.4.6 用归结反演求取问题的答案75

习题76

第4章 搜索策略79

4.1 搜索概述79

4.1.1 搜索的含义79

4.1.2 状态空间法79

4.1.3 问题归约法83

4.2 状态空间的盲目搜索85

4.2.1 广度优先和深度优先搜索86

4.2.2 代价树搜索87

4.3 状态空间的启发式搜索89

4.3.1 启发性信息和估价函数89

4.3.2 A算法89

4.3.3 A＊算法91

4.3.4 A＊算法的特性91

4.3.5 A＊算法应用举例94

4.4 与／或树的盲目搜索95

4.4.1 与／或树的一般搜索95

4.4.2 与／或树的广度优先和深度优先搜索96

4.5 与／或树的启发式搜索97

4.5.1 解树的代价与希望树97

4.5.2 与／或树的启发式搜索过程98

4.6 博弈树的启发式搜索100

4.6.1 概述100

4.6.2 极大极小过程101

4.6.3 α-β剪枝102

习题103

第5章 计算智能106

5.1 概述106

5.1.1 什么是计算智能106

5.1.2 计算智能的产生与发展107

5.1.3 计算智能与人工智能的关系107

5.2 神经计算108

5.2.1 神经计算基础108

5.2.2 人工神经网络的互连结构111

5.2.3 人工神经网络的典型模型113

5.3 进化计算117

5.3.1 进化计算概述118

5.3.2 遗传算法121

5.3.3 遗传算法应用简例129

5.4 模糊计算132

5.4.1 模糊集及其运算132

5.4.2 模糊关系及其运算135

5.5 粗糙集137

5.5.1 粗糙集概述137

5.5.2 粗糙集的基本理论137

5.5.3 决策表的约简139

习题144

第6章 不确定性推理146

6.1 不确定性推理的基本概念146

6.1.1 不确定性推理的含义146

6.1.2 不确定性推理的基本问题147

6.1.3 不确定性推理的类型148

6.2 可信度方法148

6.2.1 可信度的概念149

6.2.2 可信度推理模型149

6.2.3 可信度推理的例子153

6.3 主观Bayes方法154

6.3.1 主观Bayes方法的概率论基础154

6.3.2 主观Bayes方法的推理模型155

6.3.3 主观Bayes推理的例子159

6.4 模糊推理161

6.4.1 模糊知识表示161

6.4.2 模糊概念的匹配163

6.4.3 模糊推理方法164

6.5 概率推理168

6.5.1 贝叶斯网络的概念及理论168

6.5.2 贝叶斯网络推理的概念和类型171

6.5.3 贝叶斯网络的精确推理171

习题173

第7章 机器学175

7.1 机器学习概述175

7.1.1 机器学习的概念及其发展过程175

7.1.2 学习系统的概念及模型177

7.1.3 机器学习的类型179

7.2 记忆学习179

7.3 示例学习180

7.3.1 示例学习的类型180

7.3.2 示例学习的模型181

7.3.3 示例学习的归纳方法182

7.4 决策树学习184

7.4.1 决策树的概念184

7.4.2 ID3算法185

7.5 联结学习188

7.5.1 联结学习的心理学基础188

7.5.2 联结学习的学习规则188

7.5.3 感知器学习190

7.5.4 BP网络学习192

7.5.5 Hopfield网络学习195

习题197

第8章 自然语言理解198

8.1 自然语言理解的基本概念198

8.1.1 自然语言的含义与组成198

8.1.2 自然语言理解的含义及任务199

8.1.3 自然语言理解的发展过程199

8.1.4 自然语言理解的层次200

8.2 词法分析201

8.3 句法分析201

8.3.1 句法规则的表示方法202

8.3.2 自顶向下与自底向上分析204

8.3.3 扩充转移网络分析205

8.4 语义分析207

8.4.1 语义文法207

8.4.2 格文法208

8.5 自然语言理解系统的层次模型209

习题210

第9章 分布智能212

9.1 分布智能概述212

9.1.1 分布智能的概念212

9.1.2 分布式问题求解213

9.1.3 多Agent系统213

9.2 Agent的结构216

9.2.1 Agent的机理216

9.2.2 反应Agent的结构217

9.2.3 认知Agent的结构217

9.2.4 混合Agent的结构218

9.3 Agent通信218

9.3.1 Agent通信的基本问题218

9.3.2 Agent通信方式219

9.3.3 Agent通信语言KQML220

9.4 多Agent合作223

9.4.1 Agent的协调223

9.4.2 Agent的协作224

9.4.3 Agent的协商226

9.4.4 多Agent应用示例227

9.5 移动Agent228

9.5.1 移动Agent系统的一般结构228

9.5.2 移动Agent的实现技术及应用229

习题231

第10章 新型专家系统232

10.1 专家系统概述232

10.1.1 专家系统的产生与发展232

10.1.2 新型专家系统的特征与类型233

10.2 专家系统基础234

10.2.1 专家系统的基本结构235

10.2.2 基于规则的专家系统236

10.2.3 基于框架的专家系统237

10.3 典型的新型专家系统238

10.3.1 模糊专家系统238

10.3.2 神经网络专家系统239

10.3.3 基于Web的专家系统241

10.3.4 分布式专家系统242

10.3.5 协同式专家系统243

10.4 专家系统的开发244

10.4.1 开发步骤244

10.4.2 知识获取245

10.4.3 开发工具与环境246

习题248

附录A 人工智能实验250

参考文献255