人工智能基礎

前言

　　自從1956年首次提出“人工智能”這一術語以來，經歷了50多年的研究和開發(fā)，以及多次發(fā)展危機和機遇的洗禮，人工智能已經成長為計算機學科的重要分支，不僅用于探索智能理論和模擬智能行為，也廣泛應用于實現(xiàn)工程、技術系統(tǒng)的智能化，以解決各學科領域中的困難問題，并將在新世紀的網絡和知識經濟時代發(fā)揮重要作用?！　‰S著計算機技術的快速發(fā)展和網絡的普及應用，人工智能技術已滲透到應用計算機技術和網絡的各行各業(yè)，并正在和必將促進這些行業(yè)乃至計算機軟件產業(yè)本身的變革。所以，要求信息學科（尤其是計算機和自動化領域）和計算機應用密集的其他學科的研究生和本科高年級學生掌握人工智能的基礎知識，已成為國內外許多高校提高學生綜合素質，培養(yǎng)高水平、復合型和創(chuàng)新型人才的一項重要舉措?！　≌憬髮W是國內最早進行人工智能研究的高校之一，并長期重視研究生和本科生的人工智能課程教學。考慮到人工智能技術是信息學科和其他學科領域提高計算機應用水平的重要工具，本書的第1版已將課程的教學目標定位為使學生掌握人工智能技術的基本常識和擁有應用開發(fā)的初級能力；因而注重從工程應用的角度，深入淺出地系統(tǒng)介紹人工智能的基本原理、方法及應用技術，強化實用化介紹，并全面反映當時國內外研究和應用的新進展?！　∽罱陙恚ㄓ绕涫沁M入新千年以來），人工智能技術取得了重大進展，主要體現(xiàn)在兩個方面：新一代網絡計算的智能化、機器學習的研究和應用；這些新進展加速了人工智能技術融入網絡和知識經濟的步伐。本書作者認為，第2版應反映這些新進展，但這會大幅度增加提高篇的內容?？紤]到本書（分3個部分：緒論、基礎篇和提高篇）側重于讓學生掌握人工智能的基本原理、方法及初級應用技術（這些屬基礎篇的內容），而提高篇旨在拓廣學生對于人工智能高級技術的視野；所以作者將原提高篇內容分離出來編入研究生教材《人工智能高級技術導論》，代之以設立新的第7章“人工智能高級技術綜述”作為提高篇內容，給出對于人工智能高級技術的一個引導性介紹，其中包括對于上述新進展的介紹。　　本書第2版保留第1版的內容構架，全書分3個部分：緒論、基礎篇和提高篇。緒論即第l章，闡述人工智能研究的發(fā)展和基本原則?；A篇由5章構成，第2、3章介紹人工智能的基本概念、方法和技術，包括搜索、歸約和邏輯推理等問題求解的基本方法以及知識表示的理論和方法；第4、5、6章討論人工智能技術的主要應用，包括基于知識的系統(tǒng)，自動規(guī)劃和配置，以及機器學習和知識發(fā)現(xiàn)。第3章增加了3．5節(jié)，通過引入基于本體的語義知識表示，將知識表示從面向句法擴展到面向語義，使得通過計算機網絡交換的信息內容具有語義清晰和精確的定義。第4章增加了4．5節(jié)，闡述從傳統(tǒng)知識工程中脫穎而出的本體工程，并將KB系統(tǒng)拓廣到基于本體的知識系統(tǒng)，包括語義Web、知識管理、分布協(xié)同。

內容概要

本書為普通高等教育“十一五”國家級規(guī)劃教材，旨在系統(tǒng)介紹人工智能的基本原理、方法和技術，并反映國內外研究和應用的最新進展。全書共7章。第1章闡述人工智能研究的發(fā)展、成果和基本原則；第2、3章介紹人工智能的基本概念、方法和技術，包括問題求解的基本方法和知識表示；第4～6章討論人工智能技術的主要應用，包括基于知識的系統(tǒng)、自動規(guī)劃和配置以及機器學習；第7章對人工智能的高級技術作引導性綜述，包括非單調推理和軟計算、基于范例的推理、關于時間和空間的推理、機器學習研究和應用的新進展、Agent技術和多Agent協(xié)同工作，以及新一代網絡計算的技術基礎及其智能化，以開闊學生的眼界。    本書內容豐富，敘述脈絡清晰，強化實用化介紹，同時配有豐富的習題，可作為高等院校計算機及有關專業(yè)本科生教材，也可供工程技術人員參考使用。

作者簡介

　　高濟，浙江大學計算機科學與技術學院教授，博士生導師。主要研究方向為網絡計算與普適計算、智能軟件與Agent技術、軟件工程與中間件技術、知識管理與決策支持等。長期從事人工智能和計算機應用研究工作，先后主持和完成了國家自然科學基金項目6個（在研1個），國家高技術研究發(fā)展（863）計劃I頁目8個（在研1個）、以及國家重點基礎研究發(fā)展（973）計劃項目子課題1個（在研）：已有6項主持的科研成果通過鑒定、分別達到國際水平或國內領先水平：已發(fā)表學術論文200余篇，其中98篇收錄進SCI索引、EI索引或國內一級期刊：出版的專著“基于知識的軟件智能化技術”“屬國家九五重點圖書。

書籍目錄

第1章  人工智能研究的發(fā)展和基本原則  1.1 人工智能的研究和應用  1.2 人工智能研究的發(fā)展  1.3 人工智能研究的成果  1.4 人工智能研究的基本原則  1.5 存在的問題和發(fā)展前景  習題  參考文獻第2章  問題求解的基本方法  2.1 一般圖搜索    2.1.1狀態(tài)空間搜索    2.1.2 啟發(fā)式搜索    2.1.3 狀態(tài)空間抽象和生成一測試法    2.1.4 啟發(fā)式搜索的適用性討論  2.2 問題歸約    2.2.1問題歸約的描述    2.2.2 與或圖搜索    2.2.3 與或圖的啟發(fā)式搜索  2.3 基于歸結的演繹推理    2.3.1 謂詞演算    2.3.2 歸結演繹方法    2.3.3 歸結反演  2.4 基于規(guī)則的演繹推理    2.4.1 基于規(guī)則的正向演繹推理    2.4.2 基于規(guī)則的逆向演繹推理    2.4.3 演繹推理的應用討論    2.4.4 邏輯編程語言Prolog    本章小結    習題    參考文獻第3章  知識表示  3.1 知識和知識表示    3.1.1 知識原則    3.1.2 知識表示的作用    3.1.3 知識表示的功能    3.1.4 知識表示的性能    3.1.5 基本的知識表示方式  3.2 產生式表示    3.2.1產生式系統(tǒng)    3.2.2 控制策略    3.2.3 產生式系統(tǒng)的分類  3.3 結構化表示    3.3.1語義網絡    3.3.2 框架表示法    3.3.3 面向對象的表示法  3.4 知識表示的實用化問題    3.4.1程序性和陳述性知識    3.4.2 表示能力和推理效率之間的制約關系  3.5 基于本體的語義知識表示    3.5.1語義知識表示和共享本體    3.5.2 本體表示語言的研究    3.5.3 Web本體語言OWL    3.5.4 語義Web的應用情景和支持技術    本章小結    習題    參考文獻第4章  基于知識的系統(tǒng)  4.1 KB系統(tǒng)的開發(fā)    4.1.1 KB系統(tǒng)的一般概念    4.1.2 KB系統(tǒng)的體系結構原則    4.1.3 KB系統(tǒng)的開發(fā)過程    4.1.4 KB系統(tǒng)的開發(fā)工具和環(huán)境  4.2 設計基于產生式表示的KB系統(tǒng)開發(fā)工具    4.2.1 總體設計    4.2.2 Xps的實現(xiàn)    4.2.3 應用實例——家族樹    4.2.4 性能改進    4.2.5 開發(fā)工具OPS5   4.3 專家系統(tǒng)實例——MYCIN    4.3.1知識庫的構造    4.3.2 推理機的設計    4.3.3 系統(tǒng)服務設施    4.3.4 開發(fā)工具EMYcIN  4.4 問題求解的結構化組織    4.4.1結構化組織的需求    4.4.2 事務表    4.4.3 黑板法    4.4.4 問題求解建模    4.4.5 KB系統(tǒng)的高級技術  4.5 基于本體的知識系統(tǒng)    4.5.1 基礎級本體工程    4.5.2 高級本體工程    4.5.3 開發(fā)基于本體的知識系統(tǒng)    本章小結    習題    參考文獻第5章  自動規(guī)劃和配置  5.1 經典規(guī)劃技術    5.1.1 經典規(guī)劃技術的發(fā)展    5.1.2 規(guī)劃的基本概念    5.1.3 早期的自動規(guī)劃技術    5.1.4 部分排序規(guī)劃技術  5.2 自動規(guī)劃技術的新進展    5.2.1 非經典規(guī)劃技術的開發(fā)    5.2.2 自動規(guī)劃技術的實用化    5.2.3 智能的調度、規(guī)劃和項目管理  5.3 自動配置    5.3.1 配置的一般概念    5.3.2 自動配置的建模    5.3.3 XCON——計算機自動配置系統(tǒng)    本章小結    習題    參考文獻第6章  機器學習  6.1 機器學習概論    6.1.1 機器學習的基本概念    6.1.2 機器學習的發(fā)展歷史    6.1.3 機器學習分類  6.2 示例學習    6.2.1示例學習的基本策略    6.2.2 決策樹構造法ID3   6.3 基于解釋的學習    6.3.1 基于解釋的泛化(EBG)    6.3.2 基于解釋學習的若干基本問題  6.4 遺傳算法    6.4.1 簡單遺傳算法    6.4.2 分類系統(tǒng)  6.5 加強學習    6.5.1 加強學習的基本方法    6.5.2 p學習    6.5.3 有關加強學習的進一步討論  6.6 基于范例的學習    6.6.1 基于范例推理的過程    6.6.2 應用實例：智能飼料配方系統(tǒng)ICMIX  6.7 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘    6.7.1 定理發(fā)現(xiàn)    6.7.2 數(shù)據(jù)挖掘    6.7.3 關聯(lián)規(guī)則挖掘    6.7.4 數(shù)據(jù)庫及網絡中的知識發(fā)現(xiàn)    本章小結    習題    參考文獻第7章  人工智能高級技術綜述  7.1 非單調推理和軟計算    7.1.1 真值維持系統(tǒng)    7.1.2 約束滿足問題    7.1.3 不確定推理    7.1.4 模糊邏輯和模糊推理    7.1.5 人工神經網絡  7.2 基于范例的推理    7.2.1基于范例的推理系統(tǒng)    7.2.2 范例表示和索引    7.2.3 檢索、改編和辯證    7.2.4 基于范例的學習    7.2.5 結論  7.3 關于時間和空間的推理    7.3.1伴有時間的推理    7.3.2 時間的不確定性和分支    7.3.3 關于空間的推理    7.3.4 關于形狀的推理  7.4 機器學習研究與應用的新進展    7.4.1 貝葉斯網絡    7.4.2 隱馬爾可夫模型    7.4.3 統(tǒng)計學習理論    7.4.4 粗糙集理論    7.4.5 聚類分析    7.4.6 復雜類型數(shù)據(jù)的挖掘  7.5 Agent技術和多Agent協(xié)同工作    7.5.1 Agent技術的研究和發(fā)展    7.5.2 多Agent協(xié)作     7.5.3 Agent通信   7.6 新一代網絡計算的技術基礎及其智能化    7.6.1 語義Web    7.6.2 網格計算    7.6.3 自治計算    本章小結    習題    參考文獻

編輯推薦

　　◆強化人工智能研究和應用新進展的介紹，使學生及時了解人工智能學科的前沿動向，激發(fā)他們應用新技術和進行創(chuàng)新研究的熱情。　　◆將人工智能的基本概念、方法及技術清晰地劃為兩個方面：問題求解的基本方法和知識表示；其中，關于知識表示的理論指出了知識表示包括定義符號結構和推理機制兩個部分，并通過引入基于本體的語義知識表示，將知識表示從面向句法擴展到面向語義；由此，為學生獨立設計KB（基于知識的）系統(tǒng)和基于本體的知識系統(tǒng)奠定了方法論基礎?！　　魪娀斯ぶ悄芗夹g的實用化介紹，以幫助學生理論聯(lián)系實踐，并為學生將來將人工智能技術應用于各自的研究工作，提供指導性樣板。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    人工智能基礎 PDF格式下載

---