人工智能原理及其應(yīng)用

前言

　　隨著智能技術(shù)研究和應(yīng)用的不斷深入，人工智能越來越受到社會的關(guān)注。在中國科協(xié)2008年舉辦的“十項引領(lǐng)未來的科學(xué)技術(shù)”網(wǎng)絡(luò)評選中，“人工智能技術(shù)”名列第4。人工智能作為一項引領(lǐng)未來的科學(xué)技術(shù)，正在以其無限的潛力，影響著未來科學(xué)技術(shù)的發(fā)展，改變著人類的生產(chǎn)生活方式?！　∪斯ぶ悄芫褪且脵C器模擬、延伸和擴展人的智能。智能就像人類生命體的精髓一樣，人工智能則是人造智能系統(tǒng)的精髓。今天，從智能理論到智能應(yīng)用，從智能產(chǎn)品到智能產(chǎn)業(yè)，從個體智能到群體智能，從智能家居到智能社會，人工智能已無處不在，其新理論、新方法、新技術(shù)、新系統(tǒng)、新應(yīng)用如雨后春筍般不斷涌現(xiàn)。創(chuàng)新智能技術(shù)，深化智能應(yīng)用是人工智能發(fā)展的根本?！　”窘滩淖猿霭嬉詠恚玫奖姸嘧x者的厚愛，第2版和第1版均先后印刷了9次，兩版共印刷18次。同時，本書先后被評為普通高等教育“十一五”國家級規(guī)劃教材和北京高等教育精品教材。在此，也向所有關(guān)心和支持本教材建設(shè)的專家和讀者表示感謝?！　∽鳛橐槐救斯ぶ悄芙滩模瑸楸M量反映人工智能技術(shù)的發(fā)展，適應(yīng)人工智能的應(yīng)用需求，本次修訂適當(dāng)壓縮了第2版中的一些陳舊技術(shù)，增加了一些流行的常用技術(shù)。與第2版相比，本次修訂的主要改動如下：　?。?）對第2版的部分章節(jié)進(jìn)行了拆分和合并，全書由第2版的10章修改為9章?！　。?）將第2版的第2章確定性知識表示和第3章確定性推理合并，修訂為第3版的第2章確定性知識系統(tǒng)?！　。?）將第2版的第7章機器學(xué)習(xí)拆分，修訂為第3版的第6章符號學(xué)習(xí)和第7章聯(lián)結(jié)學(xué)習(xí)。　?。?）將第2版的第8章自然語言理解和第10章高級專家系統(tǒng)合并，修訂為第3版的第9章人工智能應(yīng)用簡介。　?。?）在確定性知識表示方面，刪除了第2版的過程知識表示方法和語義網(wǎng)絡(luò)知識表示中的邏輯關(guān)系表示方法?！　。?）在確定性推理方面，刪除了第2版中基于規(guī)則的演繹推理。并將第2版第2章中關(guān)于產(chǎn)生式系統(tǒng)的內(nèi)容與第3章關(guān)于推理方向的內(nèi)容合并，修訂為第3版第2章中的產(chǎn)生式推理?！　。?）在搜索策略方面，刪除了第2版中的一般圖搜索過程，壓縮了第2版中的盲目搜索算法，使第3版更加突出了啟發(fā)式搜索的內(nèi)容?！　。?）在計算智能方面，第3版新增了粗糙集的概念、理論和方法，豐富了計算智能方面的相關(guān)內(nèi)容。　?。?）在不確定推理方面，第3版新增了基于貝葉斯網(wǎng)絡(luò)的概率推理，并對證據(jù)理論推理進(jìn)行了修訂，跳過了普通概率分配函數(shù)，直接從一個特殊的概率分配函數(shù)開始討論其推理問題?！　。?0）在符號學(xué)習(xí)方面，刪除了第2版中的解釋學(xué)習(xí)，新增第3版中基于支持向量機的統(tǒng)計學(xué)習(xí)?！　。?1）在聯(lián)結(jié)學(xué)習(xí)方面，第3版對BP網(wǎng)絡(luò)學(xué)習(xí)進(jìn)行了改寫和充實?！　。?2）根據(jù)人工智能技術(shù)的發(fā)展，對第1章的有關(guān)內(nèi)容進(jìn)行了修改?！　”窘滩牡?版共分9章?！　〉?章人工智能概述，主要討論人工智能的定義、形成過程、研究內(nèi)容、學(xué)派之爭、應(yīng)用領(lǐng)域和發(fā)展趨勢等，以使讀者建立人工智能的初步概念?！　〉?章確定性知識系統(tǒng)，包括確定性知識的表示和推理?！　〉?章搜索策略，重點關(guān)注啟發(fā)式搜索策略?！　〉?章計算智能，包括神經(jīng)計算、進(jìn)化計算、模糊計算和粗糙集。　　第5章不確定性推理，全面反映不確定性人工智能的思想。　　第6章符號學(xué)習(xí)，包括機器學(xué)習(xí)概述、記憶學(xué)習(xí)、示例學(xué)習(xí)、決策樹學(xué)習(xí)和統(tǒng)計學(xué)習(xí)等?！　〉?章聯(lián)結(jié)學(xué)習(xí)，包括感知器學(xué)習(xí)、BP網(wǎng)絡(luò)學(xué)習(xí)和Hopfield網(wǎng)絡(luò)學(xué)習(xí)等?！　〉?章分布智能，主要基于多Agent技術(shù)進(jìn)行討論。　　第9章為智能應(yīng)用簡介，主要包括自然語言理解和高級專家系統(tǒng)。　　附錄A是人工智能課程的實驗大綱?！　”窘滩慕ㄗh總學(xué)時為48學(xué)時（標(biāo)準(zhǔn)），其中課堂教學(xué)42學(xué)時，實驗6學(xué)時，具體分配如下：　　章次123456789理論課實驗課合計　　學(xué)時27599431242648　　若課時不足，可根據(jù)課時情況依次刪去：附錄A的實驗；5.4節(jié)證據(jù)理論；5.6.4小節(jié)貝葉斯網(wǎng)絡(luò)的近似推理；4.5節(jié)粗糙集等?！　”窘滩牡木帉懳×吮姸鄧鴥?nèi)外同行在其報告、演講、專著、教材和論文中的精華。在此，謹(jǐn)向這些專家和作者表示感謝。　　本教材第3版承蒙何新貴院士作序，在此深表謝意。馬獻(xiàn)英副編審精心校對了全部書稿，在此也深表謝意。本教材第3版的修訂和出版，同樣得到了電子工業(yè)出版社的大力支持，在此也表示誠摯的謝意?！　∪斯ぶ悄苁且婚T正在快速發(fā)展的年輕學(xué)科，其研究和應(yīng)用領(lǐng)域十分寬廣。由于作者水平有限、時間倉促，教材中難免存在一些缺點和錯誤，懇請各位專家和讀者不吝指教?！　⌒颉　∪斯ぶ悄苁侵悄芸茖W(xué)與技術(shù)學(xué)科的核心，在現(xiàn)代科學(xué)技術(shù)發(fā)展和未來信息社會進(jìn)程中具有重要的支撐和引領(lǐng)作用。今天，智能技術(shù)已滲透到人類社會的各個領(lǐng)域和人們生活的各個方面，人工智能的學(xué)術(shù)意義和應(yīng)用價值已被越來越多的人所認(rèn)識?！　⊥跞f森教授長期從事人工智能方面的研究和教學(xué)工作，有著豐富的研究經(jīng)歷和教學(xué)經(jīng)驗。此外，該同志現(xiàn)任中國人工智能學(xué)會秘書長、教育工作委員會主任，對人工智能的學(xué)術(shù)和教學(xué)內(nèi)容有較深入的思考和認(rèn)識?！　∵@本教材是王萬森教授《人工智能原理及其應(yīng)用》的第3版。該書前兩版共印刷18次，并先后被評為普通高等教育“十一五”國家級規(guī)劃教材和北京市高等教育精品教材，在學(xué)術(shù)界享有良好的聲譽?！　≡诒敬涡抻嗊^程中，作者對該書上一版的知識結(jié)構(gòu)及教學(xué)內(nèi)容進(jìn)行了精心推敲和認(rèn)真修改，其主要特點如下：　?。?）在保證人工智能學(xué)術(shù)體系完整性的同時，適當(dāng)壓縮傳統(tǒng)智能理論和方法，突出現(xiàn)代智能方法和技術(shù)，準(zhǔn)確地反映了人工智能學(xué)科的研究現(xiàn)狀和應(yīng)用需求。　?。?）從符號智能與計算智能并重，機器思維與機器學(xué)習(xí)并重的角度出發(fā)，合理安排教學(xué)內(nèi)容，科學(xué)地優(yōu)化了人工智能教材的知識結(jié)構(gòu)?！　。?）遵循教材編寫規(guī)律，注重教材寫作技巧，尤其是對一些現(xiàn)代智能方法，采用由淺入深、實例引導(dǎo)的方式，有效地提高了該教材的可讀性和可理解性?！　≡摃碚撁枋鰷?zhǔn)確，技術(shù)討論恰當(dāng)，系統(tǒng)結(jié)構(gòu)完整，重點內(nèi)容突出，既是高校相關(guān)專業(yè)人工智能教學(xué)方面的一本好教材，也是社會相關(guān)領(lǐng)域人工智能研究與應(yīng)用的一本有價值的參考書。該書的出版必將對我國智能科學(xué)技術(shù)的學(xué)科建設(shè)和教學(xué)工作起到積極的促進(jìn)作用。　　特此作序?！　”本┐髮W(xué)教授、中國工程院院士　　何新貴　　編著者

內(nèi)容概要

　　《人工智能原理及其應(yīng)用（第3版）》是普通高等教育“十一五”國家級規(guī)劃教材和北京高等教育精品教材。全書共9章，分別是：第1章人工智能概述，第2章確定性知識系統(tǒng)，第3章搜索策略，第4章計算智能，第5章不確定性推理，第6章符號學(xué)習(xí)，第7章聯(lián)結(jié)學(xué)習(xí)，第8章分布智能，第9章智能應(yīng)用簡介。附錄Ａ是人工智能課程實驗大綱。本書為任課教師免費提供電子課件。

書籍目錄

目　　錄第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（３） １．１．３　人工智能的研究目標(biāo)（３） １．２　人工智能的產(chǎn)生與發(fā)展（４） １．２．１　孕育期（４） １．２．２　形成期（４） １．２．３　知識應(yīng)用期（５） １．２．４　從學(xué)派分立走向綜合（６） １．２．５　智能科學(xué)技術(shù)學(xué)科的興起（６） １．３　人工智能研究的基本內(nèi)容（７） １．３．１　與腦科學(xué)和認(rèn)知科學(xué)的交叉研究（７） １．３．２　智能模擬的方法和技術(shù)研究（８）１．４　人工智能研究中的不同學(xué)派（８）１．４．１　符號主義（９） １．４．２　聯(lián)結(jié)主義（９） １．４．３　行為主義（１０） １．５　人工智能的研究和應(yīng)用領(lǐng)域（１０） １．５．１　機器思維（１０）１．５．２　機器學(xué)習(xí)（１１）１．５．３　機器感知（１３） １．５．４　機器行為（１４） １．５．５　計算智能（１５） １．５．６　分布智能（１６） １．５．７　智能系統(tǒng)（１６） １．５．８　人工心理與人工情感（１７） １．５．９　人工智能的典型應(yīng)用（１７） １．６　人工智能的現(xiàn)狀與思考（１９） 習(xí)題１ （２１） 第２章　確定性知識系統(tǒng)（２２） ２．１　確定性知識系統(tǒng)概述（２２） ２．１．１　確定性知識表示概述（２２）２．１．２　確定性知識推理概述（２４）２．２　確定性知識表示方法（２６） ２．２．１　謂詞邏輯表示法（２６） ２．２．２　產(chǎn)生式表示法（３３） ２．２．３　語義網(wǎng)絡(luò)表示法（３４） ２．２．４　框架表示法（４０） ２．３　確定性知識推理方法（４７） ２．３．１　產(chǎn)生式推理（４７）２．３．２　自然演繹推理（５２） ２．３．３　歸結(jié)演繹推理（５５） ２．４　確定性知識系統(tǒng)簡例（６５） ２．４．１　產(chǎn)生式系統(tǒng)簡例（６５） ２．４．２　歸結(jié)演繹系統(tǒng)簡例（６７） 習(xí)題２ （６９） 第３章　搜索策略（７２） ３．１　搜索概述（７２） ３．１．１　搜索的含義（７２） ３．１．２　狀態(tài)空間問題求解方法（７２） ３．１．３　問題歸約求解方法（７６） ３．２　搜索的盲目策略（７８）３．２．１　狀態(tài)空間的盲目搜索（７８）３．２．２　代價樹的盲目搜索（８０）３．３　狀態(tài)空間的啟發(fā)式搜索（８１） ３．３．１　啟發(fā)性信息和估價函數(shù)（８２）３．３．２　A算法（８２）３．３．３　A*算法（８４）３．３．４　A*算法應(yīng)用舉例（８８） ３．４　與／或樹的啟發(fā)式搜索（８９） ３．４．１　解樹的代價與希望樹（８９）３．４．２　與／或樹的啟發(fā)式搜索過程（９０） ３．５　博弈樹的啟發(fā)式搜索（９２） ３．５．１　概述（９２） ３．５．２　極大／極小過程（９３） ３．５．３　α-β剪枝（９３）習(xí)題３ （９５） 第４章　計算智能（９７） ４．１　計算智能概述（９７） ４．１．１　什么是計算智能（９７） ４．１．２　計算智能的產(chǎn)生與發(fā)展（９７） ４．１．３　計算智能與人工智能的關(guān)系（９８） ４．２　神經(jīng)計算（９８）４．２．１　神經(jīng)計算基礎(chǔ)（９９）!４．２．２　人工神經(jīng)網(wǎng)絡(luò)的互聯(lián)結(jié)構(gòu)（１０２） ４．２．３　人工神經(jīng)網(wǎng)絡(luò)的典型模型（１０４） ４．３　進(jìn)化計算（１０８） ４．３．１　進(jìn)化計算概述（１０８） ４．３．２　遺傳算法（１１２） ４．４　模糊計算（１２３） ４．４．１　模糊集及其運算（１２３） ４．４．２　模糊關(guān)系及其運算（１２６） ４．５　粗糙集（１２８） !４．５．１　粗糙集概述（１２８） ４．５．２　粗糙集的基本理論（１２８） ４．５．３　決策表的約簡（１３１） 習(xí)題４ （１３５） 第５章　不確定性推理（１３７） ５．１　不確定性推理概述（１３７） ５．１．１　不確定性推理的含義（１３７） ５．１．２　不確定性推理的基本問題（１３８） ５．１．３　不確定性推理的類型（１３９） ５．２　可信度推理（１３９） ５．２．１　可信度的概念（１４０） ５．２．２　可信度推理模型（１４０） ５．２．３　可信度推理的例子（１４４） ５．３　主觀Bayes推理（１４５） ５．３．１　主觀Bayes方法的概率論基礎(chǔ)（１４５） ５．３．２　主觀Bayes方法的推理模型（１４６）５．３．３　主觀Bayes推理的例子（１５０） ５．３．４　主觀Bayes推理的特性（１５２） ５．４　證據(jù)理論（１５２） ５．４．１　證據(jù)理論的形式化描述（１５２） ５．４．２　證據(jù)理論的推理模型（１５６） ５．４．３　推理實例（１５７） ５．４．４　證據(jù)理論推理的特性（１５９） ５．５　模糊推理（１５９） ５．５．１　模糊知識表示（１５９） ５．５．２　模糊概念的匹配（１６１） ５．５．３　模糊推理的方法（１６２） ５．６　概率推理（１６６） ５．６．１　貝葉斯網(wǎng)絡(luò)的概念及理論（１６６） ５．６．２　貝葉斯網(wǎng)絡(luò)推理的概念和類型（１６９） ５．６．３　貝葉斯網(wǎng)絡(luò)的精確推理（１７０） ５．６．４　貝葉斯網(wǎng)絡(luò)的近似推理（１７１） 習(xí)題５ （１７２） 第６章　符號學(xué)習(xí)（１７５） ６．１　符號學(xué)習(xí)概述（１７５） ６．１．１　學(xué)習(xí)的概念（１７５） ６．１．２　機器學(xué)習(xí)的概念（１７６） ６．１．３　符號學(xué)習(xí)系統(tǒng)的基本模型（１７８） ６．２　記憶學(xué)習(xí)（１７９） ６．３　示例學(xué)習(xí)（１８０） ６．３．１　示例學(xué)習(xí)的類型（１８１） ６．３．２　示例學(xué)習(xí)的模型（１８１） ６．３．３　示例學(xué)習(xí)的歸納方法（１８３） ６．４　決策樹學(xué)習(xí)（１８４） ６．４．１　決策樹的概念（１８４） ６．４．２　ID3算法（１８５） ６．５　統(tǒng)計學(xué)習(xí)（１８８） ６．５．１　小樣本統(tǒng)計學(xué)習(xí)理論（１８８）６．５．２　支持向量機（１９０） 習(xí)題６ （１９５）第７章　聯(lián)結(jié)學(xué)習(xí)（１９６） ７．１　聯(lián)結(jié)學(xué)習(xí)概述（１９６） ７．１．１　聯(lián)結(jié)學(xué)習(xí)的生理學(xué)基礎(chǔ)（１９６） ７．１．２　聯(lián)結(jié)學(xué)習(xí)規(guī)則（１９７） ７．２　感知器學(xué)習(xí)（１９８）７．２．１　單層感知器學(xué)習(xí)算法（１９８） ７．２．２　單層感知器學(xué)習(xí)的例子（１９９） ７．２．３　多層感知器學(xué)習(xí)問題（２００） ７．３　BP網(wǎng)絡(luò)學(xué)習(xí)（２０１）７．３．１　BP網(wǎng)絡(luò)學(xué)習(xí)的基礎(chǔ)（２０１） ７．３．２　BP算法的傳播公式（２０２） ７．３．３　BP網(wǎng)絡(luò)學(xué)習(xí)算法（２０５） ７．３．４　BP網(wǎng)絡(luò)學(xué)習(xí)的討論（２０６） ７．４　Hopfield網(wǎng)絡(luò)學(xué)習(xí)（２０６） ７．４．１　Hopfield網(wǎng)絡(luò)的能量函數(shù)（２０６） ７．４．２　Hopfield網(wǎng)絡(luò)學(xué)習(xí)算法（２０７）習(xí)題７ （２０８）第８章　分布智能（２０９）８．１　分布智能概述（２０９）８．１．１　分布智能的概念（２０９）８．１．２　分布式問題求解（２１０）!８．１．３　多Agent系統(tǒng)（２１１）Ⅹ 人工智能原理及其應(yīng)用（第３版）８．２　Agent的結(jié)構(gòu)（２１３）８．２．１　Agent的機理（２１３）８．２．２　反應(yīng)Agent的結(jié)構(gòu)（２１４）８．２．３　認(rèn)知Agent的結(jié)構(gòu)（２１４）８．２．４　混合Agent的結(jié)構(gòu)（２１５）８．３　多Agent系統(tǒng)（２１５）８．３．１　Agent通信（２１５）８．３．２　多Agent合作（２２０）８．４　移動Agent （２２６）８．４．１　移動Agent系統(tǒng)的一般結(jié)構(gòu)（２２６）８．４．２　移動Agent的實現(xiàn)技術(shù)及應(yīng)用（２２７） 習(xí)題８ （２２９）第９章　智能應(yīng)用簡介（２３０）９．１　自然語言理解簡介（２３０） ９．１．１　自然語言理解的基本概念（２３０） ９．１．２　詞法分析（２３２） ９．１．３　句法分析（２３３） ９．１．４　語義分析（２３７） ９．２　專家系統(tǒng)簡介（２３９） ９．２．１　專家系統(tǒng)概述（２３９） ９．２．２　基于規(guī)則和基于框架的專家系統(tǒng)（２４３）９．２．３　模糊專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)（２４５）!９．２．４　基于Web的專家系統(tǒng)（２４７）９．２．５　分布式和協(xié)同式專家系統(tǒng)（２４８） ９．２．６　專家系統(tǒng)的開發(fā)（２５０）習(xí)題９ （２５５） 附錄A　人工智能課程實驗大綱（２５７） Ａ．１　分章實驗（２５７） 分章實驗１　簡單動物識別系統(tǒng)的知識表示（第２章） （２５７）分章實驗２　簡單動物識別系統(tǒng)的推理（第２章） （２５７）分章實驗３　簡單的一字棋游戲（第３章） （２５８）分章實驗４　簡單的遺傳優(yōu)化（第４章） （２５８）分章實驗５　簡單的可信度推理（第５章） （２５８） 分章實驗６　簡單的單層感知器分類（第７章） （２５９）Ａ．２　綜合實驗（２５９）綜合實驗１　智能五子棋游戲（２５９） 綜合實驗２　基于BP網(wǎng)絡(luò)的預(yù)測或評價系統(tǒng)（２５９） 綜合實驗３　基于Web的不確定推理專家系統(tǒng)（２６０） 參考文獻(xiàn)（２６１）

編輯推薦

作為一本人工智能教材，為盡量反映人工智能技術(shù)的發(fā)展，適應(yīng)人工智能的應(yīng)用需求，《人工智能原理及其應(yīng)用(第3版)》修訂適當(dāng)壓縮了第2版中的一些陳舊技術(shù)，增加了一些流行的常用技術(shù)。全書共9章，分別是：第1章人工智能概述，第2章確定性知識系統(tǒng)，第3章搜索策略，第4章計算智能，第5章不確定性推理，第6章符號學(xué)習(xí)，第7章聯(lián)結(jié)學(xué)習(xí)，第8章分布智能，第9章智能應(yīng)用簡介。附錄A是人工智能課程實驗大綱。本書由王萬森編著。

圖書封面

評論、評分、閱讀與下載

---

    人工智能原理及其應(yīng)用 PDF格式下載

---