人工智能

內(nèi)容概要

人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的一門學科。其主要任務是建立智能信息處理理論，進而設計可以展現(xiàn)某些近似于人類智能行為的計算系統(tǒng)。本書系統(tǒng)介紹人工智能的理論、方法、技術及其應用，除了討論仍然有用的和有效的基本原理與方法之外，著重闡述新的和正在研究的人工智能方法與技術，特別是近期發(fā)展起來的方法與技術。此外，用比較多的篇幅論述人工智能的應用，包括人工智能新的應用研究。    本書適合作為高等學校計算機專業(yè)高年級本科生和非計算機專業(yè)研究生人工智能的教材，也可作為希望深入學習人工智能的科技人員的參考書。

書籍目錄

第1章  緒論	　1.1  人工智能的定義與發(fā)展	　1.2  人類智能與人工智能	　　1.2.1  智能信息處理系統(tǒng)的假設	　　　1.2.2  人類智能的計算機模擬　1.3  人工智能各學派的認知觀	　1.4  人工智能的研究與應用領域	　　1.4.1  智能感知	　　1.4.2  智能推理	　　1.4.3  智能學習	　　1.4.4  智能行動	　1.5  未來50年的人工智能問題	　習題	第2章  知識表示和推理	　2.1  概述	　　2.1.1  知識和知識表示	　　2.1.2  知識-策略-智能	　　2.1.3  人工智能對知識表示方法的要求	　　2.1.4  知識的分類	　　2.1.5  知識表示語言問題	　　2.1.6  現(xiàn)代邏輯學的基本研究方法	　2.2  命題邏輯	　　2.2.1  語法	　　2.2.2  語義	　　2.2.3  命題演算形式系統(tǒng)PC	　2.3  謂詞邏輯	　　2.3.1  語法	　　2.3.2  語義	　　2.3.3  謂詞邏輯形式系統(tǒng)FC	　　2.3.4  一階謂詞邏輯的應用	　2.4  歸結推理	　　2.4.1  命題演算中的歸結推理	　　2.4.2  謂詞演算中的歸結推理	　　2.4.3  謂詞演算歸結反演的合理性和完備性	　2.5  產(chǎn)生式系統(tǒng)	　　2.5.1  產(chǎn)生式系統(tǒng)的組成部分	　　2.5.2  產(chǎn)生式系統(tǒng)的基本過程	　　2.5.3  產(chǎn)生式系統(tǒng)的控制策略	　2.6  知識表示的其他方法	　　2.6.1  語義網(wǎng)絡	　　2.6.2  框架	　　2.6.3  面向?qū)ο?　2.7  基于知識的系統(tǒng)	　　2.7.1  知識獲取	　　2.7.2  知識組織	　　2.7.3  知識應用	　2.8  小結	　習題	第3章  搜索技術	　3.1  引言	　3.2  盲目搜索方法	　　3.2.1  寬度優(yōu)先搜索	　　3.2.2  深度優(yōu)先搜索	　　3.2.3  迭代加深搜索	　3.3  啟發(fā)式搜索	　　3.3.1  啟發(fā)性信息和評估函數(shù)	　　3.3.2  最好優(yōu)先搜索算法	　　3.3.3  通用圖搜索算法	　　3.3.4  A*算法	　　3.3.5  迭代加深A*算法	　3.4  問題歸約和AND-OR圖啟發(fā)式搜索	　　3.4.1  問題歸約的描述	　　3.4.2  AND-OR圖表示	　　3.4.3  AO*算法	　3.5  博弈	　　3.5.1  極大極小過程	　　3.5.2  ( - ( 過程	　3.6  約束滿足搜索	　3.7  小結	　習題	第4章  高級搜索	　4.1  爬山法搜索	　4.2  模擬退火搜索	　　4.2.1  模擬退火搜索的基本思想	　　4.2.2  模擬退火算法	　　4.2.3  模擬退火算法關鍵參數(shù)和操作的設計	　　4.2.4  模擬退火算法的改進　4.3  遺傳算法	　　4.3.1  遺傳算法的基本思想	　　4.3.2  遺傳算法的基本操作	　　4.3.3  遺傳算法的應用情況	　習題	第5章  不確定知識表示和推理	　5.1  概述	　　5.1.1  什么是不確定推理	　　5.1.2  不確定推理要解決的基本問題	　　5.1.3  不確定性推理方法分類	　5.2  非單調(diào)邏輯	　　5.2.1  單調(diào)性與非單調(diào)性	　　5.2.2  非單調(diào)邏輯的產(chǎn)生	　　5.2.3  缺省推理邏輯	　　5.2.4  非單調(diào)邏輯系統(tǒng)	　5.3  主觀 Bayes方法	　　5.3.1  全概率公式和Bayes公式	　　5.3.2  主觀Bayes方法	　5.4  確定性理論	　　5.4.1  建造醫(yī)學專家系統(tǒng)中的問題	　　5.4.2  C-F模型	　5.5  證據(jù)理論	　　5.5.1  假設的不確定性	　　5.5.2  證據(jù)的不確定性	　　5.5.3  證據(jù)的組合函數(shù)	　　5.5.4  規(guī)則的不確定性	　　5.5.5  不確定性的傳遞	　　5.5.6  不確定性的組合	　5.6  模糊邏輯和模糊推理	　　5.6.1  模糊集合及其運算	　　5.6.2  模糊關系	　　5.6.3  語言變量	　　5.6.4  模糊邏輯	　　5.6.5  模糊推理	　5.7  小結	　習題	第6章  Agent	　6.1  概述	　6.2  Agent及其結構	　　6.2.1  Agent要素及特性	　　6.2.2  Agent的結構特點	　　6.2.3  Agent的結構分類	　6.3  Agent通信	　　6.3.1  通信方式	　　6.3.2  Agent通信語言KQML	　　6.3.3  SACL語言	　6.4  協(xié)調(diào)與協(xié)作	　　6.4.1  引言	　　6.4.2  合同網(wǎng)	　　6.4.3  協(xié)作規(guī)劃	　6.5  移動Agent	　　6.5.1  引言	　　6.5.2  定義和系統(tǒng)組成	　　6.5.3  實現(xiàn)技術　　6.5.4  技術優(yōu)勢	　6.6  基于Agent的系統(tǒng)及其應用　　6.6.1  移動Agent系統(tǒng)	　　6.6.2  移動Agent技術的應用	　　6.6.3  多Agent系統(tǒng)的應用	　6.7  小結	　習題	第7章  自然語言處理技術	　7.1  自然語言理解的一般問題	　　7.1.1  自然語言理解的概念及意義	　　7.1.2  自然語言理解研究的發(fā)展	　　7.1.3  自然語言理解的層次	　7.2  詞法分析	　7.3  句法分析	　　7.3.1  短語結構文法和Chomsky文法體系	　　7.3.2  句法分析樹	　　7.3.3  轉(zhuǎn)移網(wǎng)絡	　7.4  語義分析	　　7.4.1  語義文法	　　7.4.2  格文法	　7.5  大規(guī)模真實文本的處理	　　7.5.1  語料庫語言學及其特點	　　7.5.2  統(tǒng)計學方法的應用及所面臨的問題	　　7.5.3  漢語語料庫加工的基本方法	　7.6  信息搜索	　　7.6.1  信息搜索概述	　　7.6.2  搜索引擎	　　7.6.3  智能搜索引擎	　7.7  機器翻譯	　　7.7.1  機譯系統(tǒng)概述	　　7.7.2  機器翻譯理論與方法	　　7.8  自動文摘	　7.9  語音識別	　　7.9.1  組成單詞讀音的基本單元	　　7.9.2  信號處理	　　7.9.3  識別	　　7.9.4  隱馬爾可夫模型	　7.10  小結	　習題	第8章  機器學習和神經(jīng)網(wǎng)絡	　8.1  機器學習概述	　　8.1.1  學習中的元素	　　8.1.2  目標函數(shù)的表示	　　8.1.3  學習任務的類型	　　8.1.4  機器學習的定義和發(fā)展史	　　8.1.5  機器學習的主要策略	　　8.1.6  機器學習系統(tǒng)的基本結構	　8.2  經(jīng)典機器學習方法	　　8.2.1  機械學習	　　8.2.2  歸納學習	　　8.2.3  類比學習	　　8.2.4  解釋學習	　8.3  基于神經(jīng)網(wǎng)絡的學習	　　8.3.1  神經(jīng)網(wǎng)絡概述	　　8.3.2  基于反向傳播網(wǎng)絡的學習	　　8.3.3  Hopfield網(wǎng)絡模型	　8.4  知識發(fā)現(xiàn)	　　8.4.1  知識發(fā)現(xiàn)的處理過程	　　8.4.2  知識發(fā)現(xiàn)的方法	　　8.4.3  知識發(fā)現(xiàn)的應用	　8.5  小結	　習題	第9章  智能規(guī)劃	　9.1  規(guī)劃問題與實例	　　9.1.1  規(guī)劃問題及其描述語言	　　9.1.2  規(guī)劃問題實例	　9.2  狀態(tài)空間搜索規(guī)劃	　　9.2.1  前向狀態(tài)空間搜索	　　9.2.2  后向狀態(tài)空間搜索	　　9.2.3  狀態(tài)空間搜索的啟發(fā)式	　9.3  偏序規(guī)劃	　　9.3.1  偏序規(guī)劃的描述	　　9.3.2  偏序規(guī)劃的實例	　　9.3.3  無約束變量的偏序規(guī)劃　　9.3.4  啟發(fā)式偏序規(guī)劃	　9.4  命題邏輯規(guī)劃	　9.5  分層任務網(wǎng)絡規(guī)劃	　9.6  非確定性規(guī)劃	　9.7  多Agent規(guī)劃	　　9.7.1  合作：聯(lián)合目標和規(guī)劃	　　9.7.2  多Agent規(guī)劃	　　9.7.3  協(xié)調(diào)機制	　　9.7.4  競爭	　習題	第10章  機器人學	　10.1  概述	　　10.1.1  機器人的由來	　　10.1.2  機器人的定義	　　10.1.3  機器人的分類	　　10.1.4  機器人的特性	　　10.1.5  機器人的發(fā)展概況	　　10.1.6  機器人學的形成	　　10.1.7  機器人學的研究領域	　10.2  機器人系統(tǒng)	　　10.2.1  機器人系統(tǒng)的組成	　　10.2.2  機器人系統(tǒng)的幾個重要概念	　10.3  機器人的編程模式與語言	　10.4  機器人的社會問題	　習題	附錄A  Turbo Prolog核心機制	　A.1  邏輯型程序設計語言Prolog	　　A.1.1  Prolog語句	　　A.1.2  Prolog程序	　　A.1.3  Prolog程序運行機理	　A.2  Turbo Prolog程序設計	　　A.2.l  程序結構	　　A.2.2  數(shù)據(jù)與表達式	　　A.2.3  輸入與輸出	　　A.2.4  分支與循環(huán)	　　A.2.5  動態(tài)數(shù)據(jù)庫	　　A.2.6  表處理與遞歸	　　A.2.7  回溯控制	附錄B  Visual Prolog編程環(huán)境	　B.1  Visual Prolog概述	　B.2  系統(tǒng)安裝	　　B.2.1  安裝環(huán)境	　　B.2.2  安裝步驟	　B.3  編程初步	　　B.3.1  測試目標	　　B.3.2  應用程序?qū)＜?　　B.3.3  了解默認應用程序所生成的代碼	　B.4  編寫第一個應用程序Hello World	　　B.4.1  調(diào)用菜單編輯器修改菜單	　　B.4.2  使用對話框與窗口專家	　B.5  VP調(diào)試器	參考文獻

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    人工智能 PDF格式下載

---