人工智能

前言

人工智能是計算機科學的一個重要分支，是當前科學技術發(fā)展中的一門前沿學科。它的出現(xiàn)及所取得的成就引起了人們的高度重視，被認為是計算機發(fā)展的一個根本目標。為適應這一計算機科學與技術發(fā)展的需要，根據(jù)我們多年來從事人工智能研究和教學的經驗，參考了相關的資料，編寫了適合本科教學的這本《人工智能》教材。本書共分7章。第1章緒論，敘述了人工智能的概念、研究途徑、研究內容和其主要研究領域。第2章和第3章智能表示和搜索，介紹了人工智能的知識表示方法、一般搜索原理和求解方法。第4章推理，討論了人工智能的推理原理、各種推理方法。第5章專家系統(tǒng)，介紹了專家系統(tǒng)基本概念、技術和方法。第6章機器學習，介紹了機器學習的一些基本概念和方法。第7章人工神經網(wǎng)絡，討論了人工神經網(wǎng)絡有關概念及基本技術。本書力求概念清楚，通俗易懂，同時也考慮了一定的深度、廣度和先進性。本書由蔡瑞英（第1、5、7章）、李長河（第2、3章）、張先宜（第4、6章）合作完成，并由蔡瑞英進行修改和統(tǒng)稿。由于編寫時間倉促，書中一定有不少錯誤和缺點，懇請讀者批評、指正。

內容概要

本書主要介紹人工智能的基本理論、方法和應用技術，是關于人工智能的一本入門書。全書共分7章。第1章敘述了人工智能概況，第2~4章介紹了人工智能基本原理和技術，第5~7章介紹專家系統(tǒng)、機器學習及人工神經網(wǎng)絡有關概念及主要技術。    本書可作為高等學校計算機科學與技術專業(yè)或相關專業(yè)高年級學生的“人工智能”課程教材，亦可供從事人工智能研究和應用的科學工作者和工程技術人員閱讀參考。

書籍目錄

1 緒論  1.1 什么是人工智能  1.2 人工智能的研究目標及基本內容  1.3 人工智能的研究途徑  1.4 人工智能的研究領域  本章小結  思考題與習題2 知識表示  2.1 知識與知識表示概述  2.2 謂詞邏輯表示法  2.3 產生式表示法  2.4 語義網(wǎng)絡表示法  2.5 框架表示法  2.6 過程表示法  2.7 Petri網(wǎng)表示法  2.8 面向對象表示法  本章小結  思考題與習題3 搜索與啟發(fā)式推理  3.1 概述  3.2 狀態(tài)空間表示法及其解的搜索  3.3 狀態(tài)空間的盲目搜索策略  3.4 啟發(fā)式搜索原理  3.5 啟發(fā)式搜索法  3.6 與/或樹的啟發(fā)式搜索  3.7 博弈對策  本章小結  思考題與習題4 推理  4.1 推理的基本概念  4.2 推理的控制策略  4.3 模式匹配  4.4 沖突消解策略  4.5 歸結演繹推理  4.6 基于規(guī)則的演繹推理  4.7 不確定推理和非單調推理  本章小結  思考題與習題5 專家系統(tǒng)  5.1 基本概念  5.2 專家系統(tǒng)的一般結構  5.3 專家系統(tǒng)與常規(guī)的計算機程序系統(tǒng)區(qū)別  5.4 建造專家系統(tǒng)  5.5 專家系統(tǒng)的開發(fā)工具  5.6 專家系統(tǒng)舉例  本章小結  思考題與習題6 機器學習  6.1 機器學習概述  6.2 機器學習的模型、策略和方法  6.3 學習方法的比較和展望  本章小結  思考題與習題7 人工神經網(wǎng)絡  7.1 基本概念  7.2 神經網(wǎng)絡基本模型  7.3 神經網(wǎng)絡在專家系統(tǒng)中的應用  7.4 神經網(wǎng)絡應用實例  本章小結  思考題與習題附錄 動物識別專家系統(tǒng)參考文獻

章節(jié)摘錄

（2）證據(jù)不確定性的表示在推理中，有兩種來源不同的證據(jù)：一種是用戶在求解問題時提供的初始證據(jù)，例如病人的癥狀、化驗結果等；另一種是在推理中用前面推出的結論作為當前推理的證據(jù)。對于前一種情況，即用戶提供的初始證據(jù)，由于這種證據(jù)多來源于觀察，因而通常是不精確、不完全的，即具有不確定性。對于后一種情況，由于使用的知識及證據(jù)都具有不確定性，因而推出的結論當然也具有不確定性，當把它用做后面推理的證據(jù)時它亦是不確定性的證據(jù)。一般來說，證據(jù)不確定性的表示方法應與知識不確定性的表示方法保持一致，以便于推理過程中對不確定性進行統(tǒng)一的處理。在有些系統(tǒng)中，為便于用戶的使用，對初始證據(jù)的不確定性與知識的不確定性采用了不同的表示方法，但這只是形式上的，在系統(tǒng)內部亦做了相應的轉換處理。證據(jù)的不確定性通常也用一個數(shù)值表示，它代表相應證據(jù)的不確定性程度，稱之為動態(tài)強度。對于初始證據(jù)，其值由用戶給出；對于用前面推理所得結論作為當前推理的證據(jù)，其值由推理中不確定性的傳遞算法通過計算得到。（3）不確定性的量度對于不同的知識及不同的證據(jù)，其不確定性的程度一般是不相同的，需要用不同的數(shù)據(jù)表示其不確定性的程度，同時還需要事先規(guī)定它的取值范圍，只有這樣每個數(shù)據(jù)才會有確定的意義。例如，在專家系統(tǒng)MYCIN中，用可信度表示知識及證據(jù)的不確定性，取值范圍為[-1，1]，當可信度取大于零的數(shù)值時，其值越大表示相應的知識或證據(jù)越接近于“真”；當可信度的取值小于零時，其值越小表示相應的知識或證據(jù)越接近于“假”。插圖：

圖書封面

評論、評分、閱讀與下載

---

    人工智能 PDF格式下載

---