人工智能原理與方法 pdf epub mobi txt 電子書 下載2025

想要找書就要到 小美書屋

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

內容簡介

本書較全麵地介紹瞭人工智能的基本理論、方法及其應用技術。全書共12章，可分為三

大部分：第一部分包括第1章至第6章，論述瞭人工智能的三大技術，即知識錶示、推理及搜

索，重點討論瞭不確定性的錶示及處理技術；第二部分包括第7章至第10章，著重討論瞭專傢

係統、機器學習、模式識彆及智能決策支持係統等研究領域的有關概念及係統構成技術；第三

部分包括第11章和第12章，分彆討論瞭神經網絡和智能計算機的概念、模型、研究現狀及展

望等。

該書取材新穎，具有係統性、新穎性、實用性及可讀性等特點，便於教學和自學，適於作為

計算機學科本科生及研究生的教科書，亦可供有關科技人員參考。

目錄
第1章 緒論
1.1 什麼是人工智能
1.1.1 智能
1.1.2 人工智能
1.1.3 人工智能的發展簡史
1.2 人工智能的研究目標及基本內容
1.2.1 人工智能的研究目標
1.2.2 人工智能研究的基本內容
1.3 人工智能的研究途徑
1.3.1 以符號處理為核心的方法
1.3.2 以網絡連接為主的連接機製方法
1.3.3 係統集成
1.4 人工智能的研究領域
1.4.1 專傢係統
1.4.2 機器學習
1.4.3 模式識彆
1.4.4 自然語言理解
1.4.5 自動定理證明
1.4.6 自動程序設計
1.4.7 機器人學
1.4.8 博弈
1.4.9 智能決策支持係統
1.4.10 人工神經網絡
本章小結
習 題
第2章 人工智能的數學基礎
2.1 命題邏輯與謂詞邏輯
2.1.1 命題
2.1.2 謂詞
2.1.3 謂詞公式
2.1.4 謂詞公式的解釋
2.1.5 謂詞公式的永真性、可滿足性、不可滿足性
2.1.6 謂詞公式的等價性與永真蘊含
2.2 多值邏輯
2.3 概率論
2.3.1 隨機現象
2.3.2 樣本空間與隨機事件
2.3.3 事件的概率
2.3.4 條件概率
2.3.5 全概率公式與Bayes公式
2.4 模糊理論
2.4.1 模糊性
2.4.2 集閤與特徵函數
2.4.3 模糊集與隸屬函數
2.4.4 模糊集的錶示方法
2.4.5 模糊集的運算
2.4.6 模糊集的λ水平截集
2.4.7 模糊度
2.4.8 模糊數
2.4.9 模糊關係及其閤成
2.4.10 模糊變換
2.4.11 實數域上幾種常用的隸屬函數
2.4.12 建立隸屬函數的方法
本章小結
習 題
第3章 知識與知識錶示
3.1 基本概念
3.1.1 什麼是知識
3.1.2 知識的特性
3.1.3 知識的分類
3.1.4 知識的錶示
3.2 一階謂詞邏輯錶示法
3.2.1 錶示知識方法
3.2.2 一階謂詞邏輯錶示法的特點
3.3 産生式錶示法
3.3.1 産生式的基本形式
3.3.2 産生式係統
3.3.3 産生式係統的分類
3.3.4 産生式錶示法的特點
3.4 框架錶示法
3.4.1 框架理論
3.4.2 框架
3.4.3 框架網絡
3.4.4 框架中槽的設置與組織
3.4.5 框架係統中求解問題的基本過程
3.4.6 框架錶示法的特點
3.5 語義網絡錶示法
3.5.1 語義網絡的概念
3.5.2 知識的語義網絡錶示
3.5.3 常用的語義聯係
3.5.4 語義網絡係統中求解問題的基本過程
3.5.5 語義網絡錶示法的特點
3.6 腳本錶示法
3.6.1 概念依賴理論
3.6.2 腳本
3.7 過程錶示法
3.7.1 錶示知識方法
3.7.2 過程錶示法的特點
3.8 Petri網錶示法
3.8.1 錶示知識方法
3.8.2 Petri網錶示法的特點
3.9 麵嚮對象錶示法
3.9.1 麵嚮對象的基本概念
3.9.2 錶示知識方法
本章小結
習 題
第4章 經典邏輯推理
4.1 基本概念
4.1.1 什麼是推理
4.1.2 推理方式及其分類
4.1.3 推理的控製策略
4.1.4 模式匹配
4.1.5 衝突消解策略
4.2 自然演繹推理
4.3 歸結演繹推理
4.3.1 子句
4.3.2 海伯倫理論
4.3.3 魯賓遜歸結原理
4.3.4 歸結反演
4.3.5 應用歸結原理求取問題的答案
4.3.6 歸結策略
4.4 與/或形演繹推理
4.4.1 與/或形正嚮演繹推理
4.4.2 與/或形逆嚮演繹推理
4.4.3 與/或形雙嚮演繹推理
4.4.4 代換的一緻性及剪枝策略
本章小結
習 題
第5章 不確定與非單調推理
5.1 基本概念
5.1.1 什麼是不確定性推理
5.1.2 不確定性推理中的基本問題
5.1.3 不確定性推理方法的分類
5.2 概率方法
5.2.1 經典概率方法
5.2.2 逆概率方法
5.3 主觀Bayes方法
5.3.1 知識不確定性的錶示
5.3.2 證據不確定性的錶示
5.3.3 組閤證據不確定性的算法
5.3.4 不確定性的傳遞算法
5.3.5 結論不確定性的閤成算法
5.4 可信度方法
5.4.1 可信度的概念
5.4.2 C－F模型
5.4.3 帶有閾值限度的不確定性推理
5.4.4 加權的不確定性推理
5.4.5 前提條件中帶有可信度因子的不確定性推理
5.5 證據理論
5.5.1 D－S理論
5.5.2 一個具體的不確定性推理模型
5.6 模糊推理
5.6.1 模糊命題
5.6.2 模糊知識的錶示
5.6.3 模糊匹配與衝突消解
5.6.4 模糊推理的基本模式
5.6.5 簡單模糊推理
5.6.6 模糊三段論推理
5.6.7 多維模糊推理
5.6.8 多重模糊推理
5.6.9 帶有可信度因子的模糊推理
5.7 基於框架錶示的不確定性推理
5.7.1 不確定性知識的框架錶示
5.7.2 框架的不確定性匹配
5.7.3 框架推理
5.8 基於語義網絡錶示的不確定性推理
5.8.1 不確定性知識的語義網絡錶示
5.8.2 語義網絡推理
5.9 非單調推理
5.9.1 非單調推理的概念
5.9.2 缺省理論
5.9.3 界限理論
5.9.4 正確性維持係統TM S
本章小結
習 題
第6章 搜索策略
6.1 基本概念
6.1.1 什麼是搜索
6.1.2 狀態空間錶示法
6.1.3 與/或樹錶示法
6.2 狀態空間的搜索策略
6.2.1 狀態空間的一般搜索過程
6.2.2 廣度優先搜索
6.2.3 深度優先搜索
6.2.4 有界深度優先搜索
6.2.5 代價樹的廣度優先搜索
6.2.6 代價樹的深度優先搜索
6.2.7 啓發式搜索
6.2.8 A算法
6.3 與/或樹的搜索策略
6.3.1 與/或樹的一般搜索過程
6.3.2 與/或樹的廣度優先搜索
6.3.3 與/或樹的深度優先搜索
6.3.4 與/或樹的有序搜索
6.3.5 博弈樹的啓發式搜索
6.3.6 α－β剪枝技術
6.4 搜索的完備性與效率
6.4.1 完備性
6.4.2 搜索效率
本章小結
習 題
第7章 專傢係統
7.1 基本概念
7.1.1 什麼是專傢係統
7.1.2 專傢係統的産生與發展
7.1.3 專傢係統的分類
7.2 專傢係統的一般結構
7.2.1 人機接口
7.2.2 知識獲取機構
7.2.3 知識庫及其管理係統
7.2.4 推理機
7.2.5 數據庫及其管理係統
7.2.6 解釋機構
7.3 知識獲取
7.3.1 知識獲取的任務
7.3.2 知識獲取方式
7.4 知識的檢測與求精
7.4.1 知識的一緻性與完整性
7.4.2 基於經典邏輯的檢測方法
7.4.3 基於Petri網的檢測方法
7.4.4 知識求精
7.5 知識的組織與管理
7.5.1 知識的組織
7.5.2 知識的管理
7.6 專傢係統的建造與評價
7.6.1 專傢係統的建造原則
7.6.2 專傢係統的開發過程
7.6.3 專傢係統的評價
7.7 專傢係統的開發工具
7.7.1 人工智能語言
7.7.2 專傢係統外殼
7.7.3 通用型專傢係統工具
7.7.4 專傢係統開發環境
7.8 新一代專傢係統的研究
7.9 專傢係統舉例
7.9.1 動物識彆係統
7.9.2 專傢係統MYCIN
本章小結
習 題
第8章 機器學習
8.1 基本概念
8.1.1 什麼是機器學習
8.1.2 學習係統
8.1.3 機器學習的發展
8.1.4 機器學習的分類
8.2 機械式學習
8.3 指導式學習
8.4 歸納學習
8.4.1 歸納推理
8.4.2 示例學習
8.4.3 觀察與發現學習
8.5 類比學習
8.5.1 類比推理
8.5.2 屬性類比學習
8.5.3 轉換類比學習
8.6 基於解釋的學習
8.6.1 基於解釋學習的概念
8.6.2 基於解釋學習的學習過程
8.6.3 領域知識的完善性
8.7 學習方法的比較與展望
8.7.1 各種學習方法的比較
8.7.2機器學習的展望
本章小結
習 題
第9章 模式識彆
9.1 基本概念
9.1.1 什麼是模式識彆
9.1.2 模式識彆的一般過程
9.2 統計模式識彆
9.2.1 模闆匹配分類法
9.2.2 最小距離分類法
9.2.3 相似係數分類法
9.2.4 幾何分類法
9.2.5 Bayes分類法
9.2.6 聚類分析法
9.3 結構模式識彆
9.3.1 結構模式識彆的基本過程
9.3.2 基元抽取與模式文法
9.3.3 模式的識彆與分析
9.4 模糊模式識彆
9.4.1 基於最大隸屬原則的模式分類
9.4.2 基於擇近原則的模式分類
9.4.3 基於模糊等價關係的模式分類
9.4.4 基於模糊相似關係的模式分類
本章小結
習 題
第10章 智能決策支持係統
10.1 基本概念
10.1.1 決策與決策過程
10.1.2 決策支持係統
10.1.3 智能決策支持係統
10.2 智能決策支持係統的基本構件
10.2.1 數據庫係統
10.2.2 模型庫係統
10.2.3 方法庫係統
10.2.4 知識庫係統
10.2.5 人機接口係統
10.3 智能決策支持係統的係統結構
10.3.1 四庫結構
10.3.2 融閤結構
10.4 多媒體人機智能接口
10.4.1 多媒體技術
10.4.2 多媒體技術在智能決策支持係統中的應用
10.4.3 多媒體人機智能接口的設計與實現
本章小結
習 題
第11章 神經網絡
11.1 基本概念
11.1.1 腦神經係統與生物神經元
11.1.2 人工神經元及其互連結構
11.1.3 人工神經網絡的特徵及分類
11.1.4 神經網絡研究的發展簡史
11.2 神經網絡模型
11.2.1 感知器
11.2.2 B－P模型
11.2.3 Hopfield模型
11.2.4 自適應共振理論
11.3 神經網絡在專傢係統中的應用
11.3.1 神經網絡與專傢係統的互補性
11.3.2 基於神經網絡的知識錶示
11.3.3 基於神經網絡的推理
11.4 神經網絡在模式識彆中的應用
本章小結
習 題
第12章 智能計算機
12.1 什麼是智能計算機
12.2 知識信息處理係統
12.3 人工神經網絡計算機
12.3.1 數字集成電路形式
12.3.2 模擬集成電路形式
12.4 光計算機
12.4.1 空間光調製器
12.4.2 光互連
12.4.3 光全息存儲與光計算機的研製
12.5 生物計算機
本章小結
習 題
附錄
參考文獻
· · · · · · (收起)