顶部
收藏

人工智能基础(第2版)

“十一五”国家规划教材

作者:
高济
定价:
36.00元
ISBN:
978-7-04-025282-8
版面字数:
550.000千字
开本:
16开
全书页数:
386页
装帧形式:
平装
重点项目:
“十一五”国家规划教材
出版时间:
2008-10-15
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机类专业核心课程
三级分类:
人工智能

本书为普通高等教育“十一五”国家级规划教材,旨在系统介绍人工智能的基本原理、方法和技术,并反映国内外研究和应用的最新进展。全书共7章。第1章阐述人工智能研究的发展、成果和基本原则;第1、2章介绍人工智能的基本概念、方法和技术,包括问题求解的基本方法和知识表示;第4~6章讨论人工智能技术的主要应用,包括基于知识的系统、自动规划和配置以及机器学习;第7章对人工智能的高级技术作引导性综述,包括非单调推理和软计算、基于范例的推理、关于时间和空间的推理、机器学习研究和应用的新进展、Agent技术和多Agent协同工作,以及新一代网络计算的技术基础及其智能化,以开阔学生的眼界。

本书内容丰富,叙述脉络清晰,强化实用化介绍,同时配有丰富的习题,可作为高等院校计算机及有关专业本科生教材,也可供工程技术人员参考使用。

  • 第1章 人工智能研究的发展和基本原则
    • 1.1 人工智能的研究和应用
    • 1.2 人工智能研究的发展
    • 1.3 人工智能研究的成果
    • 1.4 人工智能研究的基本原则
    • 1.5 存在的问题和发展前景
    • 习题
    • 参考文献
  • 第2章 问题求解的基本方法
    • 2.1 一般图搜索
      • 2.1.1 状态空间搜索
      • 2.1.2 启发式搜索
      • 2.1.3 状态空间抽象和生成-测试法
      • 2.1.4 启发式搜索的适用性讨论
    • 2.2 问题归约
      • 2.2.1 问题归约的描述
      • 2.2.2 与或图搜索
      • 2.2.3 与或图的启发式搜索
    • 2.3 基于归结的演绎推理
      • 2.3.1 谓词演算
      • 2.3.2 归结演绎方法
      • 2.3.3 归结反演
    • 2.4 基于规则的演绎推理
      • 2.4.1 基于规则的正向演绎推理
      • 2.4.2 基于规则的逆向演绎推理
      • 2.4.3 演绎推理的应用讨论
      • 2.4.4 逻辑编程语言PROLOG
    • 本章小结
    • 习题
    • 参考文献
  • 第3章 知识表示
    • 3.1 知识和知识表示
      • 3.1.1 知识原则
      • 3.1.2 知识表示的作用
      • 3.1.3 知识表示的功能
      • 3.1.4 知识表示的性能
      • 3.1.5 基本的知识表示方式
    • 3.2 产生式表示
      • 3.2.1 产生式系统
      • 3.2.2 控制策略
      • 3.2.3 产生式系统的分类
    • 3.3 结构化表示
      • 3.3.1 语义网络
      • 3.3.2 框架表示法
      • 3.3.3 面向对象的表示法
    • 3.4 知识表示的实用化问题
      • 3.4.1 程序性和陈述性知识
      • 3.4.2 表示能力和推理效率之间的制约关系
    • 3.5 基于本体的语义知识表示
      • 3.5.1 语义知识表示和共享本体
      • 3.5.2 本体表示语言的研究
      • 3.5.3 WEB本体语言OWL
      • 3.5.4 语义WEB的应用情景和支持技术
    • 本章小结
    • 习题
    • 参考文献
  • 第4章 基于知识的系统
    • 4.1 KB系统的开发
      • 4.1.1 KB系统的一般概念
      • 4.1.2 KB系统的体系结构原则
      • 4.1.3 KB系统的开发过程
      • 4.1.4 KB系统的开发工具和环境
    • 4.2 设计基于产生式表示的KB系统开发工具
      • 4.2.1 总体设计
      • 4.2.2 XPS的实现
      • 4.2.3 应用实例———家族树
      • 4.2.4 性能改进
      • 4.2.5 开发工具OPS
    • 4.3 专家系统实例———MYCIN
      • 4.3.1 知识库的构造
      • 4.3.2 推理机的设计
      • 4.3.3 系统服务设施
      • 4.3.4 开发工具EMYCIN
    • 4.4 问题求解的结构化组织
      • 4.4.1 结构化组织的需求
      • 4.4.2 事务表
      • 4.4.3 黑板法
      • 4.4.4 问题求解建模
      • 4.4.5 KB系统的高级技术
    • 4.5 基于本体的知识系统
      • 4.5.1 基础级本体工程
      • 4.5.2 高级本体工程
      • 4.5.3 开发基于本体的知识系统
    • 本章小结
    • 习题
    • 参考文献
  • 第5章 自动规划和配置
    • 5.1 经典规划技术
      • 5.1.1 经典规划技术的发展
      • 5.1.2 规划的基本概念
      • 5.1.3 早期的自动规划技术
      • 5.1.4 部分排序规划技术
    • 5.2 自动规划技术的新进展
      • 5.2.1 非经典规划技术的开发
      • 5.2.2 自动规划技术的实用化
      • 5.2.3 智能的调度、规划和项目管理
    • 5.3 自动配置
      • 5.3.1 配置的一般概念
      • 5.3.2 自动配置的建模
      • 5.3.3 XCON———计算机自动配置系统
    • 本章小结
    • 习题
    • 参考文献
  • 第6章 机器学习
    • 6.1 机器学习概论
      • 6.1.1 机器学习的基本概念
      • 6.1.2 机器学习的发展历史
      • 6.1.3 机器学习分类
    • 6.2 示例学习
      • 6.2.1 示例学习的基本策略
      • 6.2.2 决策树构造法ID3
    • 6.3 基于解释的学习
      • 6.3.1 基于解释的泛化(EBG)
      • 6.3.2 基于解释学习的若干基本问题
    • 6.4 遗传算法
      • 6.4.1 简单遗传算法
      • 6.4.2 分类系统
    • 6.5 加强学习
      • 6.5.1 加强学习的基本方法
      • 6.5.2 Q学习
      • 6.5.3 有关加强学习的进一步讨论
    • 6.6 基于范例的学习
      • 6.6.1 基于范例推理的过程
      • 6.6.2 应用实例:智能饲料配方系统ICMIX
    • 6.7 知识发现与数据挖掘
      • 6.7.1 定理发现
      • 6.7.2 数据挖掘
      • 6.7.3 关联规则挖掘
      • 6.7.4 数据库及网络中的知识发现
    • 本章小结
    • 习题
    • 参考文献
  • 第7章 人工智能高级技术综述
    • 7.1 非单调推理和软计算
      • 7.1.1 真值维持系统
      • 7.1.2 约束满足问题
      • 7.1.3 不确定推理
      • 7.1.4 模糊逻辑和模糊推理
      • 7.1.5 人工神经网络
    • 7.2 基于范例的推理
      • 7.2.1 基于范例的推理系统
      • 7.2.2 范例表示和索引
      • 7.2.3 检索、改编和辩证
      • 7.2.4 基于范例的学习
      • 7.2.5 结论
    • 7.3 关于时间和空间的推理
      • 7.3.1 伴有时间的推理
      • 7.3.2 时间的不确定性和分支
      • 7.3.3 关于空间的推理
      • 7.3.4 关于形状的推理
    • 7.4 机器学习研究与应用的新进展
      • 7.4.1 贝叶斯网络
      • 7.4.2 隐马尔可夫模型
      • 7.4.3 统计学习理论
      • 7.4.4 粗糙集理论
      • 7.4.5 聚类分析
      • 7.4.6 复杂类型数据的挖掘
    • 7.5 AGENT技术和多AGENT协同工作
      • 7.5.1 AGENT技术的研究和发展
      • 7.5.2 多AGENT协作
      • 7.5.3 AGENT通信
    • 7.6 新一代网络计算的技术基础及其智能化
      • 7.6.1 语义WEB
      • 7.6.2 网格计算
      • 7.6.3 自治计算
    • 本章小结
    • 习题
    • 参考文献

相关图书