顶部
收藏

人工智能高级技术导论


作者:
高济
定价:
46.30元
ISBN:
978-7-04-026301-5
版面字数:
540.000千字
开本:
16开
全书页数:
459页
装帧形式:
平装
重点项目:
暂无
出版时间:
2009-05-29
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

本书是与“十一五”国家级规划教材《人工智能基础》(第2版)配套的研究生“人工智能”课程教材。《人工智能基础》(第2版)以问题求解、知识表示、KB(基于知识的)系统、自动规划、机器学习等关于人工智能的基础级技术为主要内容,但仅依赖这些基础级技术,并不足以支持高性能应用的开发和运行。为此,本书从推动高性能智能软件的研究和应用角度,对人工智能的高级技术作全面的导论性介绍,包括20世纪80年代开发的KB系统高级技术、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,90年代兴起的Agent技术和多Agent协同工作,进入21世纪后机器学习研究与应用的新进展,以及新一代网络计算的技术基础及其智能化。

本书将在回顾基于知识的问题求解技术的基础上,介绍这些人工智能高级技术,包括研究背景、基本概念和实现方法,使读者对这些技术有一个全面和深入的认识,并由此为应用和进一步研究这些技术奠定必要的基础。本书也可供工程技术人员参考使用。

  • 第一章 绪论
    • 1.1 人工智能研究的发展
    • 1.2 人工智能应用研究的发展趋势
    • 1.3 基于知识的软件智能化技术
      • 1.3.1 知识处理技术的深化
      • 1.3.2 对KB系统现状的反思
      • 1.3.3 软件智能化实践
      • 1.3.4 开发人工智能高级技术
    • 本章小结
    • 习题
    • 参考文献
  • 第二章 基于知识的问题求解
    • 2.1 知识表示
    • 2.2 问题求解
      • 2.2.1 问题求解的基本方法
      • 2.2.2 问题求解的组织
    • 2.3 KB系统
      • 2.3.1 KB系统的一般概念
      • 2.3.2 知识获取和KB系统开发
      • 2.3.3 KB系统开发工具和环境
    • 2.4 知识级分析
      • 2.4.1 表示和知识
      • 2.4.2 计算机系统的功能分级
      • 2.4.3 知识级
      • 2.4.4 知识级细节
      • 2.4.5 结论
    • 2.5 符号推理的高级技术
      • 2.5.1 基于假设的推理
      • 2.5.2 从属和辩证
      • 2.5.3 约束满足
      • 2.5.4 元推理
    • 本章小结
    • 习题
    • 参考文献
  • 第三章 KB系统的高级技术
    • 3.1 开发的必要性
    • 3.2 定性物理方法
      • 3.2.1 定性演算
      • 3.2.2 用定性演算推理行为
      • 3.2.3 典型的定性物理方法
    • 3.3 基于模型的推理(MBR)
      • 3.3.1 因果建模
      • 3.3.2 不精确模型
    • 3.4 深、浅层推理的综合
      • 3.4.1 一个实例———动态系统的适应性多级诊断建模
      • 3.4.2 综合深、浅层推理的技术
    • 3.5 问题求解的结构化模型
      • 3.5.1 问题求解建模
      • 3.5.2 知识获取工具的开发工具
    • 3.6 功能化体系结构
      • 3.6.1 常见任务
      • 3.6.2 诊断推理中的常见任务举例
      • 3.6.3 常见任务工具集
      • 3.6.4 功能化体系结构方式的评价
    • 3.7 知识级问题求解建模
      • 3.7.1 知识获取观点
      • 3.7.2 中间模型
      • 3.7.3 专门知识建模
      • 3.7.4 可重用的专门知识元素
      • 3.7.5 知识变异
      • 3.7.6 结构保留设计
      • 3.7.7 知识获取过程
      • 3.7.8 结论
    • 本章小结
    • 习题
    • 参考文献
  • 第四章 非单调推理和软计算
    • 4.1 传统逻辑系统的局限性
    • 4.2 非单调推理
      • 4.2.1 非单调推理简介
      • 4.2.2 非单调推理的形式化方法
      • 4.2.3 真值维持系统
      • 4.2.4 约束满足问题
    • 4.3 不确定推理
      • 4.3.1 主观Bayes方法
      • 4.3.2 确定性方法
      • 4.3.3 D-S证据理论
      • 4.3.4 应用不确定推理的准则
    • 4.4 模糊逻辑和模糊推理
      • 4.4.1 模糊逻辑
      • 4.4.2 模糊推理
      • 4.4.3 模糊控制
      • 4.4.4 应用模糊逻辑时的问题
    • 4.5 神经网络
      • 4.5.1 神经元和神经网络
      • 4.5.2 面向映射变换的BP网
      • 4.5.3 面向联想记忆的神经网络
      • 4.5.4 神经网络的实现技术
    • 本章小结
    • 习题
    • 参考文献
  • 第五章 基于范例的推理
    • 5.1 基于范例的推理系统
      • 5.1.1 研究动机
      • 5.1.2 CBR系统分类
      • 5.1.3 应用例———基于范例的服务调度
    • 5.2 范例表示和索引
      • 5.2.1 范例的内容
      • 5.2.2 范例索引
    • 5.3 检索、改编和辩证
      • 5.3.1 范例检索和存储更新
      • 5.3.2 解答改编
      • 5.3.3 解答辩证
    • 5.4 基于范例的学习
      • 5.4.1 学习方式
      • 5.4.2 学习方法的比较
    • 5.5 基于范例的推理应用
      • 5.5.1 某些CBR应用系统
      • 5.5.2 集成CBR和其他信息处理技术
    • 5.6 结论
    • 本章小结
    • 习题
    • 参考文献
  • 第六章 关于时间和空间的推理
    • 6.1 伴有时间的推理
      • 6.1.1 时间和逻辑
      • 6.1.2 时间概念及其表示
      • 6.1.3 实现伴有时间的推理
      • 6.1.4 基于时态逻辑的RWT理论框架
    • 6.2 时间的不确定性和分支
      • 6.2.1 关于事件时间的不完全知识
      • 6.2.2 时间分支
    • 6.3 关于空间的推理
      • 6.3.1 空间概念及其表示
      • 6.3.2 空间搜索
      • 6.3.3 多层次空间表示
    • 6.4 关于形状的推理
    • 6.5 时空推理小结
    • 本章小结
    • 习题
    • 参考文献
  • 第七章 机器学习研究与应用的新进展
    • 7.1 贝叶斯网络
      • 7.1.1 贝叶斯网络的定义
      • 7.1.2 贝叶斯网络的语义
      • 7.1.3 贝叶斯网络中的推理
      • 7.1.4 贝叶斯网络的学习
    • 7.2 隐马尔可夫模型
      • 7.2.1 马尔可夫链
      • 7.2.2 隐马尔可夫模型的定义
      • 7.2.3 隐马尔可夫模型的基本算法
      • 7.2.4 学习算法EM
    • 7.3 统计学习理论
      • 7.3.1 小样本统计学理论
      • 7.3.2 支持向量机
      • 7.3.3 支持向量机的应用研究
    • 7.4 粗糙集理论
      • 7.4.1 粗糙集理论的基本概念
      • 7.4.2 决策表约简
      • 7.4.3 决策规则的挖掘
    • 7.5 聚类分析
      • 7.5.1 聚类分析的预处理
      • 7.5.2 聚类方法的分类
      • 7.5.3 基于划分的k-平均和k-中心点算法
    • 7.6 复杂类型数据的挖掘
      • 7.6.1 空间数据挖掘
      • 7.6.2 图像数据挖掘
      • 7.6.3 时序数据挖掘
      • 7.6.4 文本数据挖掘
      • 7.6.5 Web挖掘
    • 本章小结
    • 习题
    • 参考文献
  • 第八章 Agent技术和信息基础设施智能化
    • 8.1 Agent技术的研究和发展
      • 8.1.l Agent技术的形成
      • 8.1.2 Agent的基本特征
      • 8.1.3 Agent技术的研究现状
      • 8.1.4 Agent分类概观
    • 8.2 多Agent协作
      • 8.2.1 合作型Agent体系结构ARCHON
      • 8.2.2 多Agent协作的建立
      • 8.2.3 合作的协调
      • 8.2.4 Agent社会
    • 8.3 Agent通信
      • 8.3.1 信息和知识共享
      • 8.3.2 Agent交互协议
      • 8.3.3 通信促进服务
    • 8.4 信息基础设施的智能化
      • 8.4.1 技术挑战
      • 8.4.2 智能系统的作用
      • 8.4.3 虚拟组织的信息基础设施
    • 本章小结
    • 习题
    • 参考文献
  • 第九章 新一代网络计算的技术基础及其智能化
    • 9.1 新一代网络计算技术概述
      • 9.1.1 语义Web
      • 9.1.2 网格计算
      • 9.1.3 自治计算
    • 9.2 语义Web的实现技术和本体工程
      • 9.2.1 语义Web的实现技术
      • 9.2.2 基于本体的知识系统
    • 9.3 网格计算的技术基础
      • 9.3.1 支持可伸缩虚拟组织的网格体系结构
      • 9.3.2 开放的网格服务体系结构
      • 9.3.3 网格计算的基础设施
      • 9.3.4 网格计算技术的新进展
    • 9.4 自治计算的技术基础
    • 9.4.1 自治计算的开发
    • 9.4.2 基于政策的自主管理
    • 9.4.3 支持Agent社交活动的方法体系
    • 本章小结
    • 习题
    • 参考文献

相关图书