顶部
收藏

人工智能基础(第2版)

“十一五”国家规划教材

作者:
蔡自兴 蒙祖强
定价:
33.00元
ISBN:
978-7-04-028835-3
版面字数:
500.000千字
开本:
16开
全书页数:
348页
装帧形式:
平装
重点项目:
“十一五”国家规划教材
出版时间:
2010-03-18
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

本书是国家级精品课程“人工智能”的配套教材,也是教育部立项建设的优秀网络课程“人工智能网络课程”的配套教材。第2版共10章,主要内容包括绪论、知识表示、搜索技术、推理技术、机器学习、专家系统、自动规划系统、自然语言理解、智能控制、人工智能程序设计等。书末附有网络课程使用说明。与第1版相比,大多数章节都作了相应的修改、精简或补充。

本书可作为高等本科院校计算机专业和其他信息类专业的“人工智能”课程教材或教学参考书,也可供从事人工智能研究与应用的科技工作者学习参考。建议读者尽可能结合“人工智能网络课程”进行学习和训练,充分利用该网络课程提供的丰富教学资源。

  • 第1章 绪论
    • 1.1 人工智能的定义和发展
      • 1.1.1 人工智能的定义
      • 1.1.2 人工智能的起源与发展
    • 1.2 人工智能的各种认知观
      • 1.2.1 人工智能的主要学派
      • 1.2.2 对人工智能的争论
    • 1.3 人类智能与人工智能
      • 1.3.1 研究认知过程的任务
      • 1.3.2 智能信息处理系统的假设
      • 1.3.3 人类智能的计算机模拟
    • 1.4 人工智能的研究目标和内容
      • 1.4.1 人工智能的研究目标
      • 1.4.2 人工智能研究的基本内容
    • 1.5 人工智能研究的主要方法
    • 1.6 人工智能的研究和应用领域
    • 1.7 人工智能对人类的影响
      • 1.7.1 人工智能对经济的影响
      • 1.7.2 人工智能对社会的影响
      • 1.7.3 人工智能对文化的影响
    • 1.8 对人工智能的展望
      • 1.8.1 更新的理论框架
      • 1.8.2 更好的技术集成
      • 1.8.3 更成熟的应用方法
    • 习题一
  • 第2章 知识表示
    • 2.1 知识及其表示概述
    • 2.2 状态空间法
      • 2.2.1 问题状态描述
      • 2.2.2 状态图示法
      • 2.2.3 状态空间表示举例
    • 2.3 问题归约法
      • 2.3.1 问题归约描述
      • 2.3.2 与或图表示
      • 2.3.3 问题归约机理
    • 2.4 谓词逻辑法
      • 2.4.1 谓词公式
      • 2.4.2 谓词演算
      • 2.4.3 置换与合一
    • 2.5 产生式表示法
    • 2.6 语义网络法
      • 2.6.1 二元语义网络的表示
      • 2.6.2 多元语义网络的表示
      • 2.6.3 基于语义网络的知识推理
    • 2.7 框架表示
      • 2.7.1 框架理论及特点
      • 2.7.2 框架的构成
      • 2.7.3 框架的推理
    • 2.8 面向对象表示
      • 2.8.1 面向对象的概念
      • 2.8.2 面向对象表示中的类继承
      • 2.8.3 面向对象表示的推理实例
    • 2.9 剧本表示
      • 2.9.1 剧本的构成
      • 2.9.2 剧本的推理
    • 2.10 过程表示
    • 习题二
  • 第3章 搜索技术
    • 3.1 盲目搜索
      • 3.1.1 图搜索策略
      • 3.1.2 宽度优先搜索
      • 3.1.3 深度优先搜索
      • 3.1.4 等代价搜索
    • 3.2 启发式搜索
      • 3.2.1 启发式搜索策略
      • 3.2.2 有序搜索
      • 3.2.3 A*算法
    • 3.3 博弈树搜索
      • 3.3.1 博弈概述
      • 3.3.2 极小极大分析法
      • 3.3.3 α-β剪枝技术
    • 3.4 遗传算法
      • 3.4.1 遗传算法的基本原理
      • 3.4.2 遗传算法的结构
      • 3.4.3 遗传算法的性能
    • 3.5 模拟退火算法
      • 3.5.1 模拟退火算法的模型
      • 3.5.2 模拟退火算法的简单应用
      • 3.5.3 模拟退火算法的参数控制问题
    • 3.6 免疫算法
      • 3.6.1 免疫计算概述
      • 3.6.2 免疫算法的基本原理
      • 3.6.3 几种免疫算法
    • 习题三
  • 第4章 推理技术
    • 4.1 消解原理
      • 4.1.1 子句集的求取
      • 4.1.2 消解推理规则
      • 4.1.3 含有变量的消解式
      • 4.1.4 消解反演求解过程
    • 4.2 规则演绎系统
      • 4.2.1 正向规则演绎系统
      • 4.2.2 逆向规则演绎系统
      • 4.2.3 双向规则演绎系统
    • 4.3 产生式系统
      • 4.3.1 产生式系统的结构
      • 4.3.2 产生式系统的表示
      • 4.3.3 产生式系统的推理
      • 4.3.4 产生式系统示例
    • 4.4 定性推理
      • 4.4.1 定性推理概述
      • 4.4.2 定性模型推理
    • 4.5 不确定性推理
      • 4.5.1 概率推理
      • 4.5.2 Bayes推理
      • 4.5.3 模糊逻辑推理
    • 4.6 非单调推理
      • 4.6.1 默认推理
      • 4.6.2 非单调推理系统
    • 习题四
  • 第5章 机器学习
    • 5.1 机器学习概述
    • 5.2 机器学习的主要策略和基本结构
    • 5.3 常见的几种学习方法
      • 5.3.1 机械学习
      • 5.3.2 基于解释的学习
      • 5.3.3 基于事例的学习
      • 5.3.4 基于概念的学习
      • 5.3.5 基于类比的学习
      • 5.3.6 基于决策树的归纳学习
      • 5.3.7 强化学习
    • 5.4 基于神经网络的学习
      • 5.4.1 神经网络的组成与特性
      • 5.4.2 基于反向传播网络的学习
      • 5.4.3 基于Hopfield网络的学习
      • 5.4.4 基于神经网络的推理
    • 习题五
  • 第6章 专家系统
    • 6.1 专家系统概述
      • 6.1.1 专家系统的一般特点
      • 6.1.2 专家系统的结构与类型
      • 6.1.3 专家系统的建造步骤
    • 6.2 基于规则的专家系统
      • 6.2.1 基于规则的专家系统的基本结构
      • 6.2.2 基于规则的专家系统的特点
      • 6.2.3 基于规则的专家系统举例
    • 6.3 基于框架的专家系统
      • 6.3.1 基于框架的专家系统的概念
      • 6.3.2 基于框架的专家系统的继承、槽和方法
      • 6.3.3 基于框架的专家系统举例
    • 6.4 基于模型的专家系统
      • 6.4.1 基于模型的专家系统的概念
      • 6.4.2 基于模型的专家系统举例
    • 6.5 专家系统的设计、评价与开发
      • 6.5.1 专家系统的设计
      • 6.5.2 专家系统的评价
      • 6.5.3 专家系统开发工具
    • 6.6 专家系统设计举例
      • 6.6.1 专家知识的描述
      • 6.6.2 知识的使用
      • 6.6.3 决策的解释
      • 6.6.4 MYCIN系统概述
    • 6.7 新型专家系统
    • 6.8 知识发现
      • 6.8.1 知识发现的发展和定义
      • 6.8.2 知识发现的处理过程
      • 6.8.3 知识发现的方法
    • 习题六
  • 第7章 自动规划系统
    • 7.1 自动规划概述
      • 7.1.1 规划的概念和作用
      • 7.1.2 规划的分类和问题分解途径
    • 7.2 基于谓词逻辑的规划
      • 7.2.1 规划世界模型的谓词逻辑表示
      • 7.2.2 基于谓词逻辑规划的基本过程
    • 7.3 STRIPS规划系统
      • 7.3.1 积木世界的机器人规划
      • 7.3.2 STRIPS规划系统
    • 7.4 分层规划
      • 7.4.1 长度优先搜索
      • 7.4.2 NOAH规划系统
    • 7.5 基于专家系统的机器人路径规划
    • 7.6 轨迹规划简介
    • 习题七
  • 第8章 自然语言理解
    • 8.1 语言及其理解的一般问题
      • 8.1.1 语言和语言理解
      • 8.1.2 自然语言理解研究的进展和发展趋势
      • 8.1.3 自然语言理解过程的层次
    • 8.2 词法分析
    • 8.3 句法分析
      • 8.3.1 句法模式匹配和转移网络
      • 8.3.2 扩充转移网络
      • 8.3.3 词汇功能语法
    • 8.4 语义分析
    • 8.5 句子理解
      • 8.5.1 简单句的理解方法
      • 8.5.2 复合句的理解方法
    • 8.6 语料库语言学
    • 8.7 机器翻译
    • 8.8 语音识别
      • 8.8.1 语音识别的发展历史
      • 8.8.2 语音识别的基本原理
      • 8.8.3 语音识别中的难点
      • 8.8.4 语音识别的关键技术
    • 8.9 应用举例
      • 8.9.1 自然语言自动理解系统
      • 8.9.2 自然语言问答系统
    • 习题八
  • 第9章 智能控制
    • 9.1 智能控制概述
      • 9.1.1 智能控制的产生和发展
      • 9.1.2 智能控制的定义
    • 9.2 智能控制的研究领域
    • 9.3 智能控制的学科结构理论
      • 9.3.1 二元结构理论
      • 9.3.2 三元结构理论
      • 9.3.3 四元结构理论
    • 9.4 智能控制的特点与系统一般结构
      • 9.4.1 智能控制的特点
      • 9.4.2 智能控制系统的一般结构
    • 9.5 智能控制系统
      • 9.5.1 递阶智能控制系统
      • 9.5.2 专家控制系统
      • 9.5.3 模糊控制系统
      • 9.5.4 学习控制系统
      • 9.5.5 神经控制系统
    • 9.6 其他智能控制系统
      • 9.6.1 进化控制
      • 9.6.2 免疫控制
      • 9.6.3 基于Web的控制
    • 习题九
  • 第10章 人工智能程序设计
    • 10.1 符号和逻辑处理编程语言
    • 10.2 LISP语言
      • 10.2.1 LISP的特点和数据结构
      • 10.2.2 LISP的基本函数
      • 10.2.3 递归和迭代
      • 10.2.4 LISP编程举例
    • 10.3 PROLOG语言
      • 10.3.1 语法与数据结构
      • 10.3.2 PROLOG程序设计原理
      • 10.3.3 PROLOG编程举例
    • 10.4 专用开发工具与人工智能机
    • 习题十
  • 附录 网络课程使用说明
  • 参考文献

相关图书