顶部
收藏

人工智能导论(第3版)

新世纪网络课程建设工程

作者:
王万良
定价:
26.10元
ISBN:
978-7-04-031503-5
版面字数:
400.000千字
开本:
16开
全书页数:
253页
装帧形式:
平装
重点项目:
新世纪网络课程建设工程
出版时间:
2011-02-18
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

本书是一本内容基础性强、可读性好、适合讲授的人工智能教材。读者通过学习本书,能够掌握人工智能的基本知识,并能了解人工智能研究的一些前沿内容,为进一步学习人工智能理论与应用奠定基础。

全书共11章。第1章绪论;第2章知识表示;第3章确定性推理方法;第4章不确定性推理方法;第5章搜索求解策略;第6章遗传算法及其应用;第7章专家系统与机器学习;第8章人工神经网络及其应用;第9章智能体与多智能体系统;第10章自然语言处理及其应用;第11章人工智能在游戏设计中的应用。附录中给出了本书部分习题的简要解答。

本书可作为电气信息类、机械类、电子信息科学类以及其他专业的本科生学习人工智能课程的教材。由于书中几大部分内容相对独立,教师可以根据课程计划灵活选择相关内容。

  • 第1章 绪论
    • 1.1 人工智能的基本概念
      • 1.1.1 智能的概念
      • 1.1.2 智能的特征
      • 1.1.3 人工智能
    • 1.2 人工智能的发展简史
      • 1.2.1 孕育
      • 1.2.2 形成
      • 1.2.3 发展
    • 1.3 人工智能研究的基本内容
    • 1.4 人工智能的主要研究领域
    • 1.5 小结
    • 思考题
  • 第2章 知识表示
    • 2.1 知识与知识表示的概念
      • 2.1.1 知识的概念
      • 2.1.2 知识的特性
      • 2.1.3 知识的表示
    • 2.2 一阶谓词逻辑表示法
      • 2.2.1 命题
      • 2.2.2 谓词
      • 2.2.3 谓词公式
      • 2.2.4 谓词公式的性质
      • 2.2.5 一阶谓词逻辑知识表示方法
      • 2.2.6 一阶谓词逻辑表示法的特点
    • 2.3 产生式表示法
      • 2.3.1 产生式
      • 2.3.2 产生式系统
      • 2.3.3 产生式系统的例子———动物识别系统
      • 2.3.4 产生式表示法的特点
    • 2.4 框架表示法
      • 2.4.1 框架的一般结构
      • 2.4.2 用框架表示知识的例子
      • 2.4.3 框架表示法的特点
    • 2.5 小结
    • 思考题
    • 习题
  • 第3章 确定性推理方法
    • 3.1 推理的基本概念
      • 3.1.1 推理的定义
      • 3.1.2 推理方式及其分类
      • 3.1.3 推理的方向
      • 3.1.4 冲突消解策略
    • 3.2 自然演绎推理
    • 3.3 谓词公式化为子句集的方法
    • 3.4 鲁宾逊归结原理
    • 3.5 归结反演
    • 3.6 应用归结原理求解问题
    • 3.7 小结
    • 思考题
    • 习题
  • 第4章 不确定性推理方法
    • 4.1 不确定性推理的概念
    • 4.2 可信度方法
    • 4.3 证据理论
      • 4.3.1 概率分配函数
      • 4.3.2 信任函数
      • 4.3.3 似然函数
      • 4.3.4 概率分配函数的正交和(证据的组合)
      • 4.3.5 基于证据理论的不确定性推理
    • 4.4 模糊推理方法
      • 4.4.1 模糊逻辑的提出与发展
      • 4.4.2 模糊集合
      • 4.4.3 模糊集合的运算
      • 4.4.4 模糊关系与模糊关系的合成
      • 4.4.5 模糊推理
      • 4.4.6 模糊决策
      • 4.4.7 模糊推理的应用
    • 4.5 小结
    • 思考题
    • 习题
  • 第5章 搜索求解策略
    • 5.1 搜索的概念
      • 5.1.1 搜索的基本问题与主要过程
      • 5.1.2 搜索策略
    • 5.2 状态空间的搜索策略
      • 5.2.1 状态空间表示法
      • 5.2.2 状态空间的图描述
    • 5.3 盲目的图搜索策略
      • 5.3.1 回溯策略
      • 5.3.2 宽度优先搜索策略
      • 5.3.3 深度优先搜索策略
    • 5.4 启发式图搜索策略
      • 5.4.1 启发式策略
      • 5.4.2 启发信息和估价函数
      • 5.4.3 A搜索算法
      • 5.4.4 A*搜索算法及其特性分析
    • 5.5 小结
    • 思考题
    • 习题
  • 第6章 遗传算法及其应用
    • 6.1 遗传算法的产生与发展
      • 6.1.1 遗传算法的生物学背景
      • 6.1.2 遗传算法的基本思想
      • 6.1.3 遗传算法的发展历史
      • 6.1.4 设计遗传算法的基本内容
    • 6.2 遗传算法的基本算法
      • 6.2.1 编码
      • 6.2.2 群体设定
      • 6.2.3 适应度函数
      • 6.2.4 选择
      • 6.2.5 交叉
      • 6.2.6 变异
      • 6.2.7 遗传算法的一般步骤
      • 6.2.8 遗传算法的特点
    • 6.3 遗传算法的改进算法
      • 6.3.1 双倍体遗传算法
      • 6.3.2 双种群遗传算法
      • 6.3.3 自适应遗传算法
    • 6.4 遗传算法的应用
    • 6.5 小结
    • 思考题
    • 习题
  • 第7章 专家系统与机器学习
    • 7.1 专家系统的产生和发展
    • 7.2 专家系统的概念
      • 7.2.1 专家系统的定义
      • 7.2.2 专家系统的特点
      • 7.2.3 专家系统的类型
      • 7.2.4 专家系统的应用
    • 7.3 专家系统的工作原理
      • 7.3.1 专家系统的一般结构
      • 7.3.2 知识库
      • 7.3.3 推理机
      • 7.3.4 数据库
      • 7.3.5 知识获取机构
      • 7.3.6 人机接口
      • 7.3.7 解释机构
    • 7.4 知识获取的主要过程与模式
      • 7.4.1 知识获取的过程
      • 7.4.2 知识获取的模式
    • 7.5 机器学习
      • 7.5.1 机器学习的基本概念
      • 7.5.2 机器学习的分类
      • 7.5.3 机械式学习
      • 7.5.4 指导式学习
      • 7.5.5 示例学习
    • 7.6 知识发现与数据挖掘
      • 7.6.1 知识发现与数据挖掘的概念
      • 7.6.2 知识发现的一般过程
      • 7.6.3 知识发现的任务
      • 7.6.4 知识发现的方法
      • 7.6.5 知识发现的对象
    • 7.7 专家系统的建立
    • 7.8 专家系统实例
      • 7.8.1 医学专家系统———MYCIN
      • 7.8.2 地质勘探专家系统———PROSPECTOR
    • 7.9 专家系统的开发工具
      • 7.9.1 骨架系统
      • 7.9.2 通用型知识表达语言
      • 7.9.3 专家系统开发环境
      • 7.9.4 专家系统程序设计语言
    • 7.10 小结
    • 思考题
  • 第8章 人工神经网络及其应用
    • 8.1 神经元与神经网络
      • 8.1.1 生物神经元结构
      • 8.1.2 神经元数学模型
      • 8.1.3 神经网络的结构与工作方式
      • 8.1.4 神经网络的学习
    • 8.2 BP神经网络及其学习算法
      • 8.2.1 BP神经网络的结构
      • 8.2.2 BP学习算法
      • 8.2.3 BP学习算法的实现
    • 8.3 BP神经网络的应用
      • 8.3.1 BP神经网络在模式识别中的应用
      • 8.3.2 BP神经网络在软测量中的应用
    • 8.4 Hopfield神经网络及其改进
      • 8.4.1 离散型Hopfield神经网络
      • 8.4.2 连续型Hopfield神经网络及其VLSI实现
      • 8.4.3 随机神经网络
    • 8.5 Hopfield神经网络的应用
      • 8.5.1 Hopfield神经网络在联想记忆中的应用
      • 8.5.2 Hopfield神经网络优化方法
    • 8.6 小结
    • 思考题
    • 习题
  • 第9章 智能体与多智能体系统
    • 9.1 智能体的概念与结构
      • 9.1.1 智能体的概念
      • 9.1.2 智能体的特性
      • 9.1.3 智能体的结构
      • 9.1.4 反应式Agent
      • 9.1.5 慎思式Agent
      • 9.1.6 复合式Agent
      • 9.1.7 Agent的应用
    • 9.2 多智能体系统的概念与结构
      • 9.2.1 多智能体系统的特点
      • 9.2.2 多智能体系统的基本类型
      • 9.2.3 多智能体系统的体系结构
    • 9.3 多智能体系统的通信
      • 9.3.1 智能体通信的类型
      • 9.3.2 Agent通信的方式
      • 9.3.3 智能体通信语言
    • 9.4 多智能体系统的协调
    • 9.5 多智能体系统的协作
      • 9.5.1 多智能体的协作类型

相关图书