顶部
收藏

人工智能基础(第4版)

“十一五”国家规划教材

作者:
蔡自兴 蒙祖强 陈白帆
定价:
46.50元
ISBN:
978-7-04-057199-8
版面字数:
520.000千字
开本:
特殊
全书页数:
暂无
装帧形式:
平装
重点项目:
“十一五”国家规划教材
出版时间:
2021-11-22
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

本书是国家精品课程和国家级精品资源共享课“人工智能”的配套教材。本版共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。与第3版相比,大多数章节都做了相应规范、修改、精简或补充。

本书可作为高等本科院校计算机、人工智能、智能科学与技术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。

  • 前辅文
  • 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
      • 1.1.3 中国人工智能的发展历程
    • 1.2 人工智能的研究目标、内容与核心要素
      • 1.2.1 人工智能的研究目标
      • 1.2.2 人工智能研究的基本内容
      • 1.2.3 人工智能的核心要素
    • 1.3 人工智能的研究与计算方法
      • 1.3.1 人工智能的研究方法
      • 1.3.2 人工智能的计算方法
    • 1.4 人工智能的研究和应用领域
    • 1.5 本书概括
    • 习题1
  • 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 语义网络法
      • 2.5.1 二元语义网络的表示
      • 2.5.2 多元语义网络的表示
      • 2.5.3 基于语义网络的知识推理
    • 2.6 框架表示法
      • 2.6.1 框架理论及特点
      • 2.6.2 框架的构成
      • 2.6.3 框架的推理
    • 2.7 知识图谱
      • 2.7.1 知识图谱的定义与架构
      • 2.7.2 知识图谱的关键技术
      • 2.7.3 知识图谱的应用领域
    • 2.8 面向对象表示法
      • 2.8.1 面向对象的概念
      • 2.8.2 面向对象表示中的类继承
    • 2.9 本章 小结
    • 习题2
  • 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
    • 3.5 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
    • 3.6 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
    • 3.7 本章 小结
    • 习题3
  • 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 反向规则演绎系统
      • 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
    • 4.4 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 确定性与不确定性推理
      • 4.5.2 概率推理
      • 4.5.3 贝叶斯推理
      • 4.5.4 模糊逻辑推理
    • 4.6 本章 小结
    • 习题4
  • 第5章 机器学习
    • 5.1 机器学习概述
      • 5.1.1 机器学习的定义和研究意义
      • 5.1.2 机器学习的发展史
    • 5.2 机器学习的主要策略与基本结构
    • 5.3 常见的机器学习方法
      • 5.3.1 归纳学习
      • 5.3.2 基于解释的学习
      • 5.3.3 类比学习
      • 5.3.4 决策树学习
      • 5.3.5 强化学习
      • 5.3.6 支持向量机
      • 5.3.7 表示学习
    • 5.4 基于神经网络的学习
      • 5.4.1 神经计算简介
      • 5.4.2 基于BP网络的学习
      • 5.4.3 基于霍普菲尔德神经网络的学习
    • 5.5 深度学习
      • 5.5.1 深度学习的定义与特点
      • 5.5.2 深度学习基础与神经网络
      • 5.5.3 深度学习的常用模型
    • 5.6 本章 小结
    • 习题5
  • 第6章 专家系统
    • 6.1 专家系统概述
      • 6.1.1 专家系统的定义和一般特点
      • 6.1.2 专家系统的结构与类型
      • 6.1.3 专家系统的构建步骤
    • 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 知识发现
      • 6.6.1 知识发现的发展和定义
      • 6.6.2 知识发现的处理过程
      • 6.6.3 知识发现的方法
    • 6.7 本章 小结
    • 习题6
  • 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
    • 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规划系统的组成和规划过程
    • 7.4 基于专家系统的机器人路径规划
    • 7.5 基于机器学习的智能规划
    • 7.6 轨迹规划简介
    • 7.7 本章 小结
    • 习题7
  • 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 句法和语法的自动分析
      • 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 单句的理解方法
      • 8.5.2 复句的理解方法
    • 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 语音识别的关键技术
      • 8.8.4 语音识别技术展望
    • 8.9 基于深度学习的自然语言处理
    • 8.10 本章 小结
    • 习题8
  • 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
    • 9.7 本章 小结
    • 习题9
  • 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 Python语言简介
      • 10.4.1 基本数据结构
      • 10.4.2 选择和循环结构
      • 10.4.3 函数
      • 10.4.4 数值分析方法
    • 10.5 专用开发工具与人工智能机
    • 10.6 本章 小结
    • 习题10
  • 参考文献

本书第4版共10章。第1章叙述人工智能的定义、起源与发展,归纳了人工智能的研究目标、研究内容和核心要素,简介人工智能的研究和计算方法,列举出人工智能的研究与应用领域,归纳了人工智能对人类经济、社会和文化的影响。第2章主要研究人工智能的知识表示方法,如状态空间法、问题归约法、谓词逻辑法、语义网络法、框架表示、知识图谱、和面向对象表示等。第3章论述人工智能的搜索推理技术,涉及盲目搜索、启发式搜索、博弈树搜索、遗传算法、模拟退火算法和免疫算法等。第4章探讨人工智能的推理技术,包含消解原理、规则演绎系统、产生式系统、定性推理和不确定性推理等。第5章至第9章比较详细地逐一讨论了人工智能的主要应用领域,包括机器学习、专家系统、自动规划、自然语言理解和智能控制等。第10章介绍人工智能常用程序设计方法。书末附有人工智能网络课程使用说明,简要介绍我们开发的人工智能网络课程的使用方法。与第3版相比,大多数章节都作了相应的修改、规范、精简或补充。

相关图书