图书介绍
人工智能及其应用pdf电子书版本下载
- 李国勇，李维民编著 著
- 出版社： 北京：电子工业出版社
- ISBN：9787121079559
- 出版时间：2009
- 标注页数：365页
- 文件大小：85MB
- 文件页数：378页
- 主题词：人工智能－高等学校－教材
PDF下载
下载说明
人工智能及其应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论 1
1.1 人工智能的基本概念 1
1.1.1 人工智能的哲学思考 1
1.1.2 人工智能的定义 2
1.1.3 人工智能的研究目标 2
1.2 人工智能的发展简史 3
1.3 人工智能的研究途径和方法 7
1.4 人工智能的研究与应用领域 9
1.5 人工智能相关网站介绍 14
小结 15
练习题 15
第2章 知识表示 17
2.1 基本概念 17
2.1.1 知识的概念 17
2.1.2 知识的表示方法 19
2.2 状态空间表示法 20
2.3 与／或图表示法 23
2.3.1 问题归约 23
2.3.2 与／或图的表示 23
2.4 一阶谓词逻辑表示法 27
2.4.1 命题逻辑 27
2.4.2 一阶谓词逻辑 30
2.4.3 一阶谓词逻辑表示方法 32
2.4.4 一阶谓词逻辑表示法的特点 35
2.5 产生式表示法 35
2.5.1 产生式的基本形式 35
2.5.2 产生式系统的组成 36
2.5.3 产生式系统的推理方式和控制策略 37
2.5.4 产生式表示法的特点 39
2.6 语义网络表示法 39
2.6.1 语义网络的概念和结构 40
2.6.2 语义网络表示知识的方法 40
2.6.3 语义网络的问题求解过程 44
2.6.4 语义网络表示法的特点 45
2.7 框架表示法 45
2.7.1 框架的基本结构 46
2.7.2 框架系统中的预定义槽名 47
2.7.3 框架网络 48
2.7.4 框架系统的问题求解过程 49
2.7.5 框架表示法的特点 49
2.8 其他表示方法 50
2.8.1 脚本表示法 50
2.8.2 面向对象的表示法 51
2.8.3 过程表示法 55
2.8.4 Petri网表示法 57
小结 58
练习题 58
第3章 搜索技术 60
3.1 搜索的概念 60
3.1.1 基本概念 60
3.1.2 搜索的分类 61
3.2 状态空间搜索 62
3.2.1 状态空间搜索的一般过程 62
3.2.2 盲目搜索策略 64
3.2.3 启发式搜索策略 68
3.3 与／或图搜索 77
3.3.1 与／或图搜索的一般过程 77
3.3.2 与／或图的盲目搜索策略 78
3.3.3 与／或图的启发式搜索策略 78
3.3.4 博弈问题的启发式搜索策略 84
3.4 通用问题的求解方法 89
3.4.1 生成-测试法 89
3.4.2 手段-目标分析法 89
3.4.3 约束满足问题 90
小结 93
练习题 94
第4章 知识推理 96
4.1 推理的概念 96
4.2 归结演绎推理 97
4.2.1 Herbrand理论 97
4.2.2 归结原理 101
4.2.3 归结反演 105
4.3 非归结演绎推理 113
4.3.1 基于规则的演绎推理 113
4.3.2 Bledsoe自然演绎法 119
4.3.3 Boyer-Moore定理证明方法 121
4.3.4 王浩算法 124
4.4 不确定性推理方法 125
4.4.1 不确定性推理的基本问题 125
4.4.2 确定性理论 127
4.4.3 主观贝叶斯方法 131
4.4.4 证据理论 134
小结 139
练习题 139
第5章 高级搜索 141
5.1 最优化问题 141
5.1.1 最优化问题的概念 141
5.1.2 最优化问题的求解 143
5.2 禁忌搜索 145
5.2.1 禁忌搜索的基本思想 145
5.2.2 禁忌搜索的算法流程 147
5.2.3 禁忌搜索算法的收敛性 148
5.2.4 禁忌搜索的特点 148
5.3 遗传算法 148
5.3.1 遗传算法的基本思想 148
5.3.2 遗传算法的实现步骤 150
5.3.3 模式定理 152
5.3.4 遗传算法的特点 153
5.4 模拟退火算法 153
5.4.1 模拟退火算法的基本思想 153
5.4.2 模拟退火算法实现步骤 155
5.4.3 模拟退火算法特点 156
5.5 人工神经网络 156
5.5.1 人工神经网络的基本概念 156
5.5.2 感知机 159
5.5.3 BP神经网络 160
5.5.4 Hopfield网络 163
5.6 其他高级搜索算法 166
5.6.1 进化策略 166
5.6.2 进化编程 169
5.6.3 遗传编程 171
5.6.4 人工生命 174
5.6.5 蚁群优化算法 176
5.6.6 粒子群优化算法 177
5.6.7 免疫计算 178
小结 179
练习题 179
第6章 高级知识表示和知识推理 180
6.1 模糊逻辑 180
6.1.1 模糊集合及其运算 180
6.1.2 模糊关系及其合成 183
6.1.3 模糊向量及其运算 184
6.1.4 模糊逻辑规则 185
6.1.5 模糊逻辑推理 186
6.2 三值逻辑与多值逻辑 188
6.2.1 三值逻辑 188
6.2.2 多值逻辑 190
6.3 模态逻辑 190
6.3.1 基本模态逻辑 190
6.3.2 时态逻辑 194
6.3.3 知道逻辑和信念逻辑 195
6.4 非单调逻辑 202
6.4.1 默认推理 202
6.4.2 限定推理 203
6.4.3 自认识逻辑 206
6.4.4 真值维持系统 207
6.5 不确定性推理 209
6.5.1 贝叶斯网络 209
6.5.2 关联式方法 210
6.5.3 语义描述方法 211
6.6 时间推理与空间推理 212
6.6.1 基于区间的时间推理 212
6.6.2 空间推理 218
6.7 定性推理方法 222
6.7.1 定性推理概述 222
6.7.2 定性方程法 223
6.7.3 定性模拟法 226
6.7.4 定性进程方法 227
6.8 描述逻辑 229
6.8.1 描述逻辑的基本概念 229
6.8.2 描述逻辑的语言规则 231
6.8.3 描述逻辑中的推理 232
6.8.4 描述逻辑语言的扩展 235
小结 237
练习题 237
第7章 Agent及Multi-Agent系统 238
7.1 Agent概述 238
7.1.1 分布式人工智能 238
7.1.2 Agent的基本概念 239
7.2 Agent的理论模型 241
7.2.1 Agent的心智要素及其性质 241
7.2.2 Agent BDI模型 242
7.2.3 效用理论 247
7.3 Agent的结构 247
7.3.1 Agent的基本结构 247
7.3.2 Agent结构的分类 248
7.4 Agent通信 250
7.4.1 言语行为 250
7.4.2 通信的类型和方式 252
7.4.3 Agent的通信语言 254
7.5 Multi-Agent系统 259
7.5.1 Multi-Agent系统的模型和结构 259
7.5.2 Multi-Agent系统的协调和协作 260
7.5.3 Multi-Agent协商 262
7.5.4 Multi-Agent规划 263
7.6 移动Agent 264
7.6.1 移动Agent的基本概念 264
7.6.2 移动Agent的发展 267
7.7 面向Agent的程序设计 268
7.7.1 AOP与OOP的区别 268
7.7.2 AOP框架 269
7.7.3 Agent系统开发的语言 270
小结 271
练习题 271
第8章 自然语言理解 272
8.1 自然语言理解的一般问题 272
8.2 句法分析 276
8.2.1 文法和语言的形式定义 276
8.2.2 乔姆斯基体系 277
8.2.3 句法分析的策略 279
8.2.4 句法模式匹配和转移网络 280
8.2.5 句法分析的确定性算法 283
8.2.6 词汇功能语法 284
8.2.7 基于统计方法的句法分析方法 285
8.3 语义分析 286
8.3.1 语义文法 286
8.3.2 格文法 287
8.4 自然语言理解系统应用举例 288
8.4.1 自然语言自动理解系统 288
8.4.2 MARGIE系统 289
8.5 机器翻译 290
8.5.1 机器翻译基本方法 291
8.5.2 基于规则的机器翻译 292
8.5.3 基于实例的机器翻译 293
8.5.4 基于统计的机器翻译 294
8.5.5 机器翻译评价 295
8.6 语音识别 295
8.7 信息检索 296
小结 297
练习题 297
第9章 机器学习 299
9.1 概述 299
9.2 机器学习的基本结构和主要策略 301
9.2.1 机器学习的基本结构 301
9.2.2 机器学习的主要策略 302
9.3 实例学习 304
9.3.1 基本理论 304
9.3.2 实例学习的基本策略 306
9.3.3 实例学习方法的分类 307
9.4 类比学习 308
9.5 解释学习 311
9.5.1 解释学习的空间描述 311
9.5.2 解释学习的一般步骤 312
9.5.3 解释与泛化交替进行的学习方法 313
9.5.4 基于解释的详细说明法 315
9.6 强化学习 316
9.6.1 强化学习的关键因素 317
9.6.2 寻找最优策略 319
9.7 决策树学习 320
9.7.1 ID3算法 321
9.7.2 最好属性的选择 321
小结 322
练习题 322
第10章 规划系统 323
10.1 规划技术基本概念 323
10.2 早期的自动规划技术 326
10.2.1 GPS 326
10.2.2 Green方法 327
10.3 STRIPS规划 328
10.3.1 积木世界的机器人的问题 328
10.3.2 STRIPS规划知识的表示 329
10.3.3 STRIPS规划的搜索过程 330
10.4 图规划 331
10.5 分层规划 334
10.6 部分排序规划技术 337
10.7 自动规划技术的新进展 338
10.7.1 非经典规划技术的开发 339
10.7.2 自动规划技术的实用化 340
小结 342
练习题 342
第11章 人工智能应用 343
11.1 系统预测 343
11.1.1 基本预测方法 343
11.1.2 基于人工神经网络的矿产资源预测 344
11.2 故障诊断 346
11.3 路径规划 351
11.3.1 路径规划概述 351
11.3.2 基于蚁群算法的旅行商路径搜索 352
11.4 信息检索 356
11.4.1 传统的Web信息检索 356
11.4.2 基于移动Agent的Web信息检索系统 357
11.4.3 基于移动Agent的web检索原型系统开发 358
小结 363
参考文献 364