人工智能与专家系统导论pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

人工智能与专家系统导论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

第1章 人工智能概述 1

1．1 人工智能的基本概念 1

1．1．1 智能 1

1．1．2 人类智能 2

1．1．3 人工智能 3

1．1．4 人工智能的研究目标 4

1．2 人工智能的科学范畴 5

1．2．1 人工智能的位置 5

1．2．2 人工智能的学科范畴 5

1．2．3 人工智能分支的划分 7

1．3 人工智能的研究途径与方法 8

1．3．1 人工智能的基本技术 8

1．3．2 人工智能的研究内容 9

1．3．3 人工智能的研究途径 10

1．3．4 人工智能的研究方法 11

1．4 人工智能的产生与发展 14

1．4．1 人工智能的孕育斯（在1956年以前） 14

1．4．2 人工智能的基础技术研究与形成期（1956-1970年） 15

1．4．3 人工智能的发展与应用期（1970以后） 17

1．5．1 模式识别 19

1．5 人工智能的研究和应用领域 19

1．4．4 人工智能在我国的发展情况 19

1．5．2 自然语言理解 21

1．5．3 自动定理证明 21

1．5．4 自动程序设计 22

1．5．5 博弈 22

1．5．6 计算机视觉 23

1．5．7 机器人 23

1．5．8 智能计算机 24

1．5．9 工人神经网络及神经网络计算机 26

习题 29

2．1．1 知识 31

第2章 知识表示 31

2．1 知识与知识表示的概念 31

2．1．2 知识表示 32

2．2 状态空间表示法 34

2．2．1 状态空间表示法的基本策略 34

2．2．2 状态空间表示法示例 35

2．3 与/或图知识表示 39

2．3．1 与/或图知识表示的概念 39

2．3．2 与/或图表示示例 40

2．4．1 产生式的结构和组成 43

2．4 产生式知识表示 43

2．4．2 产生式表示的分类 46

2．4．3 产生式表示的性能及其应用 50

2．5 语义网络 51

2．5．1 语义网络的概念 52

2．5．2 语义网络的推理 54

2．5．3 语义网络表示法的特征 55

习题 56

3．1 图搜索及其分类 58

3．1．1 图搜索的概念 58

第3章 图搜索方法 58

3．1．2 图搜索的分类 59

3．1．3 状态图搜索树 60

3．1．4 状态空间搜索算法 61

3．1．5 搜索效率 63

3．2 穷举式搜索 63

3．2．1 广度优先搜索 64

3．2．2 深度优先搜索 65

3．2．3 有界深度优先搜索 66

3．2．4 一致代价搜索 68

3．3．1 启发式搜索的基本概念 70

3．3 启发式搜索 70

3．3．2 局部择优搜索 72

3．3．3 全局择优搜索 72

3．3．4 与/或图的启发式搜索 74

3．3．5 博弈 树的启发式搜索 78

3．3．6 α-β剪枝技术 81

习题 82

第4章 逻辑的知识表示和推理 84

4．1 命题与逻辑 84

4．1．1 命题与命题定律 84

4．1．2 谓词逻辑 86

4．2 谓词逻辑知识表示 89

4．2．1 谓词逻辑知识表示方法 89

4．2．2 谓词逻辑表示的优缺点 93

4．3 逻辑推理的技术与算法 94

4．3．1 王浩算法 94

4．3．2 子句集及其化简 97

4．3．3 置换与合一 99

4．3．4 鲁滨逊消解（归结）原理 100

习题 104

5．1．1 机器学习 106

第5章 智能学习系统 106

5．1 机器学习的基本概念 106

5．1．2 机器学习系统 107

5．2 智能学习系统的基本模型 109

5．3 机器学习的几种常用方法 111

5．3．1 机械式学习 111

5．3．2 指导式学习 112

5．3．3 示例学习 114

5．3．4 类比学习 116

5．3．5 解释学习 120

习题 123

第6章 PDC Prolog语言及其实现技术 124

6．1 Prolog语言简介 124

6．2 PDC Prolog的基本语句 125

6．2．1 常量与变量 125

6．2．2 事实、规则和询问 125

6．2．3 函数、运算符及其表达式 127

6．2．4 输入与输出内部谓词 128

6．3．1 域类型说明 129

6．3 程序结构及其说明 129

6．3．2 谓词说明 131

6．3．3 谓词与域类型说明示例 131

6．3．4 动态数据库说明及其使用 133

6．3．5 对象数据类型的转换 134

6．4 PDC Prolog的基本搜索方法 135

6．4．1 搜索与回溯 135

6．4．2 失败回溯循环法 136

6．4．3 切断回溯控制循环法 137

6．4．4 自定义的循环方法 138

6．4．5 递归 139

6．5 PDC Prolog的数据处理 141

6．5．1 表处理技术 141

6．5．2 字符串处理 144

6．6 PDC Prolog的多媒体技术 151

6．6．1 窗口的建立及使用 152

6．6．2 图形模式的设置与绘图 157

6．6．3 声音的内部谓词及其应用 160

习题 161

7．1．1 何谓专家系统 165

7．1．2 专家系统的特点 165

7．1 专家系统的基本知识 165

第7章 专家系统 165

7．1．3 专家系统的分类 167

7．1．4 专家系统的发展趋势 170

7．1．5 新一代专家系统 170

7．1．6 专家系统的主要研究课题 172

7．2 专家系统的设计 173

7．2．1 开发专家系统的需求分析 173

7．2．2 知识获取 175

7．2．3 专家系统的构造者及其工具 177

7．2．4 专家系统的设计结构 178

7．2．5 专家系统的设计要素 179

7．2．6 专家系统的开发阶段与过程 182

7．3 专家系统的评价 185

7．3．1 评价方法 185

7．3．2 专家系统评价内容 186

7．4 专家系统实例 187

7．4．1 动物识别专家系统 187

7．4．2 专家系统在数据通信网络中的应用 194

7．5 专家系统开发工具与环境 197

7．5．1 程序设计语言 197

7．5．2 知识工程语言 198

7．5．3 辅助型工具 200

7．5．4 支持工具 201

7．5．5 开发环境 201

7．5．6 骨架工具系统EMYCIN 202

7．5．7 骨架工具系统KAS 204

7．5．8 通用专家系统工具介绍 206

习题 216

第8章 不精确推理 217

8．1 不精确推理的基本理论 217

8．1．1 不精确推理的模式 217

8．1．2 规则可信度的计算 219

8．1．3 不精确性的组合计算 220

8．1．4 带加权因子的不精确推理 222

8．1．5 带区间的不精确性表示 223

8．2 主观Bayes推理方法 226

8．2．1 主观Bayes推理模型 226

8．2．2 证据不精确性情况下的推理模型 229

8．2．3 组合证据的不精确性计算 230

8．2．4 Bayes方法在PRCSPECTOR中的应用 230

习题 233

参考文献 236