图书介绍
人工智能原理及应用pdf电子书版本下载
- 邢传鼎，杨家明，任庆生等编著 著
- 出版社： 上海：东华大学出版社
- ISBN：7810388894
- 出版时间：2005
- 标注页数：460页
- 文件大小：27MB
- 文件页数：477页
- 主题词：人工智能
PDF下载
下载说明
人工智能原理及应用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
第一章 绪论 1
1.1 人工智能学科的由来和发展史 1
1.1.1 人工智能的定义 1
目录 1
1.1.2 人工智能的由来 2
1.1.3 人工智能的发展史 2
1.2 人工智能的主要应用 4
1.2.1 知识工程 4
1.2.2 专家系统 6
1.2.3 专家系统开发工具与环境 9
1.2.4 模式识别技术 12
1.2.5 智能控制及智能机器人 14
习题一 17
2.1 概述 18
第一部分 知识表示 18
第二章 知识表示方法 18
2.2 状态空间表示法 19
2.2.1 状态空间三元组 19
2.2.2 状态空间表示法举例 19
2.2.3 问题归约法和与／或图表示法 25
2.2.4 关键状态法和关键操作法 27
2.3 谓词逻辑表示法 29
2.3.1 一阶谓词逻辑表示 29
2.3.2 谓词逻辑表示模式 32
2.4 语义网络表示法 35
2.4.1 语义网络的概念 35
2.4.2 语义网络的表达能力 35
2.4.3 基于语义网络的推理 38
2.5 框架表示法 39
2.5.1 框架的概念 39
2.5.2 框架的表达能力 40
2.5.3 基于框架的推理 41
2.5.4 框架的程序实现 42
2.6 产生式规则表示法 42
2.6.1 产生式规则与产生式系统 42
2.6.2 八数码游戏 43
2.7 常识知识表示法 44
2.7.1 常识世界 44
2.7.2 常识知识表示的困难 45
2.7.3 常识知识的重要性 45
2.7.5 时间 46
2.7.4 常识知识研究范围 46
2.7.6 基于网络法的常识知识表示 47
2.8 剧本表示法 51
2.8.1 概念依赖理论 51
2.8.2 剧本表示法 52
2.9 面向对象的过程性表示方法 53
2.9.1 过程性表示法基本原理 53
2.9.2 过程表示法的特点 55
习题二 56
第二部分 状态空间搜索 58
第三章 盲目搜索策略 58
3.1 基本概念 58
3.1.1 什么是搜索 58
3.1.2 状态空间的搜索策略 59
3.2.1 搜索算法 61
3.2 广度优先搜索 61
3.2.2 应用举例 62
3.3 深度优先搜索 63
3.3.1 深度优先搜索过程 63
3.3.2 应用举例 64
3.4 有界深度优先搜索 65
3.4.1 有界深度优先搜索过程 65
3.4.2 应用举例 65
3.5 代价树的广度优先搜索 67
3.5.1 代价树的广度优先搜索过程 67
3.5.2 应用举例 68
3.6 代价树的深度优先搜索 69
3.6.1 代价树的深度优先搜索过程 69
3.6.2 应用举例 69
习题三 70
第四章 启发式搜索 71
4.1 不可撤回方式搜索策略 71
4.2 可撤回方式搜索策略 72
4.2.1 代价树的有界深度优先搜索过程 72
4.2.2 回溯策略（BACKTRACK） 73
4.2.3 图搜索策略 76
4.3 估计函数和启发信息 77
4.4 全局最优搜索法 78
4.5 局部择优搜索法 79
4.6 八数码难题的启发式搜索 79
4.7 A算法及可采纳的A算法 82
4.7.1 A算法 82
4.7.2 A算法及可采纳性 82
4.8.1 与／或树求解中的特殊问题 83
4.8 与／或树的启发式搜索 83
4.8.2 与／或树的最好优先搜索法 86
习题四 89
第五章 计划、动作和学习 90
5.1 感知／计划／动作循环 90
5.2 逼近搜索 91
5.2.1 孤岛驱动搜索 91
5.2.2 层次搜索 92
5.2.3 有限范围搜索 93
5.2.4 循环 94
5.2.5 建立反应过程 94
5.3 学习启发式函数 95
5.3.1 显式图 95
5.3.2 隐式图 96
5.4 奖赏代替目标 97
习题五 98
第六章 对手式搜索 100
6.1 博弈树的启发式搜索 100
6.1.1 博弈树的概念 100
6.1.2 极大极小分析法 101
6.2 α-β剪枝技术 103
6.3 搜索的完备性与效率 104
6.3.1 完备性 104
6.3.2 搜索效率 104
6.4 概率博弈 105
6.5 各种搜索策略归纳 106
6.5.1 状态空间表示法 106
6.5.3 搜索策略性能的衡量准则 107
6.5.2 与／或树表示法 107
习题六 108
第三部分 推理方法 110
第七章 命题演算和命题演算归结基础 110
7.1 对特征值加以约束 110
7.2 语言 111
7.3 推理规则 112
7.4 验证定义 113
7.5 语义 113
7.5.1 解释 113
7.5.2 命题真值表 114
7.5.3 可满足性与模型 114
7.5.5 等价 115
7.5.6 蕴含 115
7.5.4 永真性 115
7.6 合理性、完备性和命题可满足性 116
7.7 命题演算中的归结 117
7.7.1 子句上的归结 117
7.7.2 转换任意的合式公式为子句的合取式 118
7.7.3 归结反演 118
习题七 120
第八章 谓词逻辑 121
8.1 一阶谓词和量词 121
8.1.1 谓词和个体 121
8.1.2 量词 122
8.1.3 合式谓词公式 123
8.1.4 自由变元和约束变元 123
8.1.5 谓词公式的解释 124
8.2.3 量词分配律 125
8.2.2 量词辖域的扩张及收缩律 125
8.2 含有量词的等价式和蕴含式 125
8.2.1 量词转换律 125
8.2.4 量词次序的交换 126
8.3 谓词逻辑中的推论规则 127
8.3.1 约束变元的改名规则 127
8.3.2 自由变元的代入规则 127
8.3.3 命题变元的代换规则 127
8.3.4 取代规则 127
8.3.5 全称规定规则US 127
8.3.6 存在规定规则ES 127
8.4 谓词公式的范式 128
8.4.1 前束范式 128
8.3.8 全称推广规则UG 128
8.3.7 存在推广规则EG 128
8.4.2 斯柯林范式 129
习题八 129
第九章 归结原理 131
9.1 置换与合一 131
9.1.1 置换 131
9.1.2 合一 131
9.2 归结原理 133
9.2.1 化为子句形的步骤 133
9.2.2 归结推理规则 135
9.2.3 含有变量子句的归结 136
9.3 归结推理在人工智能中的应用 138
9.3.1 归结反演在定理证明中的应用 138
9.3.3 改进策略 142
9.3.2 简化策略 142
9.4 由归结反演求取答案的方法 144
9.4.1 问题求解中的谓词演算 144
9.4.2 答案求取过程 146
9.4.3 含有全称量词量化变量的目标公式 147
习题九 150
第十章 基于规则的演绎系统 152
10.1 规则正向演绎系统 152
10.1.1 事实表达式的与或形变换 152
10.1.2 事实表达式的与或图表示 153
10.1.3 与或图的F规则变换 154
10.1.4 作为终止条件的目标公式 156
10.2.1 目标表达式的与或形式 157
10.2 规则逆向演绎系统 157
10.2.2 与或图的B规则变换 158
10.2.3 作为终止条件的事实节点的一致解图 158
10.3 规则双向演绎系统 160
习题十 161
第十一章 基于逻辑的规划方法 163
11.1 积木世界的机器人规划 163
11.1.1 积木世界的机器人问题 163
11.1.2 用F规则求解规划序列 164
11.2 STRIPS规划系统 165
11.2.1 STRIPS系统的组成 165
11.2.2 STRIPS系统规划过程 165
11.2.3 含有多重解答的规划 168
11.3.1 递归的STRIPS 171
11.3 STRIPS规划分析 171
11.3.2 Sussman异常 173
11.3.3 逆向搜索方法 173
11.3.4 规划空间和部分有序规划 175
11.3.5 分层规划 178
11.3.6 学习规划 183
11.4 具有学习能力的规划系统 184
11.4.1 PULP-1系统的结构与操作方式 185
11.4.2 PULP-1的世界模型和规划结果 186
习题十一 187
第十二章 不确定信息的推理 191
12.1 回顾概率论 191
12.1.1 基本观点 191
12.1.2 条件概率 193
12.2 概率性推理 194
12.2.1 通用方法 194
12.2.2 条件独立性 196
12.3 Bayes网络 196
12.4 Bayes网络中的推理范型 198
12.5 不确定证据 199
12.6 D-分离 200
12.7 复合树中的概率推理 201
12.7.1 之上证据（Evidence Above） 201
12.7.2 之下证据（Evidence Below） 202
12.7.3 之上之下证据（Evidence Above and Below） 204
12.7.4 举例 204
习题十二 206
13.1.2 非单调系统 208
13.1.1 非单调逻辑 208
第十三章 其他推理技术 208
13.1 非单调推理 208
13.2 限定推理 209
13.2.1 最小模型 209
13.2.2 按最小化原则建立假设 209
13.3 缺省推理 211
13.3.1 缺省推理规则的表示 211
13.3.2 缺省规则的分类 211
13.4 自认识推理 213
13.4.1 自认识逻辑的描述 213
13.4.2 自认识逻辑系统AE的语义 214
13.5 真值维护系统（TMS） 214
习题十三 216
14.1 概述 218
14.1.1 机器学习的定义及其特点 218
第十四章 机器学习 218
第四部分 知识获取 218
14.1.2 机器学习的发展简史 220
14.2 机器学习的基本模型 220
14.3 机器学习的分类 222
14.3.1 机器学习方法 222
14.3.2 学习方法和系统的评价 224
14.4 机器学习的研究目标 227
习题十四 228
第十五章 实例学习 229
15.1 实例学习概念及其分类 229
15.1.1 实例学习的两个空间模型 229
15.2.1 变型空间方法 234
15.1.2 实例学习的分类 234
15.2 学习单个概念 234
15.2.2 改进假设方法 238
15.2.3 产生与测试方法 239
15.2.4 方案示例方法 241
15.3 学习多个概念 243
15.3.1 AQ11程序 244
15.3.2 ID3系列方法 245
15.4 学习多步任务 255
15.4.1 LEX的结构 255
15.4.2 LEX的运行实例 256
15.4.3 问题求解器 257
15.4.4 评论器 257
15.4.6 问题产生器 258
15.4.5 归纳器 258
习题十五 259
第十六章 类比学习 260
16.1 类比学习定义 260
16.1.1 类比学习定义 260
16.1.2 类比学习的类型 261
16.2 类比推理 262
16.2.1 可扩展关系表示法 262
16.2.2 匹配机制 263
16.2.3 类比学习 264
16.3 转换类比学习系统 264
16.3.1 转换类比系统的基本原理 264
16.3.2 应用转换类比的求解 265
16.3.3 实例 267
16.3.4 派生类比系统 268
16.4 因果关系型类比学习 269
16.5 联想类比学习 272
习题十六 273
第十七章 其他学习方法 274
17.1 记忆学习 274
17.1.1 记忆学习的模式及主要问题 274
17.1.2 记忆学习应用举例 276
17.2 传授学习 277
17.3 归纳学习 279
17.3.1 概述 279
17.3.2 基于归纳的发现系统CASM 280
17.4.2 解释学习的工作原理 281
17.4.1 基于解释的学习简介 281
17.4 解释学习 281
17.4.3 典型系统分析 285
17.5 机器学习的展望 290
习题十七 290
第五部分 人工智能系统 291
第十八章 产生式系统 291
18.1 产生式规则 291
18.1.1 产生式规则 291
18.1.2 基于产生式的推理模式 292
18.2 产生式系统 292
18.2.1 产生式系统的组成 292
18.2.2 产生式系统的运行过程 293
18.2.3 控制策略与常用算法 293
18.4.1 产生式规则的程序语言实现 296
18.3 产生式系统的应用 296
18.4 产生式系统的程序实现 296
18.4.2 规则库的程序实现 298
18.4.3 动态数据库的程序实现 298
18.4.4 推理机的程序实现 298
习题十八 299
第十九章 专家系统 300
19.1 概述 300
19.1.1 专家系统的由来 300
19.1.2 专家系统的定义 302
19.1.3 专家系统的分类 304
19.2 专家系统的结构 305
19.2.1 专家系统的一般结构 305
19.2.2 专家系统的知识构成 308
19.3 黑板系统结构 321
19.3.1 黑板模型 321
19.3.2 黑板框架结构 323
19.3.3 HEARSAY-Ⅲ系统简介 325
19.4 专家系统开发工具 327
19.4.1 智能程序设计语言 327
19.4.2 骨架系统 332
19.4.3 通用开发工具 336
19.5 一个典型的专家系统MYCIN 338
习题十九 345
第二十章 基于知识的系统 347
20.1 面对实际问题 347
20.2 用Horn子句推理 347
20.3 维护动态知识库 351
20.4 基于规则的专家系统 354
20.5 规则学习 356
20.5.1 学习命题演算规则 357
20.5.2 学习一阶逻辑规则 360
20.5.3 基于解释的产生器 363
20.6 知识库系统的组成 364
20.6.1 知识库 364
20.6.2 知识库管理系统 365
20.6.3 知识库系统 366
20.8.2 知识库应用系统的开发特点及开发过程 367
20.8.1 知识库系统应用的特点 367
20.8 知识库系统的应用 367
20.7.2 专用人工智能开发工具 367
20.7.1 通用型的人工智能语言 367
20.7 知识库系统开发方法和工具 367
20.8.3 知识库系统的类型及应用领域 368
20.9 知识库系统在图形处理及CAD中的应用 369
20.9.1 图形的构造 369
20.9.2 图形的坐标变换 370
20.9.3 图形逻辑理论基本内容 371
20.10 知识库系统的发展趋势 372
20.10.1 扩大知识表示 372
20.10.2 知识推理及推理的不确定性 372
20.10.3 知识获取和机器学习 373
习题二十 374
21.1 模糊算法概述 376
第二十一章 模糊算法 376
第六部分 新型人工智能算法 376
21.1.1 模糊集合的概念 377
21.1.2 模糊集合的操作 382
21.1.3 模糊关系 385
21.1.4 扩张原理 388
21.1.5 模糊逻辑 389
21.1.6 模糊规则 391
21.1.7 最大-最小合成 393
21.1.8 可能性和概率 395
21.1.9 转换规则 397
21.1.10 模糊专家系统中的不确定性 399
21.2 模糊规则推理 401
21.2.1 模糊假言推理和广义假言推理 401
21.2.3 假言三段论式推理 402
21.2.2 模糊拒取式推理 402
21.3 模糊决策推理 403
21.4 应用举例 403
习题二十 403
第二十二章 人工神经网络 405
22.1 生物神经元模型及基本特征 405
22.2 前向网络模型及BP算法 406
22.2.1 网络结构 406
22.2.2 BP算法 407
22.2.3 BP算法的改进方案 409
22.3 反馈网络模型及Hopfield算法 409
22.3.1 网络结构及学习规则 409
22.3.2 能量函数与稳定性 411
22.3.4 连续Hopfield网络 412
22.3.3 存储容量及改进学习规则 412
22.4 自组织及随机神经网络 415
22.4.1 Hamming Net MAXNET 416
22.4.2 自适应共振理论 417
22.4.3 Kohonen网络 418
22.4.4 对传网络（CPN网络） 419
22.4.5 随机网络 420
22.5 神经网络的应用 421
22.5.1 专家系统 421
22.5.2 信号处理与图像 422
22.5.3 智能控制 423
22.5.4 模式识别 423
22.5.5 神经网络多媒体 424
习题二十二 425
第二十三章 遗传算法 426
23.1 遗传算法的主要步骤 426
23.1.1 遗传算法与生物进化 426
23.1.2 遗传算法的过程 426
23.1.3 遗传算法的特点 429
23.2 表示模式 429
23.2.1 模式 429
23.2.2 模式定理 430
23.2.3 积木块假设 431
23.3 选择操作 432
23.4 交叉操作 433
23.5 变异操作 434
23.6.1 主从式（master-slave）模型 435
23.6 并行遗传算法 435
23.6.2 粗粒度模型 436
23.6.3 细粒度模型 437
23.7 基于遗传算法的学习系统 437
23.7.1 概述 437
23.7.2 分类器系统 438
23.7.3 学习系统LS-1 440
习题二十三 441
第七部分 交互与通信 443
第二十四章 代理间的通信 443
24.1 代理（agent）间的通信 443
24.1.1 规划说行为 444
24.1.2 实现说行为 444
24.2 理解语言串 444
24.2.1 短语结构语法 445
24.2.2 语义分析 447
24.2.3 扩展语法 451
24.3 有效的通信 451
24.3.1 运用上下文 451
24.3.2 运用知识来解决多义问题 452
24.4 自然语言的处理 453
习题二十四 454
第二十五章 代理的构造 455
25.1 三层构造 455
25.2 目标裁决（公断） 456
25.3 三塔结构 457
25.4 引导程序 457
习题二十五 458
参考文献 459