图书介绍
人工智能 第3版pdf电子书版本下载
- 朱福喜编著 著
- 出版社： 北京：清华大学出版社
- ISBN：9787302458876
- 出版时间：2017
- 标注页数：473页
- 文件大小：176MB
- 文件页数：492页
- 主题词：人工智能
PDF下载
下载说明
人工智能 第3版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 概述 1
1.1人工智能概述 1
1.2 AI的产生及主要学派 3
1.3人工智能、专家系统和知识工程 4
1.4 AI模拟智能成功的标准 6
1.5人工智能应用系统 7
1.6人工智能的技术特征 12
习题1 14
第1部分 搜索与问题求解 17
第2章 用搜索求解问题的基本原理 17
2.1搜索求解问题的基本思路 17
2.2实现搜索过程的三大要素 17
2.2.1搜索对象 17
2.2.2扩展规则 18
2.2.3目标测试 19
2.3通过搜索求解问题 19
2.4问题特征分析 22
2.4.1问题的可分解性 22
2.4.2问题求解步骤的撤回 25
2.4.3问题全域的可预测性 25
2.4.4问题要求的解的满意度 25
习题2 26
第3章 搜索的基本策略 27
3.1盲目搜索方法 27
3.1.1宽度优先搜索 27
3.1.2深度优先搜索 28
3.1.3分支有界搜索 28
3.1.4迭代加深搜索 28
3.1.5一个盲目搜索问题的几种实现 28
3.2启发式搜索 30
3.2.1启发式信息的表示 30
3.2.2几种最基本的搜索策略 35
3.3随机搜索 37
3.3.1模拟退火法 38
3.3.2其他典型的随机搜索算法 39
习题3 41
第4章 图搜索策略 43
4.1或图搜索策略 43
4.1.1通用或图搜索算法 43
4.1.2 A算法与A*算法 46
4.2与/或图搜索 55
4.2.1问题归约求解方法与“与/或图” 55
4.2.2与/或图搜索 55
4.2.3与/或图搜索的特点 56
4.2.4与/或图搜索算法AO 58
4.2.5对AO*算法的进一步观察 59
4.2.6用AO*算法求解一个智力难题 60
习题4 63
第5章 博弈与搜索 64
5.1人机大战 64
5.1.1国际象棋人机大战 64
5.1.2围棋人机大战 65
5.2博弈与对策 68
5.3极小极大搜索算法 69
5.3.1极小极大搜索的思想 69
5.3.2极小极大搜索算法 69
5.3.3算法分析与举例 70
5.4 α-β剪枝算法 73
习题5 76
第6章 演化搜索算法 77
6.1遗传算法的基本概念 77
6.1.1遗传算法的基本定义 77
6.1.2遗传算法的基本流程 78
6.2遗传编码 79
6.2.1二进制编码 79
6.2.2 Gray编码 80
6.2.3实数编码 81
6.2.4有序编码 81
6.2.5结构式编码 81
6.3适应值函数 81
6.4遗传操作 82
6.4.1选择 82
6.4.2交叉操作 84
6.4.3变异操作 86
6.5初始化群体 88
6.6控制参数的选取 88
6.7算法的终止准则 89
6.8遗传算法的基本理论 89
6.8.1模式定理 89
6.8.2隐含并行性 91
6.8.3构造块假设 91
6.8.4遗传算法的收敛性 91
6.9遗传算法简例 91
6.10遗传算法的应用领域 93
6.11免疫算法 94
6.11.1免疫算法的发展 95
6.11.2免疫算法的基本原理 95
6.11.3生物免疫系统与人工免疫系统的对应关系 98
6.11.4免疫算法的基本类型和步骤 98
6.12典型免疫算法分析 99
6.12.1阴性选择算法 99
6.12.2免疫遗传算法 101
6.12.3克隆选择算法 104
6.12.4基于疫苗的免疫算法 106
6.13免疫算法设计分析 108
6.14免疫算法与遗传算法比较 109
6.14.1免疫算法与遗传算法的基本步骤比较 109
6.14.2免疫算法与遗传算法不同之处 110
6.14.3仿真实验及讨论 110
6.15免疫算法研究的展望 111
习题6 112
第7章 群集智能算法 113
7.1群集智能算法的研究背景 113
7.2群集智能的基本算法介绍 113
7.2.1蚁群算法 113
7.2.2 flock算法 120
7.2.3粒子群算法 122
7.3集智系统介绍 128
7.3.1人工鱼 129
7.3.2 Terrarium世界 132
7.4群集智能的优缺点 137
习题7 138
第8章 记忆型搜索算法 139
8.1禁忌搜索算法 139
8.1.1禁忌搜索算法的基本思想 139
8.1.2禁忌搜索算法的基本流程 141
8.1.3禁忌搜索示例 141
8.1.4禁忌搜索算法的基本要素分析 145
8.1.5禁忌搜索算法流程的特点 149
8.1.6禁忌搜索算法的改进 149
8.2和声搜索算法 150
8.2.1和声搜索算法简介和原理 150
8.2.2算法应用 153
8.2.3算法比较与分析 159
习题8 159
第9章 基于Agent的搜索 161
9.1DAI概述 161
9.2分布式问题求解 162
9.3 Agent的定义 164
9.3.1 Agent的弱定义 164
9.3.2 Agent的强定义 165
9.4 Agent的分类 165
9.4.1按功能划分 166
9.4.2按属性划分 167
9.5 Agent通信 170
9.5.1 Agent通信概述 170
9.5.2言语动作 170
9.5.3 SHADE通信机制 171
9.6移动Agent 174
9.6.1移动Agent系统的一般结构 175
9.6.2移动Agent的分类 176
9.6.3移动Agent的优点 178
9.6.4移动Agent的技术难点 179
9.6.5移动Agent技术的标准化 180
9.7移动Agent平台的介绍 181
9.7.1 General Magic公司的Odysses 181
9.7.2 IBM公司的Aglet 182
习题9 182
第2部分 知识与推理 187
第10章 知识表示与处理方法 187
10.1概述 187
10.1.1知识和知识表示的含义 187
10.1.2知识表示方法分类 188
10.1.3 AI对知识表示方法的要求 189
10.1.4知识表示要注意的问题 189
10.2逻辑表示法 190
10.3产生式表示法 191
10.3.1产生式系统的组成 192
10.3.2产生式系统的知识表示 192
10.3.3产生式系统的推理方式 196
10.3.4产生式规则的选择与匹配 198
10.3.5产生式表示的特点 199
10.4语义网络表示法 199
10.4.1语义网络结构 200
10.4.2二元语义网络的表示 200
10.4.3多元语义网络的表示 201
10.4.4连接词和量词的表示 201
10.4.5语义网络的推理过程 204
10.4.6语义网络的一般描述 207
10.5框架表示法 207
10.5.1框架理论 207
10.5.2框架结构 208
10.5.3框架表示下的推理 210
10.6过程式知识表示 213
习题10 216
第11章 谓词逻辑的归结原理及其应用 218
11.1命题演算的归结方法 218
11.1.1基本概念 218
11.1.2命题演算的归结方法 219
11.2谓词演算的归结 220
11.2.1谓词演算的基本问题 220
11.2.2将公式化成标准子句形式的步骤 220
11.2.3合一算法 222
11.2.4变量分离标准化 224
11.2.5谓词演算的归结算法 225
11.3归结原理 226
11.3.1谓词演算的基本概念 227
11.3.2归结方法可靠性证明 228
11.3.3归结方法的完备性 231
11.4归结过程的控制策略 238
11.4.1简化策略 238
11.4.2支撑集策略 240
11.4.3线性输入策略 241
11.4.4几种推理规则及其应用 242
11.5应用实例 244
11.5.1归约在逻辑电路设计中的应用 244
11.5.2利用推理破案的实例 246
习题11 248
第12章 非经典逻辑的推理 251
12.1非单调推理 251
12.1.1单调推理与非单调推理的概念 251
12.1.2默认逻辑 252
12.1.3默认逻辑非单调推理系统 253
12.2 Dempster-Shater（D-S）证据理论 255
12.2.1识别框架 256
12.2.2基本概率分配函数 256
12.2.3置信函数Bel（A） 256
12.2.4置信区间 257
12.2.5证据的组合函数 257
12.2.6 D-S理论的评价 261
12.3不确定性推理 261
12.3.1不确定性 261
12.3.2主观概率贝叶斯方法 262
12.4 MYCIN系统的推理模型 265
12.4.1理论和实际的背景 265
12.4.2 MYCIN模型 266
12.4.3 MYCIN模型分析 268
12.4.4 MYCIN推理网络的基本模式 269
12.4.5 MYCIN推理模型的评价 271
12.5模糊推理 271
12.5.1模糊集论与模糊逻辑 271
12.5.2 Fuzzy聚类分析 273
12.6基于案例的推理 280
12.6.1基于案例推理的基本思想 280
12.6.2案例的表示与组织 281
12.6.3案例的检索 282
12.6.4案例的改写 282
12.7归纳法推理 282
12.7.1归纳法推理的理论基础 283
12.7.2归纳法推理的基本概念 284
12.7.3归纳法推理中的主要难点 287
12.7.4归纳法推理的应用 288
习题12 289
第13章 次协调逻辑推理 292
13.1次协调逻辑的含义 292
13.1.1传统的人工智能与经典逻辑 292
13.1.2人工智能中不协调的数据和知识库 292
13.1.3次协调逻辑 293
13.2注解谓词演算 293
13.2.1多真值格 293
13.2.2注解逻辑 294
13.2.3注解谓词公式的语义 295
13.2.4 APC中的不协调、非、蕴涵 297
13.3基于APC的SLDa-推导和SLDa-反驳 299
13.3.1 SLDa-推导和SLDa-反驳 300
13.3.2注解逻辑推理方法 300
13.3.3注解逻辑推理举例 300
13.4注解逻辑的归结原理 301
13.5应用实例 305
13.6控制策略 311
习题13 312
第3部分 学习与发现 317
第14章 机器学习 317
14.1概述 317
14.1.1机器学习的定义和意义 317
14.1.2机器学习的研究简史 317
14.1.3机器学习方法的分类 318
14.1.4机器学习中的推理方法 319
14.2归纳学习 320
14.2.1归纳概念学习的定义 321
14.2.2归纳概念学习的形式描述 323
14.2.3归纳概念学习算法的一般步骤 323
14.2.4归纳概念学习的基本技术 325
14.3基于解释的学习 332
14.3.1基于解释学习的基本原理 332
14.3.2基于解释学习的一般框架 332
14.3.3基于解释的学习过程 333
14.4基于类比的学习 334
14.4.1类比学习的一般原理 334
14.4.2类比学习的表示 335
14.4.3类比学习的求解 335
14.4.4逐步推理和监控的类比学习 336
习题14 338
第15章 人工神经网络 339
15.1人工神经网络的特点 339
15.2人工神经网络的基本原理 341
15.3人工神经网络的基本结构模式 346
15.4人工神经网络互连结构 347
15.5神经网络模型分类 349
15.6几种基本的神经网络学习算法介绍 350
15.6.1 Hebb型学习 351
15.6.2误差修正学习方法 351
15.6.3随机型学习 352
15.6.4竞争型学习 353
15.6.5基于记忆的学习 354
15.6.6结构修正学习 354
15.7几种典型神经网络简介 354
15.7.1单层前向网络 354
15.7.2多层前向网络及BP学习算法 357
15.7.3 Hopfield神经网络 361
15.8人工神经网络与人工智能其他技术的比较 367
15.9人工神经网络的应用领域 369
习题15 370
第16章 数据挖掘与知识发现 371
16.1数据挖掘 371
16.1.1数据挖掘的定义与发展 371
16.1.2数据挖掘研究的主要内容 372
16.1.3数据挖掘的特点 374
16.1.4数据挖掘的分类 375
16.1.5数据挖掘常用的技术 376
16.1.6数据挖掘过程 376
16.1.7数据挖掘研究面临的困难 377
16.1.8关联规则挖掘 377
16.1.9聚类分析 383
16.2 Web挖掘 391
16.2.1 Web挖掘概述 391
16.2.2 Web内容挖掘 392
16.2.3 Web结构挖掘 394
16.2.4 Web使用挖掘 394
16.2.5 Web数据挖掘的技术难点 399
16.2.6 XML与Web数据挖掘技术 399
16.3文本挖掘 402
16.3.1文本挖掘的概念 402
16.3.2文本挖掘预处理 402
16.3.3文本挖掘的关键技术 403
16.3.4文本挖掘系统的评价标准 404
习题16 404
第4部分 领域应用 407
第17章 专家系统 407
17.1专家系统概述 407
17.1.1专家系统的定义 407
17.1.2专家系统的结构 407
17.1.3专家系统的特点 408
17.1.4专家系统的类型 408
17.1.5几个成功的专家系统简介 410
17.2专家系统中的知识获取 411
17.2.1概述 411
17.2.2知识获取的直接方法 412
17.2.3知识获取的新进展 413
17.3专家系统的解释机制 414
17.3.1预制文本解释法 415
17.3.2路径跟踪解释法 415
17.3.3自动程序员解释法 416
17.3.4策略解释法 417
17.4专家系统开发工具与环境 417
17.4.1专家系统开发工具的基本概念 417
17.4.2专家系统工具JESS 418
17.4.3 JESS中的Rete匹配算法和逆向推理机制 421
17.5专家系统开发 421
17.5.1专家系统开发的步骤 422
17.5.2专家系统开发方法 422
17.6专家系统开发实例 423
17.6.1动物识别专家系统 423
17.6.2 MYCIN专家系统 425
习题17 425
第18章 自然语言处理 427
18.1语言的组成 427
18.1.1自然语言的基本要素 428
18.1.2实词和虚词 429
18.1.3短语结构 429
18.2上下文无关语法 430
18.2.1重写规则 430
18.2.2语法分析 431
18.3上下文无关语法分析 431
18.3.1产生后继状态的算法 432
18.3.2利用词典 433
18.3.3建立语法分析树 433
18.4特殊语法的分析 436
18.4.1引进特征 436
18.4.2特征匹配 437
18.5利用图表的高效语法分析 440
18.5.1 chart数据结构 440
18.5.2有多种解释的句子 441
18.6语义解释 442
18.6.1词的意思 443
18.6.2利用特征的语义解释 444
18.6.3词义排歧 446
18.7生成自然语言 449
18.8在上下文中的自然语言 450
18.8.1言语的行为 450
18.8.2创建引用 451
18.8.3处理数据库的断言和问题 452
习题18 456
第19章 智能机器人 457
19.1智能机器人的定义 457
19.2智能机器人的分类 457
19.2.1工业机器人 457
19.2.2服务机器人 458
19.2.3军用机器人 458
19.2.4仿生机器人 459
19.2.5网络机器人 459
19.3智能机器人的关键技术 460
19.3.1导航技术 460
19.3.2路径规划技术 461
19.3.3机器人视觉技术 463
19.3.4智能控制技术 463
19.3.5智能认知与感知技术 464
19.3.6多模式网络化交互技术 464
19.4智能机器人未来的发展 465
19.4.1人工智能技术的应用 465
19.4.2云机器人 466
19.4.3移动技术 466
19.4.4仿生技术 466
19.4.5机器人体系结构 467
习题19 468
参考文献 469