人工智能基础与应用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
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

人工智能基础与应用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

1.1　人工智能的内涵 1

1.1.1　人工智能的发展动力 1

第1章　绪论 1

1.1.2　人工智能的含义 2

1.1.3　人工智能的目标 3

1.2.2　计算智能 4

1.2.3　机器学习 4

1.2.1　专家系统 4

1.2　人工智能的研究领域 4

1.2.4　自然语言处理 5

1.2.5　模式识别 5

1.2.6　机器人 5

1.2.7　分布式人工智能 5

1.2.8　数据挖掘 6

1.2.9　其他 6

1.3　人工智能的发展简史 6

1.3.1 第1阶段 6

1.3.3　第3阶段 7

1.3.2　第2阶段 7

1.3.5　第5阶段 8

1.3.4　第4阶段 8

本章小结 9

习题1 9

实验1 9

第2章　知识表示 10

2.1　知识与知识表示 10

2.1.1　知识的内涵 10

2.2　一阶谓词逻辑表示法 11

2.1.2　选择知识表示法 11

2.2.1　一阶谓词逻辑表示法 12

2.2.2　一阶谓词逻辑表示法特性 12

2.3　产生式表示法 13

2.3.1　运用规则 13

2.3.2　产生式系统 14

2.3.3　产生式系统分类 15

2.4　语义网络表示法 16

2.4.1　语义网络表示法概述 16

2.3.4　产生式表示法特点 16

2.4.2　语义网络表示法运用与特性 17

2.5　框架表示法 18

2.5.1　框架的组成与结构 18

2.5.2　框架表示法运用与特性 21

2.6　其他知识表示法 22

2.6.1　脚本表示法 22

2.6.2　面向对象表示法 23

习题2 25

本章小结 25

实验2 26

第3章　推理 27

3.1　推理的内涵 27

3.1.1　推理的基本概念 27

3.1.2　推理的分类 28

3.2　确定性推理 30

3.2.1　推理的逻辑基础 30

3.2.2　自然演绎推理 37

3.2.3　归结推理 38

3.3　不确定推理与非单调推理 47

3.3.1　不确定推理的概率论基础 49

3.3.2　主观Bayes方法 50

3.3.3　非单调推理 56

本章小结 60

习题3 61

实验3 61

4.1　搜索概述 62

4.1.1　搜索的基本概念 62

第4章　搜索 62

4.1.2　搜索的分类 63

4.2　状态空间搜索 63

4.2.1　状态空间盲目搜索 67

4.2.2　状态空间启发式搜索 72

4.3　与／或树搜索 78

4.3.1　与／或树的盲目搜索 80

4.3.2　与／或树的启发式搜索 81

4.4　博弈树的启发式搜索 84

4.4.1　博弈树的启发式搜索含义 85

4.4.2　示例 86

本章小结 87

习题4 87

实验4 88

第5章　专家系统 89

5.1　专家系统概述 89

5.1.1　专家系统的定义 89

5.1.2　专家系统的特点 90

5.1.3　专家系统的分类 90

5.2　专家系统原理 91

5.2.1　专家系统一般结构 92

5.2.2　专家系统基本原理 93

5.2.3　知识获取 93

5.3　专家系统开发 94

5.3.1　专家系统设计原则与评价 94

5.3.2　专家系统开发步骤 95

5.3.3　专家系统开发工具 95

5.3.4　应用实例 96

实验5 97

本章小结 97

习题5 97

第6章　计算智能 98

6.1 人工神经网络 98

6.1.1　基本原理及学习机理 98

6.1.2　感知模型及其学习 106

6.2　遗传算法 107

6.2.1　遗传算法的基本概念 107

6.2.2　简单遗传算法 109

6.2.3　遗传算法应用 110

6.3　计算智能其他技术 111

6.3.1　模糊理论 111

6.3.2　免疫算法 114

6.3.3　蚁群算法 116

本章小结 118

习题6 119

实验6 119

7.1　机器学习概述 120

7.1.1　机器学习的基本概念 120

第7章　机器学习 120

7.1.2　机器学习的实现方法 123

7.2　机器学习的分类 123

7.2.1　机械学习 123

7.2.2 归纳学习 125

7.2.3　基于类比的学习 129

7.2.4　基于解释的学习 131

本章小结 133

实验7 134

习题7 134

第8章　分布式人工智能 135

8.1　分布式人工智能概述 135

8.1.1　基本原理 135

8.1.2　分类 136

8.2多　Agent系统概述 137

8.2.1　Agent概念和思想 137

8.2.2　体系结构 138

8.3.1　设计思想 139

8.3.2　设计工具 139

8.3　面向Agent的软件开发 139

8.3.3　应用 140

本章小结 141

习题8 141

实验8 141

第9章　人工智能程序设计 142

9.1　LISP语言 142

9.1.1　基本概念 142

9.2.1　基本概念 143

9.2　Prolog语言 143

9.1.2　基础功能 143

9.2.2　基础语法 144

9.2.3　应用 145

9.3　其他工具 147

9.3.1　C语言 147

9.3.2　JavaScript语言 148

本章小结 150

习题9 150

实验9 150

参考文献 151