人工智能及其应用【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

人工智能及其应用PDF格式电子书版下载

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 绪论1

1.1 人工智能的定义与发展1

1.1.1 人工智能的定义1

1.1.2 人工智能的起源与发展3

1.2 人工智能的各种认知观9

1.2.1 人工智能各学派的认知观9

1.2.2 人工智能的争论10

1.3 人类智能与人工智能11

1.3.1 智能信息处理系统的假设12

1.3.2 人类智能的计算机模拟14

1.4 人工智能系统的分类15

1.5 人工智能的研究目标和内容18

1.5.1 人工智能的研究目标18

1.5.2 人工智能研究的基本内容19

1.6 人工智能的研究与计算方法21

1.6.1 人工智能的研究方法21

1.6.2 人工智能的计算方法23

1.7 人工智能的研究与应用领域24

1.8 本书概要30

习题131

第2章 知识表示方法32

2.1 状态空间表示32

2.1.1 问题状态描述32

2.1.2 状态图示法34

2.2 问题归约表示35

2.2.1 问题归约描述35

2.2.2 与或图表示37

2.3 谓词逻辑表示40

2.3.1 谓词演算40

2.3.2 谓词公式42

2.3.3 置换与合一44

2.4 语义网络表示45

2.4.1 二元语义网络的表示46

2.4.2 多元语义网络的表示48

2.4.3 语义网络的推理过程49

2.5 框架表示51

2.5.1 框架的构成52

2.5.2 框架的推理54

2.6 本体技术55

2.6.1 本体的概念55

2.6.2 本体的组成与分类57

2.6.3 本体的建模58

2.7 过程表示63

2.8 小结64

习题266

第3章 确定性推理67

3.1 图搜索策略67

3.2 盲目搜索69

3.2.1 宽度优先搜索69

3.2.2 深度优先搜索71

3.2.3 等代价搜索73

3.3 启发式搜索74

3.3.1 启发式搜索策略和估价函数75

3.3.2 有序搜索76

3.3.3 A算法78

3.4 消解原理81

3.4.1 子句集的求取82

3.4.2 消解推理规则84

3.4.3 含有变量的消解式85

3.4.4 消解反演求解过程86

3.5 规则演绎系统89

3.5.1 规则正向演绎系统90

3.5.2 规则逆向演绎系统95

3.5.3 规则双向演绎系统98

3.6 产生式系统99

3.6.1 产生式系统的组成99

3.6.2 产生式系统的推理101

3.6.3 产生式系统举例103

3.7 非单调推理108

3.7.1 缺省推理108

3.7.2 真值维持系统110

3.8 小结113

习题3114

第4章 非经典推理116

4.1 经典推理和非经典推理116

4.2 不确定性推理117

4.2.1 不确定性的表示与量度117

4.2.2 不确定性的算法118

4.3 概率推理120

4.3.1 概率的基本性质和计算公式120

4.3.2 概率推理方法121

4.4 主观贝叶斯方法123

4.4.1 知识不确定性的表示123

4.4.2 证据不确定性的表示124

4.4.3 主观贝叶斯方法的推理过程126

4.5 可信度方法129

4.5.1 基于可信度的不确定性表示129

4.5.2 可信度方法的推理算法131

4.6 证据理论134

4.6.1 证据理论的形式化描述134

4.6.2 证据理论的不确定性推理模型139

4.6.3 推理示例144

4.7 小结147

习题4148

第5章 计算智能150

5.1 概述150

5.2 神经计算152

5.2.1 人工神经网络研究的进展152

5.2.2 人工神经网络的结构153

5.2.3 人工神经网络示例及其算法155

5.2.4 基于神经网络的知识表示与推理159

5.3 模糊计算164

5.3.1 模糊集合、模糊逻辑及其运算164

5.3.2 模糊逻辑推理165

5.4 进化算法与遗传算法166

5.4.1 进化算法原理167

5.4.2 进化算法框架169

5.4.3 遗传算法的编码与解码170

5.4.4 遗传算法的遗传算子171

5.4.5 遗传算法的执行过程174

5.4.6 遗传算法的执行实例175

5.5 人工生命178

5.5.1 人工生命研究的起源和发展178

5.5.2 人工生命的定义和研究意义179

5.5.3 人工生命的研究内容和方法181

5.5.4 人工生命实例183

5.6 粒群优化算法184

5.6.1 群智能和粒群优化概述185

5.6.2 粒群优化算法187

5.7 蚁群算法189

5.7.1 蚁群算法理论189

5.7.2 蚁群算法的研究与应用192

5.8 小结194

习题5195

第6章 专家系统197

6.1 专家系统概述197

6.1.1 专家系统的定义与特点197

6.1.2 专家系统的结构和建造步骤199

6.2 基于规则的专家系统202

6.2.1 基于规则专家系统的工作模型和结构202

6.2.2 基于规则专家系统的特点203

6.3 基于框架的专家系统205

6.3.1 基于框架专家系统的定义、结构和设计方法205

6.3.2 基于框架专家系统的继承、槽和方法207

6.4 基于模型的专家系统210

6.4.1 基于模型专家系统的提出210

6.4.2 基于神经网络的专家系统211

6.5 基于Web的专家系统212

6.5.1 基于Web专家系统的结构212

6.5.2 基于Web专家系统的实例215

6.6 新型专家系统220

6.6.1 新型专家系统的特征220

6.6.2 分布式专家系统221

6.6.3 协同式专家系统223

6.7 专家系统的设计225

6.7.1 专家系统的设计过程225

6.7.2 基于规则专家系统的一般设计方法230

6.7.3 反向推理规则专家系统的设计任务231

6.8 专家系统开发工具241

6.8.1 专家系统的传统开发工具241

6.8.2 专家系统的Matlab开发工具243

6.9 小结249

习题6249

第7章 机器学习251

7.1 机器学习的定义和发展历史251

7.1.1 机器学习的定义251

7.1.2 机器学习的发展史253

7.2 机器学习的主要策略与基本结构255

7.2.1 机器学习的主要策略255

7.2.2 机器学习系统的基本结构255

7.3 归纳学习257

7.3.1 归纳学习的模式和规则257

7.3.2 归纳学习方法259

7.4 决策树学习260

7.4.1 决策树和决策树构造算法260

7.4.2 决策树学习算法ID3262

7.5 类比学习265

7.5.1 类比推理和类比学习形式265

7.5.2 类比学习过程与研究类型266

7.6 解释学习267

7.6.1 解释学习过程和算法267

7.6.2 解释学习举例269

7.7 神经网络学习270

7.7.1 基于反向传播网络的学习270

7.7.2 基于Hopfield网络的学习276

7.8 知识发现280

7.8.1 知识发现的发展和定义280

7.8.2 知识发现的处理过程281

7.8.3 知识发现的方法282

7.8.4 知识发现的应用285

7.9 增强学习286

7.9.1 增强学习概述287

7.9.2 Q-学习289

7.10 深度学习290

7.10.1 深度学习的定义与特点290

7.10.2 深度学习基础及神经网络291

7.10.3 深度学习的常用模型292

7.10.4 深度学习应用简介297

7.10.5 总结与展望298

7.11 小结299

习题7300

第8章 自动规划301

8.1 自动规划概述301

8.1.1 规划的概念和作用301

8.1.2 规划的分类和问题分解途径304

8.1.3 执行规划系统任务的一般方法306

8.2 任务规划308

8.2.1 积木世界的机器人规划308

8.2.2 STRIPS规划系统311

8.2.3 具有学习能力的规划系统315

8.2.4 分层规划318

8.2.5 基于专家系统的机器人规划322

8.3 路径规划327

8.3.1 机器人路径规划的主要方法和发展趋势328

8.3.2 基于模拟退火算法的机器人局部路径规划330

8.3.3 基于免疫进化和示例学习的机器人路径规划334

8.3.4 基于蚁群算法的机器人路径规划337

8.4 轨迹规划简介342

8.5 小结343

习题8343

第9章 分布式人工智能与Agent（真体）346

9.1 分布式人工智能346

9.2 Agent及其要素347

9.2.1 Agent的定义和译法348

9.2.2 真体的要素和特性349

9.3 真体的结构350

9.3.1 真体的抽象结构和结构特点350

9.3.2 真体结构的分类352

9.4 真体通信355

9.4.1 通信的过程355

9.4.2 真体通信的类型和方式359

9.4.3 交谈的规划与实现361

9.4.4 真体的通信语言362

9.5 移动真体和多真体系统364

9.5.1 移动真体的定义和系统构成364

9.5.2 多真体系统的特征和关键技术365

9.5.3 多真体系统的模型和结构366

9.5.4 多真体的协作、协商和协调368

9.5.5 多真体的学习与规划371

9.5.6 多真体系统的研究和应用领域371

9.6 小结373

习题9374

第10章 自然语言理解375

10.1 自然语言理解概述375

10.1.1 语言与语言理解375

10.1.2 自然语言处理的概念和定义377

10.1.3 自然语言处理的研究领域和意义378

10.1.4 自然语言理解研究的基本方法和进展381

10.1.5 自然语言理解过程的层次385

10.2 词法分析386

10.3 句法分析387

10.3.1 短语结构语法387

10.3.2 乔姆斯基形式语法388

10.3.3 转移网络390

10.3.4 扩充转移网络391

10.3.5 词汇功能语法393

10.4 语义分析395

10.5 句子的自动理解397

10.5.1 简单句的理解方法397

10.5.2 复合句的理解方法399

10.6 语料库语言学400

10.7 文本的自动翻译——机器翻译402

10.8 自然语言理解系统的主要模型405

10.9 自然语言理解系统应用举例407

10.9.1 自然语言自动理解系统407

10.9.2 自然语言问答系统408

10.10 小结410

习题10411

结束语413

参考文献415

索引427