人工智能及其应用PDF电子书下载

第一篇 高级推理技术 1

第1章 传统的推理技术 1

1．1命题逻辑与谓词逻辑概论 1

命题逻辑 1

谓词逻辑 4

1．2基于传统逻辑的推理机制 6

推理基础 6

基于传统逻辑的推理 8

小结 13

习题 13

第2章 专家系统MYCIN的不确定性推理方法 15

2．1不确定性推理 15

不确定性推理概述 15

不确定性推理中的基本问题 16

2．2 MYCIN的可信度概念 18

2．3 MYCIN的不精确推理模型 19

知识不确定性的表示 19

证据不确定性的表示 19

组合证据不确定性的算法 20

不确定性的传递算法 20

结论不确定性的合成算法 20

2．4带加权因子的可信度推理 22

小结 23

习题 24

第3章 主观Bayes方法 26

3．1概率论的简单回顾 26

3．2主观Bayes方法的基本理论 27

知识不确定性的表示 27

主观Bayes方法的基本算法 27

3．3主观Bayes方法的推理模型 31

组合证据不确定性的计算 31

证据不确定性的传递 31

结论不确定性的合成 32

小结 34

习题 34

第4章 模糊推理 36

4．1模糊数学的基本知识 36

模糊集合 36

模糊关系及其运算 37

4．2模糊假言推理 39

模糊知识的表示 39

前提的模糊匹配 39

简单模糊推理 40

小结 42

习题 42

第5章 证据理论 44

5．1基本理论 44

命题的表示 44

概率分配函数 44

信任函数 45

似然函数 45

概率分配函数的正交和 46

5．2证据理论的推理模型 47

一个特殊的概率分配函数 47

类概率函数 48

规则的表示方法 50

多前提组合的CER计算 50

不确定性的传递算法 50

小结 54

习题 54

第6章 非单调推理 55

6．1缺省理论 55

缺省规则的形式 55

缺省规则的分类 56

6．2界限理论 56

6．3正确性维持系统 58

小结 60

习题 61

第二篇 机器学习 62

第7章 机器学习概论 62

7．1机器学习模型与形式化 62

机器学习模型 62

机器学习模型的形式化 64

7．2学习系统的结构和训练样例 65

设计目标函数 65

目标函数的表示形式 66

设计函数逼近算法 67

训练经验的选择 69

最终设计 69

7．3学习系统的观点和问题 71

小结 72

习题 72

第8章 概念学习 74

8．1什么是概念学习 74

8．2概念学习的搜索空间 75

8．3假设空间的偏序关系 75

8．4寻找极大特殊假设的FIND-S算法 76

8．5变型空间和候选消除算法 79

变型空间的定义 79

列表后消除算法 80

候选消除算法 80

变型空间和候选消除算法的几点说明 85

小结 87

习题 88

第9章 决策树学习 90

9．1决策树表示法及其含义 90

9．2决策树学习的适用问题 91

9．3决策树学习的ID3算法 93

9．4最佳属性的选择 94

用熵度量系统的混乱程度 94

信息增益最佳分类属性 97

决策树计算举例 97

9．5决策树学习的问题 100

小结 102

习题 103

第10章 学习规则集合 105

10．1学习命题逻辑规则 105

10．2学习一阶逻辑规则 109

假设的产生 109

归纳推理 111

FOIL算法 112

小结 115

习题 115

第三篇 计算智能 117

第11章 人工神经网络 117

11．1脑神经系统与生物神经元的结构与特征 117

11．2人工神经元的结构与模型 119

人工神经元 119

常用的人工神经元模型 120

11．3人工神经网络的互连结构 121

单层或两层网络结构 121

多层网络结构 121

11．4感知器及其训练法则 123

感知器的定义与空间划分 123

感知器训练法则 126

梯度下降和delta法则 127

梯度下降的随机近似 129

11．5多层网络和反向传播算法 129

可微阈值单元 130

反向传播算法 130

反向传播算法的说明 133

11．6 Hopfield网络及其学习 134

Hopfield网络的结构 134

Hopfield模型的稳定性 135

Hopfield网络学习算法 135

小结 136

习题 136

第12章 遗传算法 139

12．1遗传算法概述 139

遗传算法的产生与发展 139

遗传算法中的基本概念 139

遗传算法的基本结构 141

遗传算法的基本特征 141

12．2 Holland遗传算法 142

12．3遗传算法的设计与实现 144

遗传算法的编码方法 144

适应度值量度 147

遗传算法的基本操作 149

参数控制 152

12．4 Holland遗传算法的改进 155

Holland遗传算法改进的思考方法 155

Micro遗传算法 157

变种群规模的遗传算法 157

自适应遗传进化算法 158

并行遗传算法 159

12．5遗传算法的收敛性 161

遗传算法收敛性的定义 161

未成熟收敛问题 161

遗传算法收敛性的结论 162

12．6遗传算法的应用举例 162

组合优化问题 162

作业车间调度问题 164

小结 166

习题 167

第13章 其它计算智能方法 168

13．1进化策略 168

进化策略的算法模型 168

进化策略和遗传算法的区别 169

13．2进化编程 169

进化编程的机理与表示 169

进化编程的步骤 170

13．3人工生命 171

人工生命研究的起源和发展 171

人工生命的定义和研究意义 171

人工生命的研究内容和方法 172

人工生命的实例 174

13．4粒群优化 174

群智能和粒群优化概述 175

粒群优化算法 176

13．5蚁群算法 178

蚁群算法基本原理 178

蚁群系统模型 179

小结 181

习题 181

第四篇 自然语言理解与感知 182

第14章 概述 182

14．1自然语言理解的发展 182

萌芽 182

发展 183

繁荣 184

14．2自然语言的构成 184

14．3自然语言理解的层次 185

第15章 语法分析和语义分析 188

15．1短语结构语法理论与乔姆斯基语法体系 188

短语结构语法理论 188

乔姆斯基语法体系 189

15．2乔姆斯基语法体系的网络表示 191

有限状态转移网络 191

递归转移网络 193

扩充转移网络 193

15．3语法分析 196

自顶向下分析算法 196

自底向上分析算法 198

带有属性限制的语法 200

15．4语义分析 203

在语法规则中编码语义结构 204

将语法结构编码进词典 207

15．5语境分析 209

小结 210

习题 210

第16章 基于语料库的自然语言理解 213

16．1基于概率分布的语言模型 213

16．2基于上、下文信息的语言建模 214

基于随机过程理论的模型构造 215

基于信息论最大熵方法的模型构造 216

16．3基于组合思想的语言建模 217

利用插值法构造新的模型 217

利用加权方法构造新的模型 217

16．4语言模型的相关问题 218

语言模型参数的确定 218

数据稀疏问题的解决 218

语言模型的性能分析 218

小结 219

习题 219

第17章 计算机视觉 220

17．1图像的产生 220

二维图像的获取 220

立体成像 221

17．2图像的处理 222

图像的边缘检测 222

分割 223

17．3图像的描述 224

边缘距离的计算 224

表面方向的计算 225

17．4视觉的知识表示 229

视觉信息的语义网络表示 229

位置网络 230

17．5物体形状的分析与识别 231

复杂形状物体的表示 231

物体形状识别方法 234

小结 236

习题 236

第18章 语音处理 237

18．1组成单词读音的基本单元 237

18．2信号处理 238

18．3语音识别的隐Morkov模型 240

小结 245

习题 246

第五篇 分布式人工智能 247

第19章 概述 247

19．1什么是分布式人工智能 247

起源 247

分布式人工智能的特点 247

分布式人工智能的分类 248

分布式人工智能系统的研究发展 248

19．2分布式问题求解 249

分布式问题求解的概述 249

分布式问题的求解过程与方法 249

第20章 Agent技术 251

20．1 Agent的基本结构 251

什么是Agent 251

Agent的基本结构 252

Agent的结构分类 253

20．2 Agent通信 255

Agent间的协作与通信 255

交谈的规划与实现 256

Agent系统的通信语言 258

20．3多Agent系统 259

多Agent系统的基本模型 259

多Agent系统的体系结构 260

多Agent系统的协作、协商与协调 264

多Agent系统的学习与规划 266

多Agent系统的应用 267

小结 268

习题 268

第六篇 人工智能的应用 270

第21章 汉语自然语言处理 270

21．1语音识别中的音字转换技术 270

汉语声音语句输入的特点 270

汉语声音语句输入系统的结构 271

汉语声音语句输入的实现 272

21．2汉语自动文摘技术 273

自动文摘系统的构成 273

文本的内部表示方法 274

基于浅层分析的文摘技术 274

基于实体分析的文摘技术 275

基于话语结构的文摘技术 276

21．3信息检索技术 278

信息检索的定义与术语 278

信息检索系统的构成 278

信息检索的统计模型 279

第22章 光学字符识别技术 282

22．1印刷体文字识别系统的构成 282

22．2汉字图像预处理技术 283

二值化 283

版面分析 284

倾斜自动测量 284

版面切分 284

行、字分割 285

细化和规范化 285

22．3汉字笔段特征抽取与识别 285

笔段特征抽取的方法 286

汉字笔画的分类 286

汉字笔画的方向编码 287

汉字笔画方向码合并处理及笔画识别 288

汉字笔画间特征量的定义 288

基于整字匹配的汉字识别 289

第23章 移动Agent技术 291

23．1移动Agent系统结构及其关键技术 291

移动Agent系统结构 291

移动Agent系统的关键技术 292

典型的Agent系统 293

移动Agent的开发 294

23．2移动Agent在电子商务中的应用 294

电子商务系统模型B-CISOM 294

基于移动Agent的协作信息中间件CISOM 294

CISOM的设计与实现 295

基于CISOM的B2B协作电子商务系统B-CISOM 296

23．3移动Agent在信息安全中的应用 297

入侵检测系统IDS 297

传统的入侵检测系统 297

基于移动Agent的分布式入侵检测模型 298

MABDIDS实现的关键技术及解决方案 300

23．4移动Agent在信息服务中的应用 301

基于移动Agent的Web服务 301

信息搜索工作流程 301

小结 302

第七篇 人工智能的现在与未来 303

第24章 对人工智能的思考 303

专家系统对知识的滥用 303

强人工智能与弱人工智能 305

人工智能的极限 305

参考文献 308