人工智能原理与应用基础教程PDF电子书下载

第一章 人工智能概论 1

1.1人工智能的概念与目标 1

1.1.1什么是人工智能 1

1.1.2人工智能的研究目标 1

1.2人工智能的研究途径与方法 2

1.2.1结构模拟，神经计算 2

1.2.2功能模拟，符号推演 2

1.2.3行为模拟，控制进化 3

1.3人工智能的分支领域 4

1.3.1从模拟脑功能角度划分的分支领域 4

1.3.2从实现技术角度划分的分支领域 7

1.3.3从应用领域角度划分的分支领域 7

1.3.4从应用系统角度划分的分支领域 11

1.3.5从计算机系统的结构特征角度划分的分支领域 12

1.3.6从实现工具与环境角度划分的分支领域 13

1.4人工智能的基本技术 13

1.4.1推理技术 13

1.4.2搜索技术 14

1.4.3知识表示与知识库技术 15

1.4.4归纳技术 15

1.4.5联想技术 15

1.5人工智能的发展概况 16

1.5.1人工智能学科的产生 16

1.5.2符号主义途径发展概况 16

1.5.3连接主义途径发展概况 18

1.5.4当前发展趋势 19

1.5.5我国人工智能发展简况 20

习题一 20

第二章 人工智能程序设计语言 21

2.1综述 21

2.1.1 函数型语言 21

2.1.2逻辑型语言 21

2.1.3面向对象语言 22

2.1.4混合型语言 22

2.2函数型程序设计语言LISP 23

2.2.1 LISP的程序结构与运行机制 23

2.2.2 S—表达式 24

2.2.3基本函数 25

2.2.4自定义函数 27

2.2.5程序举例 28

2.3逻辑型程序设计语言PROLOG 29

2.3.1 PROLOG的语句 29

2.3.2 PROLOG程序 30

2.3.3 PROLOG的运行机理 32

2.4 Turbo PROLOG程序设计 34

2.4.1 Turbo PROLOG的程序结构 35

2.4.2 Turbo PROLOG的数据与表达式 36

2.4.3输入与输出 40

2.4.4分支与循环 41

2.4.5动态数据库 43

2.4.6表处理与递归 43

2.4.7回溯控制 46

2.4.8程序举例 47

2.5面向对象程序设计语言Smalltalk 51

2.5.1基本概念 51

2.5.2基本对象 52

2.5.3消息模式 52

2.5.4消息表达式 53

2.5.5消息表达式序列——语句 54

2.5.6程序块 54

2.5.7程序流程控制 55

2.5.8类库 55

2.5.9类定义 56

2.5.10继承 58

2.5.11 Smalltalk的程序结构和运行机理 58

习题二 61

第三章 基于谓词逻辑的机器推理 62

3.1一阶谓词逻辑 62

3.1.1谓词、函数、量词 62

3.1.2谓词、公式 63

3.1.3谓词逻辑中的形式演绎推理 64

3.2归结演绎推理 67

3.2.1子句集 67

3.2.2命题逻辑中的归结原理 69

3.2.3替换与合一 71

3.2.4谓词逻辑中的消解原理 74

3.3应用归结原理求取问题答案 76

3.4归结策略 78

3.4.1问题的提出 78

3.4.2几种常用的归结策略 80

3.4.3归结策略的类型 84

3.5归结反演程序举例 85

3.6 Horn子句归结与逻辑程序 87

3.6.1子句的蕴含表示形式 87

3.6.2 Horn子句与逻辑程序 88

3.7非归结演绎推理 89

3.7.1 Bledsoe自然演绎法 90

3.7.2基于规则的演绎推理 90

3.7.3王浩算法 90

习题三 91

第四章 图搜索技术 93

4.1状态图搜索 93

4.1.1状态图 93

4.1.2状态图搜索 94

4.1.3穷举式搜索 97

4.1.4启发式搜索 99

4.1.5加权状态图搜索 101

4.1.6启发式图搜索的A算法和A算法 102

4.1.7状态图搜索策略小结 104

4.2状态图问题求解 104

4.2.1问题的状态图表示 104

4.2.2状态图问题求解程序举例 108

4.3与或图搜索 113

4.3.1与或图 113

4.3.2与或图搜索 115

4.3.3启发式与或树搜索 117

4.4与或图问题求解 121

4.4.1问题的与或图表示 121

4.4.2与或图问题求解程序举例 122

4.5博弈树搜索 123

4.5.1博弈树的概念 124

4.5.2极大极小分析法 124

习题四 126

第五章 产生式系统 128

5.1产生式规则 128

5.1.1产生式规则 128

5.1.2基于产生式的推理模式 129

5.2产生式系统 129

5.2.1产生式系统的组成 129

5.2.2产生式系统的运行过程 130

5.2.3控制策略与常用算法 130

5.3产生式系统与图搜索 133

5.4产生式系统的应用 134

5.5产生式系统的程序实现 134

5.5.1产生式规则的程序语言实现 134

5.5.2规则库的程序实现 136

5.5.3动态数据库的程序实现 137

5.5.4推理机的程序实现 137

习题五 137

第六章 知识表示 139

6.1知识及其表示 139

6.1.1什么是知识 139

6.1.2知识表示 140

6.1.3知识表示的语言实现 141

6.2框架 141

6.2.1框架的概念 141

6.2.2框架的表达能力 143

6.2.3基于框架的推理 144

6.2.4框架的程序语言实现 145

6.3语义网络 146

6.3.1语义网络的概念 146

6.3.2语义网络的表达能力 146

6.3.3基于语义网络的推理 150

6.3.4语义网络的程序语言实现 150

6.4面向对象知识表示 151

习题六 153

第七章 不确定性处理 155

7.1不确定性及其类型 155

7.2不确定性知识的表示 156

7.2.1随机性知识的表示 156

7.2.2模糊性知识的表示 157

7.2.3模糊集合 159

7.2.4多值逻辑 161

7.2.5真度逻辑 161

7.2.6非单调逻辑 162

7.2.7时序逻辑 163

7.3不确定性推理的一般模式 163

7.4确定性理论 164

7.5证据理论 165

7.5.1基本概念 165

7.5.2基于证据理论的不确定性推理 168

7.6模糊推理 170

7.6.1语言变量，语言值 170

7.6.2用模糊（关系）集合表示模糊规则 170

7.6.3模糊关系合成 172

7.6.4基于关系合成的模糊推理 173

7.6.5模糊推理的应用与发展 174

习题七 175

第八章 专家系统 176

8.1专家系统的概念 176

8.1.1什么是专家系统 176

8.1.2专家系统的特点 177

8.1.3专家系统的类型 177

8.1.4专家系统与知识系统 178

8.1.5专家系统与知识工程 178

8.1.6专家系统与人工智能 179

8.2专家系统的结构 179

8.2.1一般结构 179

8.2.2实际结构 180

8.3专家系统的应用与发展概况 182

8.3.1专家系统的意义 182

8.3.2专家系统的应用 182

8.3.3专家系统的发展概况 183

8.4专家系统实例 187

8.4.1 PROSPECTOR的功能 187

8.4.2知识表示 189

8.4.3主观贝叶斯推理模型 194

8.4.4控制策略 199

8.5专家系统设计与实现 200

8.5.1一般步骤与方法 200

8.5.2知识获取 201

8.5.3知识表示与知识描述语言设计 202

8.5.4知识库与知识库管理系统设计 202

8.5.5推理机与解释功能设计 204

8.5.6系统结构设计 205

8.5.7人机界面设计 207

8.6专家系统开发工具与环境 208

8.6.1专家系统开发工具 208

8.6.2专家系统开发环境 210

8.7新一代专家系统研究 211

8.7.1概述 211

8.7.2模糊专家系统 212

8.7.3神经网络专家系统 212

习题八 213

第九章 机器学习 214

9.1符号学习 214

9.1.1记忆学习 214

9.1.2传授学习 215

9.1.3演绎学习 216

9.1.4类比学习 216

9.1.5示例学习 216

9.1.6发现学习 218

9.1.7解释学习 218

9.2神经网络学习 220

9.2.1生物神经元 220

9.2.2人工神经元 221

9.2.3神经网络 222

9.2.4神经网络的特征与功能 223

9.2.5神经网络学习 224

9.2.6神经网络模型 226

9.2.7 BP网络及其学习举例 227

习题九 229

第十章 自然语言理解 230

10.1简单句理解 230

10.1.1理解的实现过程 230

10.1.2语法分析 231

10.1.3语义分析 233

10.2复合句理解 233

10.3转换文法和转换网络 235

习题十 237

上机实习指导 238

实习一PROLOG语言编程练习 238

实习二 图搜索问题求解 239

实习三 小型专家系统（原型）设计 239

参考文献 243