人工智能原理及应用PDF电子书下载

第一编 传统人工智能基本原理 2

第1章 绪论 2

1.1人工智能概述 2

1.2人工智能发展历程 10

1.3人工智能主要研究与应用领域 17

习题1 28

第2章 问题求解的基本原理 29

2.1概述 29

2.2盲目搜索策略 32

2.3启发式搜索策略 51

2.4与／或树的搜索策略 56

2.5博弈树搜索策略 61

2.6约束满足搜索策略 73

习题2 78

第3章 知识表示 80

3.1基本概念 80

3.2一阶谓词逻辑表示法 86

3.3产生式表示法 100

3.4框架表示法 108

3.5语义网络表示法 123

3.6面向对象表示法 137

3.7 Petri网表示法 142

习题3 147

第4章 经典逻辑推理 150

4.1概述 150

4.2命题逻辑推理 154

4.3谓词逻辑推理 159

4.4归结的完备性和合理性 177

4.5基于规则的演绎推理 186

习题4 193

第5章 高级知识推理 196

5.1经典逻辑系统的局限性 196

5.2非单调推理 198

5.3不确定性推理 212

习题5 246

第二编 计算智能理论 250

第6章 模糊计算 250

6.1模糊逻辑的数学基础 250

6.2模糊关系 258

6.3模糊逻辑的推理 262

6.4模糊判决方法 272

6.5模糊信息处理 273

习题6 278

第7章 神经计算 280

7.1神经网络概述 280

7.2感知器 286

7.3 BP网络 289

7.4 Hopfield网络 293

7.5随机神经网络 296

7.6基于神经网络知识表示与推理 301

7.7神经网络的应用 304

习题7 306

第8章 进化计算 309

8.1进化计算概述 309

8.2遗传算法 312

8.3进化策略基本理论 325

8.4进化规划基本理论 328

8.5进化计算的研究现状和发展趋势 330

习题8 334

第三编 人工智能应用部分 338

第9章 专家系统 338

9.1专家系统概述 338

9.2问题求解的组织结构 346

9.3知识获取 351

9.4开发专家系统 355

9.5专家系统开发工具 361

9.6专家系统进展 363

习题9 367

第10章 机器学习 368

10.1机器学习概述 368

10.2机械学习 375

10.3指导式学习 378

10.4类比学习 379

10.5解释学习 382

10.6归纳学习 386

习题10 396

第11章 知识发现与数据挖掘 397

11.1知识发现综述 397

11.2知识发现所面临挑战和应用领域 402

11.3数据挖掘概述 405

11.4分类和预测 408

11.5基于关联规则的挖掘 418

11.6聚类分析技术 429

11.7基于Web的智能挖掘 443

习题11 447

第12章 智能信息搜索技术 449

12.1信息搜索概述 449

12.2搜索引擎概述 451

12.3智能搜索引擎 461

12.4图像和动态网页的搜索 470

习题12 473

第13章 智能决策支持系统 474

13.1决策支持系统发展概述 474

13.2智能决策支持系统的结构 477

13.3智能决策支持系统集成技术 484

13.4智能决策支持系统的建造和实现 487

13.5智能决策支持系统存在的问题和发展趋势 493

习题13 495

第14章Agent技术基础 496

14.1概述 496

14.2Agent的分类与应用 504

14.3多Agent系统 509

14.4多Agent系统通信机制 511

14.5多Agent系统的协商与协调 516

14.6多Agent系统的开发与应用 519

习题14 521

参考文献 522