人工智能 第2版PDF电子书下载

第1章 绪论 1

1.1人工智能的定义与发展 1

1.2人类智能与人工智能 4

1.2.1智能信息处理系统的假设 5

1.2.2人类智能的计算机模拟 7

1.3人工智能各学派的认知观 8

1.4人工智能的研究与应用领域 10

1.4.1智能感知 11

1.4.2智能推理 13

1.4.3智能学习 16

1.4.4智能行动 19

1.5未来50年的人工智能问题 25

1.6人类级人工智能 28

习题 28

第2章 知识表示和推理 30

2.1概述 30

2.1.1知识和知识表示 30

2.1.2知识-策略-智能 32

2.1.3人工智能对知识表示方法的要求 33

2.1.4知识的分类 33

2.1.5知识表示语言问题 34

2.1.6现代逻辑学的基本研究方法 35

2.2命题逻辑 37

2.2.1语法 38

2.2.2语义 38

2.2.3命题演算形式系统 40

2.3谓词逻辑 41

2.3.1语法 42

2.3.2语义 43

2.3.3谓词逻辑形式系统FC 46

2.3.4一阶谓词逻辑的应用 47

2.4归结推理 49

2.4.1命题演算中的归结推理 49

2.4.2谓词演算中的归结推理 52

2.4.3谓词演算归结反演的合理性和完备性 61

2.5产生式系统 65

2.5.1产生式系统的组成部分 66

2.5.2产生式系统的基本过程 70

2.5.3产生式系统的控制策略 70

2.6知识表示的其他方法 72

2.6.1语义网络 72

2.6.2框架 79

2.6.3脚本 82

2.6.4面向对象 84

2.7基于知识的系统 87

2.7.1知识获取 88

2.7.2知识组织 90

2.7.3知识应用 91

2.7.4常识知识和大规模知识处理 91

2.8小结 92

习题 93

第3章 搜索技术 100

3.1概述 101

3.2盲目搜索方法 102

3.2.1生成再测试法 102

3.2.2迭代加深搜索 103

3.3启发式搜索 104

3.3.1启发性信息和评估函数 104

3.3.2最好优先搜索算法 105

3.3.3贪婪最好优先搜索算法 106

3.3.4 A算法和A*算法 107

3.3.5迭代加深A*算法 111

3.4问题归约和AND-OR图启发式搜索 111

3.4.1问题归约的描述 112

3.4.2问题的AND-OR图表示 113

3.4.3 AO.算法 114

3.5博弈 118

3.5.1极大极小过程 120

3.5.2α-β过程 122

3.6小结 124

习题 124

第4章 高级搜索 125

4.1爬山法搜索 125

4.2模拟退火搜索 128

4.2.1模拟退火搜索的基本思想 128

4.2.2模拟退火算法 129

4.2.3模拟退火算法关键参数和操作的设计 130

4.2.4模拟退火算法的改进 132

4.3遗传算法 134

4.3.1遗传算法的基本思想 134

4.3.2遗传算法的基本操作 136

4.3.3遗传算法的应用情况 141

4.4小结 142

习题 142

第5章 不确定知识表示和推理 143

5.1概述 143

5.1.1什么是不确定推理 144

5.1.2不确定推理要解决的基本问题 144

5.1.3不确定性推理方法分类 146

5.2非单调逻辑 147

5.2.1单调性与非单调性 147

5.2.2非单调逻辑的产生 148

5.2.3缺省推理逻辑 149

5.2.4非单调逻辑系统 151

5.2.5非单调规则 153

5.3主观Bayes方法 157

5.3.1全概率公式和Bayes公式 157

5.3.2主观Bayes方法 159

5.4确定性理论 164

5.4.1建造医学专家系统时的问题 164

5.4.2 C-F模型 165

5.5证据理论 170

5.5.1假设的不确定性 170

5.5.2证据的不确定性 173

5.5.3证据的组合函数 173

5.5.4规则的不确定性 174

5.5.5不确定性的传递 174

5.5.6不确定性的组合 175

5.6模糊逻辑和模糊推理 176

5.6.1模糊集合及其运算 177

5.6.2模糊关系 178

5.6.3语言变量 179

5.6.4模糊逻辑 180

5.6.5模糊推理 180

5.7小结 184

习题 186

第6章Agent 188

6.1概述 188

6.2 Agent及其结构 190

6.2.1 Agent定义 190

6.2.2 Agent要素及特性 191

6.2.3 Agent例子 193

6.2.4 Agent的结构特点 194

6.2.5 Agent的结构分类 195

6.3 Agent通信 198

6.3.1通信方式 198

6.3.2 Agent通信语言KQML 199

6.3.3 SACL语言 203

6.4协调与协作 206

6.4.1引言 206

6.4.2合同网 209

6.4.3协作规划 210

6.5移动Agent 214

6.5.1移动Agent产生的背景 214

6.5.2定义和系统组成 217

6.5.3实现技术 218

6.5.4技术优势 227

6.6基于Agent的系统及其应用 229

6.6.1移动Agent系统 229

6.6.2移动Agent技术的应用 231

6.6.3多Agent系统的应用 233

6.7小结 234

习题 234

第7章 自然语言处理技术 236

7.1自然语言理解的一般问题 236

7.1.1自然语言理解的概念及意义 236

7.1.2自然语言理解研究的发展 238

7.1.3自然语言理解的层次 239

7.2词法分析 242

7.3句法分析 243

7.3.1短语结构文法和Chomsky文法体系 243

7.3.2句法分析树 245

7.3.3转移网络 246

7.4语义分析 247

7.4.1语义文法 247

7.4.2格文法 248

7.5大规模真实文本的处理 250

7.5.1语料库语言学及其特点 250

7.5.2统计学方法的应用及面临的问题 252

7.5.3汉语语料库加工的基本方法 253

7.5.4语义资源建设 256

7.6信息搜索 257

7.6.1信息搜索概述 257

7.6.2搜索引擎 258

7.6.3智能搜索引擎 264

7.6.4搜索引擎面临的挑战 268

7.6.5搜索引擎的发展趋势 269

7.7机器翻译 272

7.7.1机器翻译的基本模式和方法 273

7.7.2统计机器翻译 274

7.7.3机器翻译系统的发展 276

7.8语音识别 280

7.8.1组成单词读音的基本单元 280

7.8.2信号处理 281

7.8.3识别 283

7.8.4隐马尔可夫模型 284

7.8.5口语翻译 285

7.9自然语言应用 286

7.9.1故事理解和问题解答 286

7.9.2数据库前端 287

7.9.3自动文摘 288

7.10小结 289

习题 289

第8章 机器学习和神经网络 291

8.1机器学习概述 291

8.1.1学习中的元素 292

8.1.2目标函数的表示 293

8.1.3学习任务的类型 295

8.1.4机器学习的定义和发展史 296

8.1.5机器学习的主要策略 297

8.1.6机器学习系统的基本结构 298

8.2基于符号的机器学习方法 299

8.2.1机械学习 300

8.2.2归纳学习 301

8.2.3决策树学习 304

8.2.4基于范例的学习 309

8.2.5解释学习 313

8.2.6强化学习 316

8.3基于神经网络的学习 317

8.3.1神经网络概述 317

8.3.2基于反向传播网络的学习 323

8.3.3 Hopfield神经网络模型 333

8.4知识发现 339

8.4.1知识发现的处理过程 340

8.4.2知识发现的方法 341

8.4.3知识发现的应用 343

8.5小结 344

习题 345

第9章 智能规划 351

9.1规划问题与实例 351

9.1.1规划问题及其描述语言 351

9.1.2规划问题实例 354

9.2状态空间搜索规划 357

9.2.1前向状态空间搜索 357

9.2.2后向状态空间搜索 358

9.2.3状态空间搜索的启发式 359

9.3偏序规划 360

9.3.1偏序规划的描述 360

9.3.2偏序规划的实例 363

9.3.3无约束变量的偏序规划 365

9.3.4启发式偏序规划 366

9.4命题逻辑规划 367

9.5分层任务网络规划 369

9.6非确定性规划 372

9.7多Agent规划 373

9.7.1合作：联合目标和规划 374

9.7.2多Agent规划的构建 375

9.7.3协调机制 376

9.7.4竞争 377

9.8小结 377

习题 377

第10章 机器人学 379

10.1概述 379

10.1.1机器人的由来 379

10.1.2机器人的定义 380

10.1.3机器人的分类 382

10.1.4机器人的特性 382

10.1.5机器人学的形成 383

10.1.6机器人学的研究领域 384

10.2机器人系统 384

10.2.1机器人系统的组成 384

10.2.2机器人的工作空间 386

10.2.3机器人的性能指标 388

10.3机器人的编程模式与语言 389

10.4机器人的社会问题 392

10.5机器人的应用与展望 392

10.5.1机器人应用 393

10.5.2机器人发展展望 395

习题 397

第11章 互联网智能 398

11.1概述 398

11.2语义网与本体 400

11.2.1语义网的层次模型 400

11.2.2本体的基本概念 402

11.2.3本体描述语言OWL 403

11.2.4本体知识管理框架 404

11.2.5本体知识管理系统Protege 405

11.2.6本体知识管理系统KAON 405

11.3 Web技术的演化 407

11.3.1 Web 1.0 407

11.3.2 Web 2.0 408

11.3.3 Web 3.0 410

11.4 Web挖掘 411

11.4.1 Web内容挖掘 412

11.4.2 Web结构挖掘 414

11.4.3 Web使用挖掘 415

11.4.4数据挖掘的应用 416

11.4.5互联网信息可信度问题 416

11.5集体智能 417

11.5.1社群智能 418

11.5.2集体智能系统 419

11.5.3全球脑 420

11.6网络应用 421

习题 422

附录A人工智能程序设计语言Prolog 424

A.1 Turbo Prolog核心机制 425

A.1.1逻辑型程序设计语言Prolog 425

A.1.2 Turbo Prolog程序设计 430

A.2 Visual Prolog编程环境 442

A.2.1 Visual Prolog概述 442

A.2.2系统安装 442

A.2.3编程初步 443

A.2.4编写第一个应用程序“Hello World” 446

A.2.5 Visual Prolog调试器 450

附录B人工智能大作业 453

B.1 NIM问题求解 453

B.2水壶问题 453

B.3合一算法 454

B.4中国象棋 454

B.5围棋 455

B.6五子棋 456

B.7魔方 457

B.8用神经网络对大写字母分类 457

B.9小型动物分类专家系统 458

B.10美国地理 458

B.11洞穴探宝 458

B.12音节划分 459

B.13奥木 459

B.14九宫图 460

B.15归类测试算法 461

B.16传教士-野人问题 461

B.17八皇后问题 461

B.18 Elsevier的横向信息产品 462

B.19奥迪的数据整合 463

B.20人寿保险公司的技能寻获 463

B.21在线学习 463

B.2 2警察局的多媒体收藏索引 464

B.2 3康富的在线采购 465

B.2 4数码设备的可共用性 465

B.2 5火星探测者Agent 466

B.2 6用于电力管理的多Agent系统 467

B.2 7人工智能军事应用跟踪 470

B.2 8计算机游戏如何产生娱乐效果 470

参考文献 472