《人工智能基础与应用》PDF下载

  • 购买积分:8 如何计算积分?
  • 作  者:吴胜,王书芹编著
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2007
  • ISBN:712103512X
  • 页数:150 页
图书介绍:人工智能是计算机科学与应用中的一个传统的分支,涵盖众多的领域;人工智能技术在国内也正在被广泛地运用;最近由于游戏开发的兴起,人工智能技术在游戏开发中的运用备受关注。本书将系统介绍人工智能的基本原理和相关研究领域,并有重点地分析了相关内容的实现。全书首先介绍人工智能的概述和基础;然后讲解人工智能的研究领域和应用;最后结合实例给出人工智能的程序设计,并重点探讨在实现人工智能程序时的一些常用工具和一般规律。

1.1 人工智能的内涵 1

1.1.1 人工智能的发展动力 1

第1章 绪论 1

1.1.2 人工智能的含义 2

1.1.3 人工智能的目标 3

1.2.2 计算智能 4

1.2.3 机器学习 4

1.2.1 专家系统 4

1.2 人工智能的研究领域 4

1.2.4 自然语言处理 5

1.2.5 模式识别 5

1.2.6 机器人 5

1.2.7 分布式人工智能 5

1.2.8 数据挖掘 6

1.2.9 其他 6

1.3 人工智能的发展简史 6

1.3.1 第1阶段 6

1.3.3 第3阶段 7

1.3.2 第2阶段 7

1.3.5 第5阶段 8

1.3.4 第4阶段 8

本章小结 9

习题1 9

实验1 9

第2章 知识表示 10

2.1 知识与知识表示 10

2.1.1 知识的内涵 10

2.2 一阶谓词逻辑表示法 11

2.1.2 选择知识表示法 11

2.2.1 一阶谓词逻辑表示法 12

2.2.2 一阶谓词逻辑表示法特性 12

2.3 产生式表示法 13

2.3.1 运用规则 13

2.3.2 产生式系统 14

2.3.3 产生式系统分类 15

2.4 语义网络表示法 16

2.4.1 语义网络表示法概述 16

2.3.4 产生式表示法特点 16

2.4.2 语义网络表示法运用与特性 17

2.5 框架表示法 18

2.5.1 框架的组成与结构 18

2.5.2 框架表示法运用与特性 21

2.6 其他知识表示法 22

2.6.1 脚本表示法 22

2.6.2 面向对象表示法 23

习题2 25

本章小结 25

实验2 26

第3章 推理 27

3.1 推理的内涵 27

3.1.1 推理的基本概念 27

3.1.2 推理的分类 28

3.2 确定性推理 30

3.2.1 推理的逻辑基础 30

3.2.2 自然演绎推理 37

3.2.3 归结推理 38

3.3 不确定推理与非单调推理 47

3.3.1 不确定推理的概率论基础 49

3.3.2 主观Bayes方法 50

3.3.3 非单调推理 56

本章小结 60

习题3 61

实验3 61

4.1 搜索概述 62

4.1.1 搜索的基本概念 62

第4章 搜索 62

4.1.2 搜索的分类 63

4.2 状态空间搜索 63

4.2.1 状态空间盲目搜索 67

4.2.2 状态空间启发式搜索 72

4.3 与/或树搜索 78

4.3.1 与/或树的盲目搜索 80

4.3.2 与/或树的启发式搜索 81

4.4 博弈树的启发式搜索 84

4.4.1 博弈树的启发式搜索含义 85

4.4.2 示例 86

本章小结 87

习题4 87

实验4 88

第5章 专家系统 89

5.1 专家系统概述 89

5.1.1 专家系统的定义 89

5.1.2 专家系统的特点 90

5.1.3 专家系统的分类 90

5.2 专家系统原理 91

5.2.1 专家系统一般结构 92

5.2.2 专家系统基本原理 93

5.2.3 知识获取 93

5.3 专家系统开发 94

5.3.1 专家系统设计原则与评价 94

5.3.2 专家系统开发步骤 95

5.3.3 专家系统开发工具 95

5.3.4 应用实例 96

实验5 97

本章小结 97

习题5 97

第6章 计算智能 98

6.1 人工神经网络 98

6.1.1 基本原理及学习机理 98

6.1.2 感知模型及其学习 106

6.2 遗传算法 107

6.2.1 遗传算法的基本概念 107

6.2.2 简单遗传算法 109

6.2.3 遗传算法应用 110

6.3 计算智能其他技术 111

6.3.1 模糊理论 111

6.3.2 免疫算法 114

6.3.3 蚁群算法 116

本章小结 118

习题6 119

实验6 119

7.1 机器学习概述 120

7.1.1 机器学习的基本概念 120

第7章 机器学习 120

7.1.2 机器学习的实现方法 123

7.2 机器学习的分类 123

7.2.1 机械学习 123

7.2.2 归纳学习 125

7.2.3 基于类比的学习 129

7.2.4 基于解释的学习 131

本章小结 133

实验7 134

习题7 134

第8章 分布式人工智能 135

8.1 分布式人工智能概述 135

8.1.1 基本原理 135

8.1.2 分类 136

8.2多 Agent系统概述 137

8.2.1 Agent概念和思想 137

8.2.2 体系结构 138

8.3.1 设计思想 139

8.3.2 设计工具 139

8.3 面向Agent的软件开发 139

8.3.3 应用 140

本章小结 141

习题8 141

实验8 141

第9章 人工智能程序设计 142

9.1 LISP语言 142

9.1.1 基本概念 142

9.2.1 基本概念 143

9.2 Prolog语言 143

9.1.2 基础功能 143

9.2.2 基础语法 144

9.2.3 应用 145

9.3 其他工具 147

9.3.1 C语言 147

9.3.2 JavaScript语言 148

本章小结 150

习题9 150

实验9 150

参考文献 151