图书介绍

人工智能与专家系统 第2版PDF|Epub|txt|kindle电子书版本网盘下载

人工智能与专家系统 第2版
  • 尹朝庆主编 著
  • 出版社: 北京:中国水利水电出版社
  • ISBN:9787508463353
  • 出版时间:2009
  • 标注页数:233页
  • 文件大小:11MB
  • 文件页数:244页
  • 主题词:人工智能-高等学校-教材;专家系统-高等学校-教材

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]

下载说明

人工智能与专家系统 第2版PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第1章 绪论1

1.1 人工智能及其发展1

1.2 人工智能的研究与应用领域7

习题一10

第2章 知识表示方法11

2.1 一阶谓词逻辑表示方法11

2.1.1 一阶谓词逻辑11

2.1.2 一阶谓词逻辑表示方法16

2.2 产生式表示方法18

2.2.1 产生式与产生式系统18

2.2.2 产生式系统的分类及其特点21

习题二24

第3章 搜索方法25

3.1 问题求解过程的形式表示25

3.1.1 状态空间表示法25

3.1.2 与/或图表示法27

3.2 状态空间的搜索算法29

3.2.1 盲目搜索算法30

3.2.2 启发式搜索算法36

3.2.3 状态空间搜索算法的应用42

3.2.4 A*算法及其特性54

3.3 与/或图的搜索方法57

3.3.1 与/或图的盲目搜索算法58

3.3.2 与/或图的启发式搜索算法59

3.3.3 博弈算法及应用62

习题三66

第4章 逻辑推理69

4.1 推理的基本概念69

4.1.1 推理方式及其分类69

4.1.2 推理的控制策略71

4.1.3 模式匹配及其变量代换74

4.2 归结演绎推理76

4.2.1 谓词公式化为子句集的方法77

4.2.2 归结原理78

4.2.3 归结反演82

4.3 基于归结反演的问题求解83

4.4 归结反演的改进策略86

4.4.1 删除策略86

4.4.2 限制策略87

习题四89

第5章 专家系统93

5.1 专家系统概述93

5.1.1 专家系统研究的意义93

5.1.2 专家系统的结构与开发方法95

5.2 LISP语言97

5.2.1 LISP语言的特点与表达式98

5.2.2 LISP语言的基本函数99

5.3 知识库与推理机107

5.3.1 产生式规则与规则库的存储结构107

5.3.2 正向推理机111

5.3.3 反向推理机115

5.4 解释方法与解释器120

5.5 知识获取与检测124

5.5.1 知识获取的任务与方式124

5.5.2 知识的检测与求精126

5.5.3 知识检测的方法128

5.6 专家系统工具130

5.6.1 专家系统工具概述130

5.6.2 CLIPS及其应用132

5.6.3 基于Java的规则引擎Jess142

习题五143

第6章 模糊推理146

6.1 知识的不确定性146

6.2 模糊集合的定义与运算148

6.2.1 模糊集合的定义与表示148

6.2.2 模糊集合的运算150

6.3 模糊知识表示与模糊匹配155

6.3.1 模糊知识表示155

6.3.2 模糊匹配156

6.4 简单模糊推理159

6.4.1 模糊推理的基本模式160

6.4.2 简单模糊推理方法160

6.4.3 模糊三段论推理方法166

6.5 一般模式的模糊推理167

6.5.1 多维模糊推理方法167

6.5.2 带有可信度的模糊推理方法170

习题六172

第7章 机器学习175

7.1 机器学习的特征与方法175

7.2 归纳学习方法176

7.2.1 CLS算法176

7.2.2 ID3算法179

7.2.3 归纳学习生成产生式规则集的应用183

7.3 遗传算法196

7.3.1 遗传算法的概念与计算方法196

7.3.2 遗传算法在预测预报中的应用202

7.4 人工神经网络方法205

7.4.1 人工神经元与感知器205

7.4.2 人工神经网络模型208

7.4.3 BP神经网络的学习算法211

7.4.4 BP学习算法的改进215

7.4.5 基于神经网络的专家系统217

7.4.6 基于神经网络的模糊分类器219

7.4.7 神经网络在预测中的应用225

习题七229

参考文献233

热门推荐