人工智能PDF|Epub|txt|kindle电子书版本网盘下载

人工智能PDF格式电子书版下载

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

第1章 绪论1

1.1 什么是人工智能1

1.2 人工智能的起源与发展历史3

1.3 人工智能研究的基本内容7

1.3.1 认知建模8

1.3.2 知识表示8

1.3.3 自动推理9

1.3.4 机器学习9

1.4 人工智能研究的主要学派10

1.4.1 符号主义10

1.4.2 连接主义11

1.4.3 行为主义11

1.5 人工智能的应用12

1.6 小结和展望15

习题16

第2章 知识表示17

2.1 概述17

2.2 谓词逻辑18

2.3 产生式系统23

2.4 语义网络29

2.4.1 语义网络的概念和结构29

2.4.2 复杂知识的表示29

2.4.3 常用的语义联系31

2.5 框架32

2.5.1 框架结构33

2.5.2 框架网络34

2.5.3 推理方法36

2.6 状态空间38

2.7 面向对象的知识表示38

2.8 脚本39

2.8.1 脚本描述39

2.8.2 概念依赖关系40

2.9 本体42

2.10 小结43

习题44

第3章 自动推理46

3.1 概述46

3.2 三段论推理48

3.3 盲目搜索49

3.3.1 深度优先搜索50

3.3.2 宽度优先搜索51

3.3.3 迭代加深搜索52

3.4 回溯策略54

3.5 启发式搜索55

3.5.1 启发性信息和评估函数56

3.5.2 爬山算法56

3.5.3 模拟退火算法57

3.5.4 最好优先算法59

3.5.5 通用图搜索算法60

3.5.6 A算法63

3.5.7 迭代加深A算法67

3.6 与或图启发式搜索68

3.6.1 问题归约的描述68

3.6.2 与或图表示68

3.6.3 AO算法69

3.7 博弈搜索74

3.7.1 极大极小过程75

3.7.2 α-β过程77

3.8 归结演绎推理79

3.8.1 子句型80

3.8.2 置换和合一83

3.8.3 合一算法84

3.8.4 归结式86

3.8.5 归结反演87

3.8.6 答案的提取89

3.8.7 归结反演的搜索策略91

3.9 产生式系统92

3.9.1 产生式系统的基本结构92

3.9.2 正向推理95

3.9.3 反向推理96

3.9.4 混合推理96

3.10 自然演绎推理97

3.11 非单调推理98

3.11.1 默认推理98

3.11.2 限制推理99

3.1 2小结100

习题101

第4章 不确定性推理104

4.1 概述104

4.1.1 不确定性知识分类104

4.1.2 不确定性推理的基本问题105

4.1.3 不确定性推理方法分类107

4.2 可信度方法108

4.2.1 建造医学专家系统时的问题108

4.2.2 可信度模型109

4.2.3 确定性方法的说明114

4.3 主观贝叶斯方法115

4.3.1 贝叶斯公式115

4.3.2 知识不确定性的表示117

4.3.3 证据不确定性的表示120

4.3.4 组合证据不确定性的计算120

4.3.5 不确定性的传递算法120

4.3.6 结论不确定性的合成122

4.4 证据理论123

4.4.1 假设的不确定性124

4.4.2 证据的组合函数127

4.4.3 规则的不确定性128

4.4.4 不确定性的组合128

4.5 模糊逻辑和模糊推理131

4.5.1 模糊集合及其运算131

4.5.2 语言变量133

4.5.3 模糊逻辑133

4.5.4 模糊推理134

4.6 小结134

习题135

第5章 机器学习137

5.1 机器学习概述137

5.1.1 简单的学习模型137

5.1.2 什么是机器学习138

5.1.3 机器学习的研究概况140

5.2 归纳学习141

5.2.1 归纳学习的基本概念141

5.2.2 变型空间学习142

5.2.3 决策树144

5.3 类比学习148

5.3.1 相似性148

5.3.2 转换类比149

5.3.3 基于案例的推理150

5.3.4 迁移学习151

5.4 统计学习153

5.4.1 逻辑回归153

5.4.2 支持向量机154

5.4.3 提升方法158

5.5 强化学习159

5.5.1 强化学习模型160

5.5.2 学习自动机160

5.5.3 自适应动态程序设计161

5.5.4 Q-学习162

5.6 进化计算163

5.6.1 达尔文进化算法164

5.6.2 遗传算法164

5.6.3 进化策略166

5.6.4 进化规划166

5.7 群体智能167

5.7.1 蚁群算法167

5.7.2 粒子群优化170

5.8 知识发现171

5.9 小结172

习题173

第6章 神经网络175

6.1 概述175

6.2 神经信息处理的基本原理177

6.3 感知机182

6.3.1 基本神经元182

6.3.2 感知机模型183

6.4 前馈神经网络184

6.4.1 前馈神经网络模型184

6.4.2 误差反向传播算法185

6.4.3 BP算法的若干改进187

6.5 Hopfield网络187

6.5.1 离散Hopfield网络188

6.5.2 连续Hopfield网络191

6.6 随机神经网络193

6.6.1 模拟退火算法193

6.6.2 玻耳兹曼机195

6.7 深度学习198

6.7.1 人脑视觉机理198

6.7.2 自编码器198

6.7.3 受限玻耳兹曼机200

6.7.4 深度信念网络202

6.7.5 卷积神经网络203

6.8 自组织神经网络207

6.8.1 网络的拓扑结构207

6.8.2 网络自组织算法208

6.8.3 监督学习208

6.9 小结209

习题209

第7章 专家系统211

7.1 专家系统概述211

7.1.1 什么是专家系统211

7.1.2 专家系统的特点212

7.1.3 专家系统的发展史212

7.2 专家系统的基本结构213

7.3 专家系统MYCIN214

7.3.1 咨询子系统215

7.3.2 静态数据库216

7.3.3 控制策略218

7.4 专家系统工具CLIPS218

7.4.1 概述218

7.4.2 CLIPS中的知识表示218

7.4.3 CLIPS运行223

7.4.4 Rete匹配算法224

7.5 专家系统工具JESS230

7.6 面向对象专家系统工具OKPS232

7.6.1 OKPS中的知识表示233

7.6.2 推理控制语言ICL234

7.7 专家系统建造236

7.7.1 需求分析236

7.7.2 系统设计238

7.7.3 知识库构建239

7.7.4 系统开发240

7.7.5 系统测试240

7.8 新型专家系统241

7.8.1 分布式专家系统241

7.8.2 协同式专家系统242

7.8.3 神经网络专家系统242

7.8.4 基于互联网的专家系统245

7.9 小结246

习题246

第8章 自然语言处理248

8.1 概述248

8.1.1 什么是自然语言处理248

8.1.2 自然语言处理的发展248

8.1.3 自然语言处理的层次251

8.2 词法分析251

8.3 句法分析252

8.3.1 短语结构语法252

8.3.2 乔姆斯基形式语法253

8.3.3 句法分析树255

8.3.4 转移网络255

8.3.5 扩充转移网络257

8.4 语义分析260

8.4.1 语义文法260

8.4.2 格文法260

8.5 语用分析262

8.6 语料库263

8.6.1 语料库语言学263

8.6.2 统计方法的应用265

8.6.3 汉语语料库加工266

8.7 信息检索269

8.8 机器翻译271

8.9 问答系统272

8.10 小结273

习题274

第9章 分布式人工智能与智能体275

9.1 概述275

9.2 分布式问题求解276

9.2.1 分布式人工智能的兴起276

9.2.2 分布式问题求解系统分类278

9.2.3 分布式问题求解过程279

9.3 智能体理论280

9.3.1 理性智能体280

9.3.2 BDI智能体模型281

9.4 智能体结构281

9.4.1 智能体基本结构281

9.4.2 慎思智能体282

9.4.3 反应智能体284

9.4.4 层次智能体286

9.5 智能体通信语言ACL288

9.5.1 智能体间通信概述288

9.5.2 FIPA ACL消息290

9.6 协调和协作293

9.6.1 引言293

9.6.2 合同网295

9.6.3 基于生态学的协作296

9.6.4 基于对策论的协商297

9.6.5 基于意图的协商298

9.7 移动智能体298

9.8 多智能体环境MAGE301

9.9 小结303

习题304

第10章 智能机器人305

10.1 概述305

10.2 智能机器人的体系结构307

10.3 机器人视觉系统312

10.3.1 视觉系统分类312

10.3.2 定位技术314

10.3.3 自主视觉导航314

10.3.4 视觉伺服系统314

10.4 机器人规划315

10.4.1 任务规划316

10.4.2 分层任务网络规划317

10.4.3 路径规划318

10.4.4 轨迹规划322

10.5 情感机器人323

10.6 发育机器人324

10.7 机器人应用327

10.8 智能机器人发展趋势330

10.9 小结331

习题331

第11章 互联网智能333

11.1 概述333

11.2 语义Web335

11.2.1 语义Web的层次模型335

11.2.2 本体的基本概念336

11.2.3 本体描述语言OWL338

11.3 本体知识管理339

11.3.1 知识管理系统Protégé340

11.3.2 知识管理系统KMSphere340

11.4 Web技术的演化342

11.5 Web挖掘346

11.5.1 Web内容挖掘347

11.5.2 Web结构挖掘349

11.5.3 Web使用挖掘350

11.6 搜索引擎350

11.6.1 搜索引擎原理350

11.6.2 知识图谱353

11.7 集体智能355

11.7.1 引言355

11.7.2 社群智能355

11.7.3 集体智能系统356

11.7.4 全球脑357

11.8 小结358

习题359

第12章 类脑智能360

12.1 概述360

12.2 大数据智能361

12.3 认知计算362

12.4 欧盟人脑计划363

12.5 美国脑计划367

12.6 脑模拟系统Spaun369

12.7 神经形态芯片371

12.8 类脑智能路线图373

习题373

附录 课程实习374

参考文献380