人工智能及其应用PDF|Epub|txt|kindle电子书版本网盘下载

人工智能及其应用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 人工智能及其发展1

1.1 人工智能的诞生、意义与目标1

1.2 人类智能和人工智能1

1.2.1 什么是智能1

1.2.2 什么是人工智能3

1.3 人工智能的发展与思考4

1.4 人工智能主要学派及其研究方法5

1.4.1 人工智能主要学派5

1.4.2 功能派及其研究方法6

1.4.3 网络互连（Network Connection）的技术研究方法7

1.4.4 行为派的研究方法8

1.5 人工智能系统及其层次结构9

1.5.1 智能信息论9

1.5.2 广义智能论10

1.5.3 智能系统论10

1.6 人工智能的研究核心与基本技术11

1.6.1 AI的研究核心11

1.6.2 AI体系及其基本技术11

1.6.3 人工智能研究的基本内容11

1.7.1 专家系统12

1.7 人工智能应用领域及其分支学科12

1.7.3 机器感知、机器视觉和模式识别13

1.7.2 自然语言处理与理解13

1.7.4 智能机器人14

1.7.5 机器自动定理证明14

1.7.6 智能软件工程14

1.7.7 智能决策支持系统15

1.7.8 分布式人工智能与多Agent系统15

1.7.9 人工神经网络15

1.7.11 脑科学、认知科学与人工智能的发展16

1.7.10 现代智能通信16

1.8 人工智能在新世纪的发展展望17

思考与练习18

第2章 人工智能逻辑20

2.1 命题逻辑与谓词逻辑20

2.1.1 命题逻辑20

2.1.2 命题和谓词逻辑基础22

2.2 谓词公式——谓词逻辑表达式23

2.2.1 谓词公式概念23

2.2.2 谓词公式的解释24

2.2.3 谓词公式的永真性判定25

2.3 谓词逻辑的演算律25

2.3.1 谓词逻辑等价律25

2.3.2 谓词逻辑蕴涵律27

2.3.3 几条重要的推理规则27

2.4 “非二值”逻辑27

2.4.1 多值逻辑的演算28

2.4.2 三值逻辑及其布可阀（Bochvar）逻辑29

2.4.3 一种非确定性逻辑——概率30

2.5 模糊逻辑32

2.5.1 模糊逻辑思想与特性32

2.5.2 模糊集合（Fuzzy Sets）32

2.5.3 模糊集的运算34

2.5.4 λ水平截集、支集、核及模糊单点35

2.5.5 模糊关系、模糊度与模糊数36

2.5.6 模糊关系的合成及其语言变量39

思考与练习40

3.1 知识表示概述42

3.1.1 什么是知识42

第3章 知识与知识表示42

3.1.2 知识的特性43

3.1.3 知识的分类及其知识映射原理44

3.2 谓词逻辑的知识表示45

3.2.1 用谓词逻辑和公式表达各种意境45

3.2.2 用谓词逻辑表示知识单元46

3.2.3 用谓词逻辑描述智能行为过程的求解47

3.2.4 用谓词逻辑知识表示特性48

3.3 产生式知识表示与求解48

3.3.1 产生式的知识表示49

3.3.2 产生式系统求解及其控制策略51

3.3.3 产生式知识表示的应用特点54

3.4 语义网络表示法55

3.4.1 语义网络知识表示55

3.4.2 语义网络表示及其求解系统特性57

3.5 框架知识表示法59

3.5.1 框架知识表示59

3.5.2 框架知识表示的结构60

3.5.3 使用框架的推理62

3.6.2 使用过程表示法求解九宫问题64

3.6.1 什么是过程知识表示法64

3.6 过程知识表示法64

3.6.3 过程表示法的特点66

3.7 Petri网模型表示法67

3.7.1 Petri网表示知识的方法67

3.7.2 一个使用Petri网建模的实例67

3.7.3 Petri网表示法的特点69

3.8 面向对象的知识表示69

3.8.1 基本概念与特性69

3.8.2 面向对象的知识表示方法70

3.8.3 对象模型技术及知识表示特性71

思考与练习72

第4章 确定性逻辑推理74

4.1 推理的基本概念74

4.1.1 什么是人工智能推理74

4.1.2 什么是推理74

4.1.3 推理的方式与类别74

4.2 推理控制策略76

4.2.1 推理方向控制策略77

4.2.2 模式匹配与冲突消解策略79

4.3 自然演绎推理80

4.4 消解反演推理系统82

4.4.1 子句与子句集合82

4.4.2 Herbrand理论84

4.4.3 Robinson消解原理86

4.5 置换与合一运算91

4.5.1 置换91

4.5.2 合一运算91

4.5.3 置换与合一运算举例93

4.6.1 基于规则的正向演绎推理95

4.6 基于规则的演绎推理95

4.6.2 基于规则的逆向演绎推理过程98

4.6.3 规则双向演绎推理100

思考与练习100

第5章 不确定性推理103

5.1 什么是不确定性推理103

5.1.1 不确定性推理的概念与现象103

5.1.2 不确定性的表示与量度104

5.1.3 不确定性推理方法与算法105

5.2 基于概率的Bayes简单推理106

5.3 主观Bayes方法107

5.3.1 Bayes方法的不确定性表示与计算108

5.3.2 Bayes方法证据情况分析及其传递计算109

5.3.3 主观Bayes方法的应用特点112

5.4 确定性理论112

5.4.1 可信度因子及其问题的不确定性表示112

5.4.2 不确定性的计算114

5.5 模糊推理116

5.5.1 基于模糊规则的推理及其基本模式116

5.5.2 基于模糊关系的推理117

5.5.3 基于模糊规则与关系相结合的模糊推理119

5.6 非单调推理121

5.6.1 界限理论122

5.6.2 缺省理论122

5.6.3 正确性维持系统123

思考与练习124

第6章 搜索策略128

6.1 概述128

6.1.1 什么是搜索128

6.1.2 问题的状态空间图搜索129

6.2.1 状态、操作和状态空间130

6.1.3 搜索算法及其过程的完备性概念130

6.2 状态空间表示法130

6.2.2 使用状态空间图搜索的问题求解131

6.2.3 用状态空间法求解传教士和食人者问题132

6.2.4 庞大状态空间的求解分析134

6.3 状态空间的基本搜索策略137

6.3.1 宽度优先搜索137

6.3.2 深度优先搜索140

6.3.3 有界深度优先搜索142

6.3.4 代价树的推进搜索143

6.3.5 基本搜索策略的局限性及其特点144

6.4 启发式搜索策略145

6.4.1 启发式搜索概念145

6.4.2 估价函数与启发函数146

6.4.3 关于估价函数的讨论146

6.5 启发式搜索法147

6.5.1 瞎子爬山法147

6.5.2 全局择优搜索法150

6.5.3 图的有序搜索及其A与A算法153

6.6.1 与／或树、搜索树及其解树155

6.6 与／或树的启发式搜索155

6.6.2 与／或树的代价计算及其计算策略分析156

6.6.3 与／或树的有序搜索158

6.7 博弈对策（Game of Chess Strategy）159

6.7.1 博弈思想及其博弈树159

6.7.2 博弈树的有序搜索策略160

思考与练习163

7.1.1 什么是专家系统168

7.1.2 专家系统的性能与意义168

7.1 概述168

第7章 专家系统168

7.1.3 专家系统的类型170

7.1.4 专家系统的发展概况172

7.2 专家系统的结构与工作原理173

7.2.1 专家系统的一般结构173

7.2.2 专家系统的工作原理175

7.3 专家系统的建造与评价176

7.3.1 一般步骤与方法176

7.3.2 知识表示与知识描述179

7.3.3 知识库与知识库管理系统180

7.3.4 推理机与解释机构181

7.3.5 人机界面设计182

7.3.6 专家系统的评价182

7.4 专家系统的开发工具183

7.4.1 智能程序设计语言184

7.4.2 专家系统外壳184

7.5 分布式专家系统与协同式专家系统186

7.4.3 专家系统开发环境186

7.5.1 分布式专家系统187

7.5.2 协同式专家系统189

7.6 专家系统举例192

7.6.1 系统分析193

7.6.2 系统结构193

7.6.3 系统实现195

7.6.4 系统运行示例196

思考与练习196

8.1.1 什么是机器学习198

8.1.2 知识获取概念与方法198

第8章 机器学习与知识发现198

8.1 机器获取知识的途径——机器学习198

8.1.3 机器学习的主要研究内容199

8.1.4 机器学习的主要策略200

8.1.5 机器学习系统的原理、结构和功能200

8.1.6 机器学习分类202

8.2 从实验数据中通过归纳发现知识202

8.2.1 归纳学习的概述202

8.2.2 归纳学习方法203

8.2.4 CLS学习算法206

8.2.3 基于决策树的归纳学习206

8.3 类比学习207

8.3.1 类比学习概述207

8.3.2 类比学习的过程208

8.3.3 转换类比学习系统209

8.4 数据挖掘和知识发现方法211

8.4.1 数据挖掘与知识发现的关系212

8.4.2 数据挖掘213

8.4.3 知识发现216

8.5.1 粗糙集220

8.5 粗糙集和数据挖掘开发工具简介220

8.5.2 数据挖掘（DM）开发工具简介224

思考与练习227

第9章 人工神经网络228

9.1 人工神经网络产生的背景228

9.2 人工神经网络的发展228

9.3 人工神经元模型231

9.4 人工神经网络模型233

9.4.1 前馈神经网络及其BP算法233

9.4.2 反馈神经网络模型238

9.5.1 神经网络在汉语两字词韵律规则学习中的应用243

9.5 人工神经网络的应用范例243

9.5.2 神经网络理论在黄河宁蒙河段冰情预报中的应用245

9.6 人工神经网络的发展前景247

思考与练习248

第10章 分布式人工智能249

10.1 分布式人工智能系统249

10.1.1 什么是分布式人工智能249

10.1.2 分布式人工智能系统的特点250

10.2 分布式问题求解250

10.2.1 DPS系统的协同方式250

10.3 Agent技术概述251

10.2.2 DPS系统的分类与组织251

10.3.1 Agent概念、BDI模型与特性252

10.3.2 Agent的结构及分类254

10.3.3 Agent的应用259

10.4 多Agent系统的理论、技术及应用262

10.4.1 多Agent系统概述262

10.4.2 多Agent的通信系统概述264

10.4.3 多Agent的通信语言267

10.4.4 多Agent系统构造技术的研究268

10.4.5 多Agent系统的建模策略与实现271

10.4.6 多Agent的基本技术273

10.5 移动Agent技术273

10.5.1 什么是移动Agent273

10.5.2 移动Agent的发展274

10.5.3 移动Agent及其关键技术278

10.5.4 移动Agent的安全性281

10.5.5 基于移动Agent的分布式计算模型282

10.5.6 移动Agent及其应用283

思考与练习285

11.1.1 什么是遗传算法286

第11章 进化计算286

11.1 关于遗传算法286

11.1.2 各种寻优算法及其健壮性的比较与分析287

11.1.3 遗传算法的鲁棒性287

11.2 基本遗传算法的工作原理288

11.2.1 遗传算法的基本思想及其实现过程288

11.2.2 遗传算法的基本操作289

11.3 遗传算法的图式理论293

11.3.1 遗传算法的图式结构293

11.3.2 遗传算法操作对图式的影响295

11.4.1 遗传算法的知识表示与编码设计技术297

11.4 基本遗传算法的计算技术及其局限性297

11.4.2 适应度函数选择与计算技术298

11.4.3 遗传算法的全局收敛性和早期收敛问题299

11.5 高级遗传算法300

11.5.1 选择方法的改进300

11.5.2 高级遗传运算方法302

11.6 进化计算的发展与应用305

11.6.1 进化计算及其发展305

11.6.2 进化计算的应用308

思考与练习309

12.1 人工生命及其发展311

12.1.1 人工生命发展萌芽311

第12章 人工生命311

12.1.2 什么是人工生命312

12.1.3 人工生命研究的轨迹313

12.1.4 人工生命与人工智能315

12.1.5 人工生命与自然生命特征315

12.2 人工生命研究方法和策略316

12.2.1 研究人工生命的目的316

12.1.6 人工生命的构造途径316

12.2.2 人工生命研究方法317

12.2.3 人工生命研究策略318

12.3 人工生命理论与技术319

12.3.1 细胞自动机理论319

12.3.2 人工生命的形态形成理论321

12.3.3 遗传算法323

12.3.4 混沌理论325

12.3.5 对策论326

12.3.6 群体智能326

12.4.2 计算机的进程327

12.4 人工生命的表现形式327

12.4.1 计算机病毒327

12.4.3 人工核苷酸328

12.4.4 人工器官328

12.4.5 虚拟生物329

12.4.6 进化机器人329

12.4.7 自催化网络330

12.4.8 人工生命个体330

12.4.10 演化算法331

12.5 人工生命发展与展望331

12.4.9 人工生态系统331

12.5.1 生物的模拟进化332

12.5.2 通过虚拟生物研究生命的机理332

12.5.3 遗传工程332

12.5.4 计算机动画制作332

12.5.5 图像处理332

12.5.6 系统仿真333

12.5.7 在军事上的应用333

思考与练习333

参考文献334