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 人工智能概述1

1.1人工智能的定义和研究目标1

1.1.1人工智能的定义1

1.1.2人工智能的研究目标1

1.2人工智能研究的基本内容及其特点2

1.2.1人工智能研究的基本内容2

1.2.2人工智能研究的特点3

1.3人工智能的基本技术5

1.3.1推理技术5

1.3.2搜索技术5

1.3.3知识表示与知识库技术5

1.3.4归纳技术5

1.3.5联想技术6

1.4人工智能的发展史6

1.4.1孕育期（1956年以前）6

1.4.2形成期（1956—1970年）7

1.4.3知识应用期（20世纪70年代到80年代末）9

1.4.4综合集成期（20世纪80年代末至今）11

1.5人工智能的研究与应用领域11

1.6人工智能研究的不同学派及其争论16

1.6.1人工智能的三大学派16

1.6.2人工智能理论的争论18

1.6.3人工智能研究方法的争论18

1.7人工智能进展19

1.7.1人工智能发展面临的困难19

1.7.2人工智能与云计算19

1.7.3人工智能与物联网21

1.7.4人工智能发展的新趋势23

习题一23

第2章 知识表示24

2.1一阶谓词逻辑表示法24

2.1.1一阶谓词逻辑表示法24

2.1.2一阶谓词逻辑表示法的特点30

2.1.3一阶谓词表示法的应用举例32

2.2产生式表示法34

2.2.1产生式与产生式系统34

2.2.2产生式系统的分类及其特点38

2.2.3产生式表示法应用举例41

2.3框架表示43

2.3.1框架与框架网络43

2.3.2框架的推理及其特点49

2.4语义网络表示法52

2.4.1语义网络52

2.4.2语义网络的推理及其特点58

2.5面向对象表示法61

2.5.1面向对象的知识表示61

2.5.2面向对象知识表示法的特点64

习题二66

第3章 经典逻辑推理68

3.1推理的基本概念68

3.1.1推理方式及其分类68

3.1.2推理的控制策略70

3.1.3模式匹配及其变量代换73

3.2自然演绎推理76

3.3归结演绎推理77

3.3.1谓词公式化为子句集的方法77

3.3.2海伯伦理论79

3.3.3鲁宾逊归结原理80

3.3.4归结反演83

3.3.5基于归结反演的问题求解84

3.3.6归结反演策略86

3.4与/或形的演绎推理90

3.4.1与/或形的正向演绎推理90

3.4.2与/或形的逆向演绎推理93

3.4.3代换的一致性与剪枝策略95

习题三96

第4章 搜索策略100

4.1问题求解过程的形式表示100

4.1.1状态空间表示法100

4.1.2与/或树表示法102

4.2状态空间的盲目搜索策略104

4.2.1宽度优先搜索105

4.2.2深度优先搜索106

4.2.3有界深度优先搜索107

4.2.4代价树的宽度优先搜索108

4.2.5代价树的深度优先搜索109

4.3状态空间的启发式搜索策略110

4.3.1估价函数与择优搜索110

4.3.2图的有序搜索与A＊算法112

4.3.3 A＊算法应用举例116

4.4与/或树的搜索策略118

4.4.1与/或树的宽度优先搜索119

4.4.2与/或树的有界深度优先搜索120

4.4.3与/或树的有序搜索121

4.4.4博弈树的启发式搜索124

4.5搜索性能的量度127

习题四128

第5章 知识的不确定性与不确定推理133

5.1知识的不确定性133

5.1.1证据的不确定性133

5.1.2规则的不确定性134

5.1.3推理的不确定性135

5.2不确定推理的概率基础136

5.3确定性理论137

5.3.1可信度的概念137

5.3.2C-F模型138

5.3.3带加权因子的可信度推理142

5.4主观Bayes方法144

5.4.1知识不确定性的表示144

5.4.2证据不确定性的表示146

5.4.3组合证据不确定性的计算147

5.4.4不确定性的更新147

5.4.5结论不确定性的合成149

5.5证据理论151

5.5.1 D-S理论的形式描述152

5.5.2证据理论的推理模型156

5.6可能性理论和模糊推理162

5.6.1模糊逻辑基础162

5.6.2模糊知识表示167

5.6.3模糊概念的匹配169

5.6.4模糊推理170

5.7非单调推理174

习题五175

第6章 智能算法178

6.1爬山法178

6.1.1爬山法的基本思想178

6.1.2爬山法算法流程178

6.1.3爬山法应用举例179

6.1.4爬山法的特点179

6.1.5爬山法存在的问题179

6.2模拟退火算法180

6.2.1模拟退火算法的基本思想180

6.2.2模拟退火算法流程180

6.2.3模拟退火算法应用举例181

6.2.4模拟退火算法的特点182

6.3禁忌搜索算法182

6.3.1禁忌搜索算法的基本思想182

6.3.2影响禁忌搜索算法性能的关键因素183

6.3.3禁忌搜索算法流程187

6.3.4禁忌搜索应用举例188

6.3.5禁忌搜索算法的特点192

6.4蚁群算法193

6.4.1蚁群觅食行为的启示193

6.4.2蚁群算法的基本思想193

6.4.3蚁群算法流程194

6.4.4蚁群算法的特点196

6.5粒子群算法197

6.5.1鸟群飞行方式的启示197

6.5.2粒子群算法的基本思想197

6.5.3粒子群算法流程199

6.5.4粒子群算法的应用举例199

6.5.5粒子群算法的特点200

6.6遗传算法200

6.6.1遗传算法的基本思想201

6.6.2遗传算法流程203

6.6.3遗传算法应用举例203

6.6.4遗传算法的特点204

6.7小结205

习题六206

第7章 分布式人工智能207

7.1分布式人工智能概述207

7.1.1分布式人工智能的定义207

7.1.2分布式人工智能的分类207

7.2 Agent技术208

7.2.1 Agent简介208

7.2.2移动Agent技术210

7.3多Agent系统212

7.3.1 MAS的概念及特性212

7.3.2与MAS有关的问题212

7.3.3 MAS通信214

7.4细胞膜计算技术216

7.4.1细胞膜计算的基本情况216

7.4.2细胞膜的化学组成和结构216

7.4.3细胞膜计算的基本概念219

7.4.4细胞膜计算应用举例220

7.5元胞自动机技术222

7.5.1自动机简介222

7.5.2元胞自动机的定义223

7.5.3元胞自动机的构成224

7.5.4元胞自动机的特征226

7.5.5经典元胞自动机模型227

7.6小结231

习题七232

第8章 机器学习233

8.1机器学习的基本过程233

8.1.1机器学习的定义233

8.1.2西洋跳棋游戏234

8.1.3西洋跳棋程序学习目标的确定234

8.1.4西洋跳棋程序的具体学习过程235

8.1.5机器学习的基本过程236

8.2决策树学习236

8.2.1决策树学习方法简介236

8.2.2信息增益237

8.2.3基本的决策树学习算法——ID3算法239

8.2.4 ID3算法举例240

8.2.5决策树学习算法的特点244

8.3人工神经网络学习244

8.3.1生物神经元244

8.3.2人工神经元245

8.3.3布尔函数的神经元实现246

8.3.4神经网络学习机制250

8.3.5前馈型BP网络255

8.3.6反馈型Hopfield网络261

8.3.7 Kohonen自组织网络265

8.4马尔可夫模型268

8.4.1马尔可夫模型简介268

8.4.2基于马尔可夫性质的学习法简介269

8.4.3基于马尔可夫性质的学习法应用举例270

8.4.4基于马尔可夫性质的学习法的适用问题273

8.5贝叶斯学习法273

8.5.1贝叶斯学习法的基本思想273

8.5.2朴素贝叶斯分类器275

8.5.3基于参数估计的贝叶斯分类方法277

8.5.4贝叶斯方法的特点282

8.6基于实例的学习282

8.6.1 K-近邻分类法282

8.6.2距离加权最近邻算法283

8.6.3局部加权回归284

8.6.4径向基函数285

8.6.5基于实例的学习方法的特点286

8.7小结286

习题八287

第9章 专家系统288

9.1专家系统的概念288

9.1.1什么是专家系统288

9.1.2专家系统的特点289

9.1.3专家系统的类型289

9.1.4专家系统与知识系统290

9.1.5专家系统与知识工程290

9.1.6专家系统与人工智能291

9.2专家系统的结构291

9.2.1概念结构291

9.2.2实际结构292

9.2.3分布式结构293

9.2.4黑板模型294

9.3专家系统的应用与发展概况295

9.3.1专家系统的意义295

9.3.2专家系统的应用295

9.3.3专家系统的发展概况296

9.4专家系统设计与实现300

9.4.1一般步骤与方法300

9.4.2快速原型与增量式开发301

9.4.3知识获取301

9.4.4知识表示与知识描述语言设计302

9.4.5知识库与知识库管理系统设计302

9.4.6推理机与解释功能设计304

9.4.7系统结构设计305

9.4.8人机界面设计305

9.5专家系统开发工具与环境306

9.5.1专家系统开发工具306

9.5.2专家系统开发环境308

9.6新一代专家系统研究309

9.6.1深层知识专家系统309

9.6.2模糊专家系统309

9.6.3神经网络专家系统309

9.6.4大型协同分布式专家系统310

9.6.5网上（多媒体）专家系统310

9.6.6事务处理专家系统310

9.7小结311

习题九311

第10章 人工智能程序设计语言313

10.1 LISP语言313

10.1.1 Scheme语言的基本概念314

10.1.2 Scheme语言的数据类型315

10.1.3 Scheme语言的过程定义322

10.1.4 Scheme语言的常用控制结构323

10.2 Prolog语言327

10.2.1 Prolog语言及其基本结构327

10.2.2 Prolog程序的简单例子328

10.3 Prolog语言的常用版本330

10.4小结331

习题十331

第11章 人工智能应用举例332

11.1专家系统实例332

11.1.1 PROSPECTOR的功能与结构332

11.1.2知识表示333

11.1.3控制策略337

11.1.4解释系统338

11.2智能算法运行与“云端”的设想339

11.2.1并行计算到云计算的演变339

11.2.2云计算智能与Monte Carlo方法339

11.2.3模拟谐振子算法341

11.2.4云计算系统与智能算法346

11.3元胞自动机在城市交通流中的应用347

11.3.1快速公交系统简介347

11.3.2兰州快速公交模型建立347

11.3.3数值模拟与仿真分析348

参考文献353