图书介绍
人工智能基础与应用PDF|Epub|txt|kindle电子书版本网盘下载
- 吴胜，王书芹编著 著
- 出版社： 北京：电子工业出版社
- ISBN：712103512X
- 出版时间：2007
- 标注页数：150页
- 文件大小：9MB
- 文件页数：162页
- 主题词：人工智能－高等学校－教材
PDF下载
下载说明
人工智能基础与应用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
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19
实验19
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225
本章小结25
实验226
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361
实验361
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487
实验488
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597
本章小结97
习题597
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6119
实验6119
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7134
习题7134
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8141
实验8141
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9150
实验9150
参考文献151