本书根据人工智能技术服务专业人才培养的需求，以智能机器人为载体，以揭开人工智能的神秘面纱为主线进行编写，设置了5个学习情境。学习情境1主要介绍人工智能的发展和应用，引起学习者的...
电子书
内容简介
本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。
本书力求科学性、实用性和先进性，可读性好。内容由浅入深、循序渐进，条理清晰，让学生在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。
本书可以作为高等院校计算机科学与技术、自动化等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。
章节目录
- 人工智能
- 书名页
- 版权页
- 出版说明
- 前言
- 第1章 绪论
- 1.1 什么是人工智能
- 1.2 人工智能的起源与发展历史
- 1.3 人工智能研究的基本内容
- 1.3.1 认知建模
- 1.3.2 知识表示
- 1.3.3 自动推理
- 1.3.4 机器学习
- 1.4 人工智能研究的主要学派
- 1.4.1 符号主义
- 1.4.2 连接主义
- 1.4.3 行为主义
- 1.5 人工智能的应用
- 1.6 小结和展望
- 习题
- 第2章 知识表示
- 2.1 概述
- 2.2 谓词逻辑
- 2.3 产生式系统
- 2.4 语义网络
- 2.4.1 语义网络的概念和结构
- 2.4.2 复杂知识的表示
- 2.4.3 常用的语义联系
- 2.5 框架
- 2.5.1 框架结构
- 2.5.2 框架网络
- 2.5.3 推理方法
- 2.6 状态空间
- 2.7 面向对象的知识表示
- 2.8 脚本
- 2.8.1 脚本描述
- 2.8.2 概念依赖关系
- 2.9 本体
- 2.10 小结
- 习题
- 第3章 自动推理
- 3.1 概述
- 3.2 三段论推理
- 3.3 盲目搜索
- 3.3.1 深度优先搜索
- 3.3.2 宽度优先搜索
- 3.3.3 迭代加深搜索
- 3.4 回溯策略
- 3.5 启发式搜索
- 3.5.1 启发性信息和评估函数
- 3.5.2 爬山算法
- 3.5.3 模拟退火算法
- 3.5.4 最好优先算法
- 3.5.5 通用图搜索算法
- 3.5.6 A*算法
- 3.5.7 迭代加深A*算法
- 3.6 与或图启发式搜索
- 3.6.1 问题归约的描述
- 3.6.2 与或图表示
- 3.6.3 AO*算法
- 3.7 博弈搜索
- 3.7.1 极大极小过程
- 3.7.2 α－β过程
- 3.8 归结演绎推理
- 3.8.1 子句型
- 3.8.2 置换和合一
- 3.8.3 合一算法
- 3.8.4 归结式
- 3.8.5 归结反演
- 3.8.6 答案的提? ?9
- 3.8.7 归结反演的搜索策略
- 3.9 产生式系统
- 3.9.1 产生式系统的基本结构
- 3.9.2 正向推理
- 3.9.3 反向推理
- 3.9.4 混合推理
- 3.10 自然演绎推理
- 3.11 非单调推理
- 3.11.1 默认推理
- 3.11.2 限制推理
- 3.12 小结
- 习题
- 第4章 不确定性推理
- 4.1 概述
- 4.1.1 不确定性知识分类
- 4.1.2 不确定性推理的基本问题
- 4.1.3 不确定性推理方法分类
- 4.2 可信度方法
- 4.2.1 建造医学专家系统时的问题
- 4.2.2 可信度模型
- 4.2.3 确定性方法的说明
- 4.3 主观贝叶斯方法
- 4.3.1 贝叶斯公式
- 4.3.2 知识不确定性的表示
- 4.3.3 证据不确定性的表示
- 4.3.4 组合证据不确定性的计算
- 4.3.5 不确定性的传递算法
- 4.3.6 结论不确定性的合成
- 4.4 证据理论
- 4.4.1 假设的不确定性
- 4.4.2 证据的组合函数
- 4.4.3 规则的不确定性
- 4.4.4 不确定性的组合
- 4.5 模糊逻辑和模糊推理
- 4.5.1 模糊集合及其运算
- 4.5.2 语言变量
- 4.5.3 模糊逻辑
- 4.5.4 模糊推理
- 4.6 小结
- 习题
- 第5章 机器学习
- 5.1 机器学习概述
- 5.1.1 简单的学习模型
- 5.1.2 什么是机器学习
- 5.1.3 机器学习的研究概况
- 5.2 归纳学习
- 5.2.1 归纳学习的基本概念
- 5.2.2 变型空间学习
- 5.2.3 决策树
- 5.3 类比学习
- 5.3.1 相似性
- 5.3.2 转换类比
- 5.3.3 基于案例的推理
- 5.3.4 迁移学习
- 5.4 统计学习
- 5.4.1 逻辑回归
- 5.4.2 支持向量机
- 5.4.3 提升方法
- 5.5 强化学习
- 5.5.1 强化学习模型
- 5.5.2 学习自动机
- 5.5.3 自适应动态程序设计
- 5.5.4 Q－学习
- 5.6 进化计算
- 5.6.1 达尔文进化算法
- 5.6.2 遗传算法
- 5.6.3 进化策略
- 5.6.4 进化规划
- 5.7 群体智能
- 5.7.1 蚁群算法
- 5.7.2 粒子群优化
- 5.8 知识发现
- 5.9 小结
- 习题
- 第6章 神经网络
- 6.1 概述
- 6.2 神经信息处理的基本原理
- 6.3 感知机
- 6.3.1 基本神经元
- 6.3.2 感知机模型
- 6.4 前馈神经网络
- 6.4.1 前馈神经网络模型
- 6.4.2 误差反向传播算法
- 6.4.3 BP算法的若干改进
- 6.5 Hopfield网络
- 6.5.1 离散Hopfield网络
- 6.5.2 连续Hopfield网络
- 6.6 随机神经网络
- 6.6.1 模拟退火算法
- 6.6.2 玻耳兹曼机
- 6.7 深度学习
- 6.7.1 人脑视觉机理
- 6.7.2 自编码器
- 6.7.3 受限玻耳兹曼机
- 6.7.4 深度信念网络
- 6.7.5 卷积神经网络
- 6.8 自组织神经网络
- 6.8.1 网络的拓扑结构
- 6.8.2 网络自组织算法
- 6.8.3 监督学习
- 6.9 小结
- 习题
- 第7章 专家系统
- 7.1 专家系统概述
- 7.1.1 什么是专家系统
- 7.1.2 专家系统的特点
- 7.1.3 专家系统的发展史
- 7.2 专家系统的基本结构
- 7.3 专家系统MYCIN
- 7.3.1 咨询子系统
- 7.3.2 静态数据库
- 7.3.3 控制策略
- 7.4 专家系统工具CLIPS
- 7.4.1 概述
- 7.4.2 CLIPS中的知识表示
- 7.4.3 CLIPS运行
- 7.4.4 Rete匹配算法
- 7.5 专家系统工具JESS
- 7.6 面向对象专家系统工具OKPS
- 7.6.1 OKPS中的知识表示
- 7.6.2 推理控制语言ICL
- 7.7 专家系统建造
- 7.7.1 需求分析
- 7.7.2 系统设计
- 7.7.3 知识库构建
- 7.7.4 系统开发
- 7.7.5 系统测试
- 7.8 新型专家系统
- 7.8.1 分布式专家系统
- 7.8.2 协同式专家系统
- 7.8.3 神经网络专家系统
- 7.8.4 基于互联网的专家系统
- 7.9 小结
- 习题
- 第8章 自然语言处理
- 8.1 概述
- 8.1.1 什么是自然语言处理
- 8.1.2 自然语言处理的发展
- 8.1.3 自然语言处理的层次
- 8.2 词法分析
- 8.3 句法分析
- 8.3.1 短语结构语法
- 8.3.2 乔姆斯基形式语法
- 8.3.3 句法分析树
- 8.3.4 转移网络
- 8.3.5 扩充转移网络
- 8.4 语义分析
- 8.4.1 语义文法
- 8.4.2 格文法
- 8.5 语用分析
- 8.6 语料库
- 8.6.1 语料库语言学
- 8.6.2 统计方法的应用
- 8.6.3 汉语语料库加工
- 8.7 信息检索
- 8.8 机器翻译
- 8.9 问答系统
- 8.10 小结
- 习题
- 第9章 分布式人工智能与智能体
- 9.1 概述
- 9.2 分布式问题求解
- 9.2.1 分布式人工智能的兴起
- 9.2.2 分布式问题求解系统分类
- 9.2.3 分布式问题求解过程
- 9.3 智能体理论
- 9.3.1 理性智能体
- 9.3.2 BDI智能体模型
- 9.4 智能体结构
- 9.4.1 智能体基本结构
- 9.4.2 慎思智能体
- 9.4.3 反应智能体
- 9.4.4 层次智能体
- 9.5 智能体通信语言ACL
- 9.5.1 智能体间通信概述
- 9.5.2 FIPAACL消息
- 9.6 协调和协作
- 9.6.1 引言
- 9.6.2 合同网
- 9.6.3 基于生态学的协作
- 9.6.4 基于对策论的协商
- 9.6.5 基于意图的协商
- 9.7 移动智能体
- 9.8 多智能体环境MAGE
- 9.9 小结
- 习题
- 第10章 智能机器人
- 10.1 概述
- 10.2 智能机器人的体系结构
- 10.3 机器人视觉系统
- 10.3.1 视觉系统分类
- 10.3.2 定位技术
- 10.3.3 自主视觉导航
- 10.3.4 视觉伺服系统
- 10.4 机器人规划
- 10.4.1 任务规划
- 10.4.2 分层任务网络规划
- 10.4.3 路径规划
- 10.4.4 轨迹规划
- 10.5 情感机器人
- 10.6 发育机器人
- 10.7 机器人应用
- 10.8 智能机器人发展趋势
- 10.9 小结
- 习题
- 第11章 互联网智能
- 11.1 概述
- 11.2 语义Web
- 11.2.1 语义Web的层次模型
- 11.2.2 本体的基本概念
- 11.2.3 本体描述语言OWL
- 11.3 本体知识管理
- 11.3.1 知识管理系统Protégé
- 11.3.2 知识管理系统KMSphere
- 11.4 Web技术的演化
- 11.5 Web挖掘
- 11.5.1 Web内容挖掘
- 11.5.2 Web结构挖掘
- 11.5.3 Web使用挖掘
- 11.6 搜索引擎
- 11.6.1 搜索引擎原理
- 11.6.2 知识图谱
- 11.7 集体智能
- 11.7.1 引言
- 11.7.2 社群智能
- 11.7.3 集体智能系统
- 11.7.4 全球脑
- 11.8 小结
- 习题
- 第12章 类脑智能
- 12.1 概述
- 12.2 大数据智能
- 12.3 认知计算
- 12.4 欧盟人脑计划
- 12.5 美国脑计划
- 12.6 脑模拟系统Spaun
- 12.7 神经形态芯片
- 12.8 类脑智能路线图
- 习题
- 附录 课程实习
- 参考文献
展开全部
人工智能是2019年由机械工业出版社出版,作者史忠植 编著。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《人工智能》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
本书根据人工智能技术服务专业人才培养的需求，以智能机器人为载体，以揭开人工智能的神秘面纱为主线进行编写，设置了5个学习情境。学习情境1主要介绍人工智能的发展和应用，引起学习者的...
电子书
本书从人工智能的基本定义出发，阐述了人工智能的理论、策略、研究方法和应用领域，以梳理知识脉络和要点的方式，介绍了知识表示、逻辑推理及方法、非确定性推理及方法、搜索策略、机器学习...
电子书
本书从多个角度介绍人工智能的发展历史，重点介绍这一领域杰出的科学家，以及他们创造非凡成果的有趣故事。透过搜索引擎、网上购物、社交网络、智能家居等应用，人工智能技术目前已经开始影...
电子书
人工智能是计算机科学的一个重要分支与应用。目前人工智能主要的研究与开发方向有模拟、延伸与扩展人类智能的理论、方法、技术及应用系统，涉及的技术与应用包括：大数据思维、知识表示、专...
电子书
本书由四篇共17章组成。第一篇是基础理论篇，共九章（第1～9章），从整体角度介绍人工智能的基本概念与基础理论。第二篇是应用技术篇，共四章（第10～13章），介绍人工智能基础理论...
电子书
本书较为全面地介绍了人工智能技术服务、人工智能开放平台应用与实践等内容。全书共12个实训项目，包括人工智能概述、人工智能技术体系、智能数据服务平台入门使用、智能数据服务平台数据...