电子书
内容简介
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、机器学习等方面的内容。
章节目录
- A-fy
- 54092-bq
- C-qy
- D-ml
- 01
- 第1章
- 绪论
- 1.1 什么是人工智能
- 1.2 人工智能的发展简史
- 1．萌芽期（1956年以前）
- 2．第一次发展（1956—1974）
- 3．第一次寒冬（1974—1980）
- 4．第二次发展（1980—1987）
- 5．第二次寒冬（1987—1993）
- 6．稳健发展期（1993—2011）
- 7．繁荣期（2011—现在）
- 1.3 人工智能的研究目标
- 1．近期研究目标
- 2．远期研究目标
- 1.4 人工智能的研究方法
- 1.4.1 符号主义研究方法
- 1.4.2 连接主义研究方法
- 1.4.3 行为主义研究方法
- 1.5 人工智能的基本研究内容
- 1.5.1 智能感知
- 1.5.2 智能推理
- 1.5.3 智能学习
- 1.5.4 智能行动
- 习 题
- 02
- 第2章
- 知识表示
- 2.1 知识表示概述
- 2.1.1 什么是知识
- 1．知识的概念
- 2．知识、信息、事实、数据之间的关系
- 3．知识的分类
- 2.1.2 知识表示
- 1．表示能力
- 2．可利用性
- 3．可组织性与可维护性
- 4．可理解性和可实现性
- 2.2 状态空间表示法
- 2.2.1 问题状态描述
- 2.2.2 状态图示法
- 2.3 谓词逻辑表示法
- 2.3.1 谓词逻辑表示法的逻辑基础
- 2.3.2 连接词和量词
- 2.3.3 谓词逻辑表示法的步骤
- 2.3.4 谓词逻辑表示法的特点
- 2.4 语义网络表示法
- 2.4.1 语义基元
- 2.4.2 语义网络中常用的语义联系
- 1．以个体为中心组织知识的语义联系
- 2．以谓词或联系为中心组织知识的语义联系
- 2.4.3 语义网络的知识表示方法
- 1．叙述性知识表示
- 2．过程性知识表示
- 3．连接词在语义网络中的表示方法
- 4．变元和量词在语义网络中的表示方法
- 2.4.4 语义网络的推理过程
- 1．继承推理
- 2．匹配推理
- 2.4.5 语义网络表示法的特点
- 2.5 框架表示法
- 2.5.1 框架的基本结构
- 2.5.2 基于框架的推理过程
- 1．匹配
- 2．槽值的计算
- 2.5.3 框架表示法的特点
- 2.6 案例：知识图谱
- 习 题
- 03
- 第3章
- 逻辑推理及方法
- 3.1 逻辑推理概述
- 3.1.1 逻辑推理的定义
- 3.1.2 逻辑推理的分类
- 1．按推理的逻辑基础分类
- 2．按所用知识的确定性分类
- 3．按推理过程的单调性分类
- 4．按推理的方向分类
- 3.1.3 逻辑推理的控制策略
- 3.2 逻辑推理的基础
- 3.2.1 谓词公式
- 3.2.2 谓词公式的范式
- 1．前束范式
- 2．斯克林（Skolem）范式
- 3.2.3 置换与合一
- 1．置换
- 2．合一
- 3.3 归结演绎推理
- 3.3.1 子句集
- 1．子句和子句集
- 2．子句集的化简
- 3．子句集的应用
- 3.3.2 鲁滨逊归结原理
- 1．命题逻辑归结原理
- 2．谓词逻辑归结原理
- 3.3.3 归结反演
- 1．命题逻辑的归结反演
- 2．谓词逻辑的归结反演
- 3.3.4 归结策略
- 1．删除策略
- 2．限制策略
- 3.4 非归结演绎推理
- 3.4.1 自然演绎推理
- 3.4.2 与或形演绎推理
- 1．与或形正向演绎推理
- 2．与或形逆向演绎推理
- 3．与或形双向演绎推理
- 3.5 案例：家庭财务分配管理系统
- 习 题
- 04
- 第4章
- 非确定性推理及方法
- 4.1 什么是非确定性推理
- 1．非确定性的表示
- 2．非确定性的匹配
- 3．非确定性证据的组合算法
- 4．非确定性的传递算法
- 5．非确定性结论的合成算法
- 4.2 基本的概率推理
- 4.2.1 经典概率方法
- 4.2.2 逆概率方法
- 1．逆概率的基本理论
- 2．单个证据的情况
- 3．多个证据的情况
- 4．逆概率方法的优缺点
- 4.3 主观贝叶斯推理
- 4.3.1 非确定性表示
- 1．知识非确定性的表示
- 2．证据非确定性的表示
- 4.3.2 非确定性传递
- 1．证据在当前观察下肯定为真的情况
- 2．证据在当前观察下肯定为假的情况
- 3．证据在当前观察下既非为真又非为假的情况
- 4.3.3 结论非确定性的组合
- 4.4 基于可信度的推理
- 4.4.1 非确定性表示
- 1．知识非确定性的表示
- 2．可信度的定义及性质
- 3．证据非确定性的表示
- 4.4.2 非确定性计算
- 1．否定证据的非确定性计算
- 2．组合证据的非确定性计算
- 4.4.3 非确定性更新
- 4.4.4 结论非确定性的组合
- 4.5 证 据 理 论
- 4.5.1 DS理论
- 1．概率分配函数
- 2．信任函数和似然函数
- 3．类概率函数
- 4.5.2 非确定性表示
- 4.5.3 非确定性计算
- 4.5.4 非确定性更新
- 4.6 模 糊 推 理
- 4.6.1 模糊理论
- 1．模糊集合的定义
- 2．模糊集合的表示方法
- 3．模糊集合的运算
- 4．模糊关系与模糊关系的合成
- 5．模糊知识的表示
- 4.6.2 模糊匹配
- 1．语义距离
- 2．贴近度
- 4.6.3 模糊推理
- 1．模糊假言推理
- 2．模糊假言三段论推理
- 4.7 案例：基于朴素贝叶斯方法的垃圾邮件过滤
- 习 题
- 05
- 第5章
- 搜索策略
- 5.1 搜索的基本概念
- 5.2 基于状态空间的盲目搜索
- 5.2.1 状态空间的一般性搜索
- 5.2.2 状态空间的广度优先搜索
- 5.2.3 状态空间的深度优先搜索
- 5.3 基于状态空间的启发式搜索
- 5.3.1 动态规划
- 5.3.2 A*算法
- 5.3.3 爬山法
- 5.3.4 模拟退火算法
- 5.4 基于树的盲目搜索
- 5.4.1 与或树的一般性搜索
- 5.4.2 与或树的广度优先搜索
- 5.4.3 与或树的深度优先搜索
- 5.5 基于树的启发式搜索
- 5.5.1 与或树的有序搜索
- 5.5.2 博弈树搜索
- 5.5.3 博弈树的剪枝优化
- 5.6 案例：无人驾驶中的搜索策略
- 习 题
- 06
- 第6章
- 机器学习
- 6.1 机器学习概述
- 6.2 决 策 树
- 6.2.1 决策树和决策树构造
- 6.2.2 ID3生成算法
- 6.2.3 使用决策树实现分类
- 6.3 贝叶斯模型
- 6.3.1 贝叶斯概率
- 6.3.2 朴素贝叶斯模型
- 6.3.3 贝叶斯网络
- 6.4 支持向量机
- 6.4.1 超平面分割和最大间隔
- 6.4.2 线性可分支持向量机
- 6.4.3 非线性可分支持向量机
- 6.4.4 支持向量机实现多分类
- 1．一对多法
- 2．一对一法
- 3．层次分类法
- 6.5 聚 类 算 法
- 6.5.1 聚类解决的问题
- 6.5.2 K-Means
- 6.5.3 层次聚类
- 6.5.4 聚类分析的医学应用
- 6.6 神经网络与深度学习
- 6.6.1 神经元、感知器、人工神经网络
- 6.6.2 径向神经网络
- 6.6.3 Hopfield神经网络
- 6.6.4 玻尔兹曼机
- 6.6.5 自组织映射网络
- 6.6.6 BP神经网络
- 6.6.7 深度学习，究竟“深”在何处
- 6.6.8 卷积神经网络
- 6.6.9 循环神经网络
- 6.6.10 生成式对抗网络
- 6.6.11 让“渣”画质的图像以假乱真
- 6.7 强 化 学 习
- 6.7.1 强化学习“强化”了什么
- 6.7.2 Q-Learning算法
- 6.7.3 DQN算法
- 6.7.4 让计算机自己玩游戏
- 6.8 案例：账号过滤
- 习 题
- 07
- 第7章
- 人工智能的其他应用领域
- 7.1 计算机视觉
- 7.1.1 视觉与视觉图像
- 7.1.2 图像特征的提取
- 1．颜色特征
- 2．纹理特征
- 3．形状特征
- 4．空间关系特征
- 7.1.3 视觉模型与图像识别
- 7.2 自然语言处理
- 7.2.1 打破机器与人的语言障碍
- 7.2.2 词法分析
- 7.2.3 句法分析
- 7.2.4 语义分析
- 7.2.5 语料库的建立与处理
- 7.3 智 能 体
- 7.3.1 智能体的研究与发展
- 7.3.2 智能体通信
- 1．智能体通信过程
- 2．智能体通信类型
- 3．智能体通信方式
- 4．智能体通信层次
- 7.3.3 多智能体系统的协调与协作
- 1．协调
- 2．协作
- 7.4 案例：病斑叶片识别
- 1．案例分析
- 2．数据增强
- 3．训练过程
- 4．测试过程
- 习 题
- ck
展开全部
人工智能导论是2021年由人民邮电出版社出版,作者编著。
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《人工智能导论》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。
