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，引起学习者的兴趣；学习情境2主要从智能机器如何进行知识存储的角度来理解人工智能；学习情境3主要从智能机器如何使用知识进行探索世界和求解问题的角度来进一步理解人工智能；学习情境4主要从智能机器如何进行自主学习知识、增长智慧的角度来理解人工
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。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
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。
电子书
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与相关分支领域相融合所产生的新技术。第三篇是应用篇，共三章（第14～16章），介绍智能产品的开发及目前广为流行的四种应用实例。第四篇是展望篇，共一章（第17章），对人工智能学科今后发展提出建议和看法。 在本书的编写中坚持三
电子书
本书共分10个项目，详细介绍了人工智能导论的相关知识，内容包括人工智能的前世今生、从零开始认识人工智能、人工智能编程基础开发语言——Phython、物体识别、计算机视觉的应用——人脸识别、生物信息识别、自然语言处理、语音识别、无人驾驶和数据挖掘。本书适用于高职高专院校理工科学生，作为通识课教材使用。
电子书
本书以培养人工智能素养、计算思维能力和人工智能应用能力为目标，选用Python作为讲授计算思维和人工智能的载体，通过问题驱动、层层递进方式，培养学生的信息处理能力、问题解决能力和人工智能技术应用能力。本书内容主要包括人工智能绪论、人工智能之Python基础、人工智能之Python进阶、人工智能之商业智能、人工智能之BaiduAI库应用、人工智能之机器学习、创建GUI程序，以及人工智能之仿真模拟。
电子书
本书内容包括ProcessSimulate概述，夹具、机器人的定义与机构的创建，机器人搬运、机床上下料、机器人焊接、点焊工作站、码垛工作站的模拟仿真。
电子书
本书共6章：第1章概述了工业报警系统的研究意义、突出问题和研究现状；第2章通过基于报警统计量的状态图，描述了某个时期内报警变量所处的运行状态；第3章提出了报警延迟器、报警死区和报警阈值的优化设计方法；第4章以关联变量的变化方向、变化空间、变化速率为基础，设计了相应的多变量报警器；第5章针对描述报警变量与根源变量关系的不同模型，建立了3种报警根源分析方法；第6章面向短时间内出现的大量报警信息，设计了
电子书
本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，最后讨论自编码模型、对抗生成网络、深度强化学习。
电子书
本书分为3部分，分别是综述篇、通用技术篇和行业应用篇。综述篇介绍了现阶段人工智能产品发展情况和人工智能政策环境。通用技术篇精心挑选10个以研发底层技术为核心竞争力的企业的产品，详细介绍了它们的实现思路以及现阶段应用。行业应用篇共有24个案例，主要汇集了人工智能技术与实体经济结合的应用案例，重点关注人工智能技术的应用场景拓展。
