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 绪论1

1.1 什么是人工智能1

1.1.1 人工智能1

1.1.2 智能2

1.1.3 人工智能的测试3

1.2 人工智能的研究内容5

1.2.1 学科结构5

1.2.2 基本技术6

1.2.3 基本内容7

1.3 人工智能的研究目标7

1.4 人工智能的研究途径和方法7

1.4.1 传统划分方法7

1.4.2 现代划分方法9

1.5 人工智能的研究领域10

1.5.1 博弈10

1.5.2 自动定理证明10

1.5.3 专家系统11

1.5.4 模式识别12

1.5.5 机器学习13

1.5.6 计算智能13

1.5.7 自然语言处理14

1.5.8 分布式人工智能15

1.5.9 机器人15

1.6 人工智能的发展概况17

1.6.1 诞生17

1.6.2 发展17

1.6.3 现状与发展趋势18

习题119

第2章 基于图的知识表示与图搜索技术20

2.1 概述20

2.1.1 知识与问题求解框架20

2.1.2 知识表示21

2.1.3 图搜索技术22

2.2 状态空间图表示23

2.2.1 状态空间图23

2.2.2 隐式状态空间图28

2.3 状态空间图的盲目搜索30

2.3.1 广度优先搜索31

2.3.2 深度优先搜索32

2.4 状态空间图的启发式搜索34

2.4.1 启发式搜索算法34

2.4.2 启发式搜索的A算法和A*算法35

2.4.3 A*算法在游戏中的应用41

2.5 与或图表示及搜索技术43

2.5.1 与或图表示43

2.5.2 与或树的盲目搜索46

2.5.3 与或树的启发式搜索48

2.6 博弈树及搜索技术51

2.6.1 博弈树51

2.6.2 博弈树搜索52

2.6.3 剪枝技术在博弈问题中的应用56

习题260

第3章 基于谓词逻辑的知识表示与机器推理技术64

3.1 机器推理概述64

3.2 谓词逻辑简介65

3.2.1 基于命题逻辑的知识表示65

3.2.2 谓词逻辑65

3.2.3 基于谓词逻辑的知识表示68

3.3 自然演绎推理71

3.4 归结演绎推理73

3.4.1 子句集73

3.4.2 命题逻辑中的归结原理77

3.4.3 替换与合一79

3.4.4 谓词逻辑中的归结原理81

3.4.5 利用归结原理求解问题84

3.4.6 归结策略86

3.5 归结原理与Prolog语言92

3.5.1 Horn子句92

3.5.2 逻辑程序设计语言Prolog94

3.6 基于规则的演绎推理97

3.6.1 正向演绎推理97

3.6.2 反向演绎推理100

3.6.3 双向演绎推理102

习题3102

第4章 不确定性知识的表示与推理技术105

4.1 不确定性知识的表示与推理概述105

4.1.1 不确定性及其类型105

4.1.2 不确定性推理106

4.2 确定性理论108

4.2.1 知识的不确定性表示108

4.2.2 证据的不确定性表示110

4.2.3 不确定性的传播与计算111

4.2.4 确定性理论的特点及进一步发展112

4.3 主观贝叶斯方法113

4.3.1 知识的不确定性表示113

4.3.2 证据的不确定性表示114

4.3.3 不确定性的传播与计算115

4.3.4 主观贝叶斯方法的特点118

4.4 证据理论118

4.4.1 D-S理论119

4.4.2 证据理论的不确定性推理模型123

4.5 基于贝叶斯网络的推理129

4.5.1 什么是贝叶斯网络129

4.5.2 贝叶斯网络推理129

4.6 模糊推理132

4.6.1 模糊集合及模糊逻辑132

4.6.2 简单模糊推理137

4.7 不确定性推理的应用139

习题4140

第5章 产生式表示与专家系统142

5.1 产生式与产生式系统142

5.1.1 产生式表示142

5.1.2 产生式系统结构144

5.1.3 产生式系统工作过程145

5.2 专家系统概述150

5.2.1 什么是专家系统151

5.2.2 专家系统的类型151

5.2.3 专家系统的发展153

5.3 专家系统结构及工作过程155

5.3.1 专家系统的结构155

5.3.2 专家系统工作过程156

5.4 专家系统的开发159

5.4.1 开发步骤和方法159

5.4.2 知识获取160

5.4.3 推理机及解释机构设计161

5.4.4 开发工具及开发环境162

5.5 专家系统的实例164

5.6 新型专家系统166

5.6.1 分布式专家系统166

5.6.2 协同式专家系统167

5.6.3 模糊专家系统168

5.6.4 神经网络专家系统169

习题5170

第6章 机器学习171

6.1 概述171

6.1.1 机器学习的定义171

6.1.2 机器学习系统的基本结构171

6.1.3 一个学习系统的例子172

6.2 概念学习174

6.2.1 概念学习的FIND-S算法174

6.2.2 FIND-S算法实例174

6.3 决策树175

6.3.1 决策树的表示176

6.3.2 决策树的学习——ID3算法176

6.3.3 ID3算法实例178

6.4 人工神经网络179

6.4.1 感知器180

6.4.2 线性单元181

6.4.3 多层网络和反向传播算法182

6.4.4 反向传播算法实例183

6.5 遗传算法186

6.5.1 遗传算法模型186

6.5.2 遗传算法实例188

6.5.3 遗传编程190

6.5.4 遗传编程举例191

习题6192

第7章 计算智能194

7.1 人工免疫算法194

7.1.1 自然免疫系统194

7.1.2 人工免疫算法模型195

7.1.3 人工免疫算法的应用196

7.2 蚁群算法197

7.2.1 蚂蚁系统的原理197

7.2.2 蚁群算法模型198

7.2.3 蚁群算法的应用200

7.3 粒子群算法201

7.3.1 粒子群系统201

7.3.2 粒子群算法模型201

7.3.3 粒子群算法的应用202

7.4 模拟退火算法202

7.4.1 固体退火过程202

7.4.2 模拟退火算法模型203

7.4.3 模拟退火算法的应用204

习题7204

第8章 自然语言处理205

8.1 概述205

8.1.1 自然语言的特点206

8.1.2 自然语言处理涉及的层次207

8.2 词法分析208

8.2.1 英语中词的识别208

8.2.2 汉语分词209

8.3 句法分析211

8.3.1 短语结构语法211

8.3.2 依存语法212

8.4 语义分析212

8.4.1 词义消歧213

8.4.2 语义角色标注213

8.5 语言知识库213

8.5.1 现代汉语语法信息词典214

8.5.2 知网215

8.5.3 现代汉语虚词用法知识库216

8.6 自然语言处理的应用218

8.6.1 机器翻译218

8.6.2 信息检索219

习题8220

第9章 分布式人工智能及其应用221

9.1 DAI的特点221

9.1.1 Agent及其特性222

9.1.2 Agent分类223

9.1.3 Agent的BDI模型225

9.1.4 Agent联盟226

9.1.5 DAI系统特性228

9.2 多Agent系统228

9.2.1 多Agent系统分类229

9.2.2 Agent的学习229

9.2.3 多Agent通信230

9.3 分布式问题求解232

9.3.1 多Agent联合求解过程233

9.3.2 合同网234

9.4 并行人工智能235

9.4.1 并行人工智能的软件支持235

9.4.2 并行人工智能的硬件支持236

9.5 分布式人工智能的应用237

9.5.1 多Agent在军事作战指挥系统中的应用237

9.5.2 多Agent在智能交通中的应用239

9.5.3 多Agent在智能大厦中的应用242

习题9244

实验指导245

基础实验部分245

实验一 求解八数码问题245

实验二 使用极小极大分析方法实现井字棋游戏245

实验三 实现基于谓词逻辑的归结原理246

实验四 实现一个基于产生式系统的小型专家系统246

扩展实验部分247

参考文献248