人工智能 第2版PDF|Epub|txt|kindle电子书版本网盘下载

人工智能 第2版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 智能的定义1

1.1.2 人工智能的定义2

1.2 人工智能的发展5

1.2.1 孕育期5

1.2.2 摇篮期5

1.2.3 形成期6

1.2.4 发展期7

1.2.5 实用期7

1.2.6 稳步增长期8

1.3 人工智能的研究方法8

1.3.1 符号主义9

1.3.2 连接主义9

1.3.3 行为主义10

1.4 人工智能的应用领域10

1.4.1 机器学习11

1.4.2 知识发现和数据挖掘11

1.4.3 专家系统12

1.4.4 模式识别12

1.4.5 自然语言处理12

1.4.6 智能决策支持系统12

1.4.7 人工神经网络13

1.4.8 自动定理证明13

1.4.9 机器人学13

1.4.10 分布式人工智能与智能体14

1.5 小结14

习题14

第2章 知识表示15

2.1 概述15

2.1.1 知识与知识表示15

2.1.2 知识表示方法16

2.2 谓词逻辑表示法17

2.2.1 命题逻辑17

2.2.2 谓词逻辑19

2.3 产生式表示法24

2.3.1 产生式可表示的知识种类及其基本形式24

2.3.2 知识的表示方法25

2.3.3 产生式系统的组成27

2.3.4 产生式系统的推理方式28

2.3.5 产生式表示法的特点29

2.4 语义网络表示法31

2.4.1 语义网络的概念及结构31

2.4.2 语义网络的基本语义联系31

2.4.3 语义网络表示知识的方法及步骤34

2.4.4 语义网络知识表示举例37

2.4.5 语义网络的推理过程38

2.4.6 语义网络表示法的特点39

2.5 框架表示法39

2.5.1 框架结构40

2.5.2 框架表示知识举例41

2.5.3 推理方法43

2.5.4 框架表示法的特点44

2.6 脚本表示法44

2.6.1 脚本的定义与组成44

2.6.2 用脚本表示知识的步骤47

2.6.3 用脚本表示知识的推理方法47

2.6.4 脚本表示法的特点48

2.7 面向对象的知识表示48

2.7.1 面向对象的基本概念48

2.7.2 面向对象的知识表示50

2.7.3 面向对象方法学的主要观点51

2.8 小结51

习题52

第3章 搜索策略54

3.1 引言54

3.2 基于状态空间图的搜索技术55

3.2.1 图搜索的基本概念56

3.2.2 状态空间搜索56

3.2.3 一般图的搜索算法61

3.3 盲目搜索62

3.3.1 宽度优先搜索62

3.3.2 深度优先搜索65

3.3.3 有界深度搜索和迭代加深搜索67

3.3.4 搜索最优策略的比较68

3.4 启发式搜索68

3.4.1 启发性信息和评估函数69

3.4.2 启发式搜索算法A69

3.4.3 实现启发式搜索的关键因素和A算法70

3.4.4 迭代加深A算法74

3.4.5 回溯策略和爬山法75

3.5 问题规约和与或图启发式搜索76

3.5.1 问题规约76

3.5.2 与／或图表示78

3.5.3 与／或图的启发式搜索80

3.6 博弈83

3.6.1 极大极小过程85

3.6.2 α-β过程87

3.7 小结88

习题89

第4章 确定性推理91

4.1 概述91

4.1.1 推理的概述和类型91

4.1.2 推理的控制策略94

4.2 推理的逻辑基础96

4.3 自然演绎推理99

4.4 归结演绎推理100

4.4.1 子句型100

4.4.2 鲁滨逊归结原理102

4.4.3 归结演绎推理的归结策略106

4.4.4 用归结反演求取问题的答案110

4.5 小结111

习题112

第5章 不确定性推理113

5.1 概述113

5.1.1 什么是不确定性推理113

5.1.2 知识不确定性的来源114

5.1.3 不确定推理要解决的基本问题114

5.1.4 不确定性推理方法分类117

5.2 主观Bayes方法117

5.2.1 知识不确定性的表示118

5.2.2 证据不确定性的表示121

5.2.3 不确定性的更新121

5.2.4 结论不确定性的合成算法123

5.3 可信度方法126

5.3.1 可信度模型127

5.3.2 确定性方法的说明132

5.4 证据理论133

5.4.1 证据的不确定性133

5.4.2 证据的组合函数136

5.4.3 规则的不确定性137

5.4.4 不确定性的组合137

5.5 模糊推理140

5.5.1 模糊数学的基本知识140

5.5.2 模糊假言推理142

5.6 小结145

习题146

第6章 机器学习148

6.1 机器学习概述148

6.1.1 学习与机器学习148

6.1.2 学习系统149

6.1.3 机器学习的发展简史151

6.1.4 机器学习分类152

6.1.5 机器学习的应用与研究目标153

6.2 归纳学习154

6.2.1 归纳学习的基本概念155

6.2.2 变型空间学习156

6.2.3 归纳偏置158

6.3 决策树学习159

6.3.1 决策树的组成及分类159

6.3.2 决策树的构造算法CLS161

6.3.3 基本的决策树算法ID3162

6.3.4 决策树的偏置165

6.4 基于实例的学习165

6.4.1 k-近邻算法165

6.4.2 距离加权最近邻法166

6.4.3 基于范例的学习167

6.5 强化学习171

6.5.1 强化学习模型172

6.5.2 马尔可夫决策过程172

6.5.3 Q学习174

6.6 小结176

习题176

第7章 专家系统178

7.1 专家系统概述178

7.1.1 专家系统的主要特性178

7.1.2 专家系统的结构与类型179

7.2 基于规则的专家系统181

7.2.1 基于规则的专家系统的基本结构181

7.2.2 基于规则的专家系统的特点182

7.2.3 基于规则的专家系统举例183

7.3 基于框架的专家系统183

7.3.1 基于框架的专家系统简介183

7.3.2 基于框架的专家系统的继承、槽和方法184

7.3.3 基于框架的专家系统举例185

7.4 基于模型的专家系统186

7.4.1 基于模型的专家系统的概念186

7.4.2 基于模型的专家系统举例187

7.5 专家系统的开发187

7.5.1 开发步骤188

7.5.2 知识的获取189

7.5.3 专家系统的开发工具及环境190

7.6 专家系统设计举例192

7.6.1 专家知识的描述192

7.6.2 知识的使用196

7.6.3 决策的解释198

7.6.4 MYCIN系统199

7.7 新型专家系统200

7.8 小结202

习题202

第8章 支持向量机203

8.1 概述203

8.2 统计学习理论204

8.2.1 学习问题的表示204

8.2.2 期望风险和经验风险205

8.2.3 VC维理论206

8.2.4 推广性的界207

8.2.5 结构风险最小化208

8.3 支持向量机209

8.3.1 函数集结构的构造210

8.3.2 支持向量机210

8.4 核函数213

8.4.1 概述213

8.4.2 核函数的分类215

8.5 SVM的算法及多类SVM216

8.5.1 SVM的算法216

8.5.2 多类问题中的SVM216

8.6 ε-不敏感损失函数和非线性回归的SVM216

8.6.1 ε-不敏感损失函数216

8.6.2 非线性回归SVM模型217

8.7 SVM的应用219

8.7.1 人脸检测、验证和识别219

8.7.2 说话人／语音识别220

8.7.3 文字／手写体识别220

8.7.4 图像处理220

8.8 小结221

习题221

第9章 神经计算223

9.1 人工神经元模型223

9.2 感知器225

9.2.1 感知器的结构225

9.2.2 感知器学习算法226

9.3 反向传播网络228

9.3.1 BP网络的结构228

9.3.2 BP网络的学习算法228

9.4 自组织映射神经网络231

9.4.1 SOM网络结构232

9.4.2 SOM网络的学习算法232

9.5 Hopfield网络234

9.5.1 离散Hopfield网络的结构234

9.5.2 离散Hopfield网络的稳定性235

9.5.3 离散Hopfield网络的学习算法235

9.6 脉冲耦合神经网络236

9.6.1 PCNN的结构236

9.6.2 PCNN的学习算法236

9.7 神经计算的发展趋势237

9.8 小结238

习题239

第10章 进化计算240

10.1 概述240

10.2 遗传算法241

10.2.1 遗传算法的基本原理241

10.2.2 遗传算法的应用示例242

10.2.3 模式定理245

10.2.4 遗传算法的改进248

10.3 进化规划249

10.3.1 标准进化规划及其改进249

10.3.2 进化规划的基本技术251

10.4 进化策略252

10.4.1 进化策略及其改进252

10.4.2 进化策略的基本技术253

10.5 GA、EP、ES的异同255

10.6 小结256

习题256

第11章 人工智能的争论与展望257

11.1 人工智能的争论257

11.1.1 对人工智能理论的争论257

11.1.2 对人工智能方法的争论258

11.1.3 对人工智能技术路线的争论258

11.1.4 对强弱人工智能的争论259

11.2 人工智能的展望260

11.2.1 更新的理论框架260

11.2.2 更好的技术集成261

11.2.3 更成熟的应用方法261

11.2.4 脑机接口262

11.3 小结262

习题263

参考文献264