高等人工智能原理 观念·方法·模型·理论PDF|Epub|txt|kindle电子书版本网盘下载

高等人工智能原理 观念·方法·模型·理论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

第一篇 总论：高等人工智能研究的科学观与方法论3

第1章 自然智能理论研究的启迪3

1.1脑神经科学研究简介3

1.1.1人类大脑与智能系统3

1.1.2脑的组织学5

1.1.3脑组织的细胞学8

1.2认知科学研究简介14

1.2.1感知15

1.2.2注意16

1.2.3记忆18

1.2.4思维21

1.2.5语言23

1.2.6情绪24

1.3脑科学与认知科学的融通：“全信息”科学观25

1.3.1脑神经科学与认知科学：存在“理论的断裂”25

1.3.2认知科学研究：需要“全信息”，也能生成“全信息”29

1.4小结与评注36

参考文献37

第2章 人工智能研究方法的变革39

2.1人工智能研究鸟瞰39

2.1.1人工智能的基本概念39

2.1.2“人工智能”含义的辨析45

2.1.3人工智能研究的历史与现状47

2.2科学研究方法的进化55

2.2.1科学方法论的进化55

2.2.2科学方法论演进概要56

2.3概念与方法的重审：开放复杂信息系统的科学方法论61

2.3.1人工智能研究遭遇的科学方法论问题62

2.3.2人工智能研究的新型科学方法论65

2.3.3《高等人工智能原理》一书的知识结构72

2.4小结与评注73

参考文献74

第二篇 高等人工智能的基础理论79

第3章 全信息理论79

3.1基本概念79

3.1.1现有信息概念简评79

3.1.2信息定义谱系：本体论信息与认识论信息83

3.1.3 Shannon信息：统计型语法信息91

3.2全信息的分类与描述95

3.2.1信息的分类96

3.2.2信息的描述99

3.3信息的度量108

3.3.1概率语法信息的测度：Shannon概率熵108

3.3.2模糊语法信息的测度：DeLuca-Termin模糊熵110

3.3.3语法信息的统一测度：一般信息函数112

3.3.4全信息的测度117

3.4小结与评注122

参考文献123

第4章 知识理论125

4.1知识的概念、分类与表示126

4.1.1知识及其相关的基本概念126

4.1.2知识的分类与表示134

4.2知识的度量141

4.2.1针对“知识生成”的知识测度141

4.2.2针对“知识激活”的知识度量146

4.3知识的生态学147

4.3.1知识的内生态系统147

4.3.2知识的外生态系统156

4.4小结与评注158

参考文献159

第三篇 高等人工智能的主体理论163

第5章 感知、注意与记忆：第一类信息转换原理163

5.1高等人工智能的系统模型与机制主义方法163

5.1.1高等人工智能的系统模型163

5.1.2信息转换：高等人工智能系统的机制主义方法169

5.2第一类信息转换原理及感知与注意的生成机制172

5.2.1第一类信息转换原理：全信息的生成机理172

5.2.2重要的副产品：脑科学与认知科学的“搭界”177

5.2.3第一类信息转换原理的应用：感知注意的生成机理179

5.3记忆系统的全信息机制184

5.3.1记忆系统的全信息存储186

5.3.2长期记忆系统的信息存储结构与提取方式194

5.4小结与评注203

参考文献204

第6章 意识、情感、理智与行为：第二类信息转换原理206

6.1基础意识的生成机制：第二类A型信息转换原理207

6.1.1意识的含义208

6.1.2基础意识的生成机制212

6.2情感的生成机制：第二类B型信息转换原理223

6.2.1基本概念223

6.2.2情感的分类227

6.2.3情感生成的机制229

6.3理智的生成机制：第二类C型信息转换原理237

6.3.1理智的基本概念238

6.3.2理智生成的机制246

6.3.3综合决策253

6.4策略执行的机制：第二类D型信息转换原理255

6.4.1策略表示256

6.4.2策略执行：从策略信息到策略行为的转换260

6.5小结与评注264

参考文献266

第四篇 高等人工智能与现行人工智能的关系273

第7章 物理符号系统：规范知识支持的机制主义方法273

7.1形态性知识支持的智能生成方法274

7.1.1一般模型274

7.1.2控制策略279

7.2内容性知识支持的机制主义方法286

7.2.1谓词逻辑286

7.2.2归谬推理288

7.3价值性知识支持的机制主义方法296

7.3.1启发式搜索296

7.3.2博弈树搜索300

7.3.3智能搜索与智能检索方法305

7.4小结与评注308

参考文献310

第8章 人工神经网络：经验知识支持的机制主义方法312

8.1生物神经网络与人工神经网络313

8.1.1人类智能与生物神经网络313

8.1.2人工神经网络基础318

8.2前向神经网络及其应用322

8.2.1单层感知器322

8.2.2多层感知器324

8.3反馈神经网络330

8.3.1 Hopfield模型330

8.3.2联想存储器：反馈型神经网络设计举例333

8.4自组织神经网络338

8.5小结与评注342

参考文献344

第9章 感知-动作系统：常识知识支持的机制主义方法345

9.1传感347

9.2模式分类354

9.2.1统计识别方法355

9.2.2语言学方法357

9.2.3神经网络方法360

9.2.4关于“模式理解”的提要362

9.3感知-动作系统365

9.3.1感知-动作系统的总体原则365

9.3.2几个典型的感知-动作系统368

9.3.3智能体：感知-动作系统的变种370

9.4小结与评注374

参考文献376

第五篇 应用问题择要379

第10章 有关应用的几个共性课题379

10.1自然语言理解379

10.1.1自然语言理解与自然语言处理380

10.1.2规则方法与统计方法381

10.1.3领域广度与质量优度384

10.1.4语言理解与信息理论385

10.1.5全信息理论与自然语言理解389

10.1.6全信息自然语言理解方法论391

10.1.7全信息自然语言理解方法论的应用392

10.2机器学习394

10.2.1学习的一般概念394

10.2.2学习的一般理论396

10.2.3几种常用的机器学习方法400

10.3智能机器人和智能信息网络404

10.3.1智能机器人404

10.3.2智能信息网络408

10.3.3智能技术的应用前景412

10.4小结与评注414

参考文献415

结语417

索引421