图书介绍
人工智能引论PDF|Epub|txt|kindle电子书版本网盘下载
- 朱福喜，杜友福，夏定纯主编 著
- 出版社： 武汉：武汉大学出版社
- ISBN：7307051397
- 出版时间：2006
- 标注页数：344页
- 文件大小：17MB
- 文件页数：361页
- 主题词：人工智能－高等学校－教材
PDF下载
下载说明
人工智能引论PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
1.1 人类智能与人工智能1
第一章 人工智能概述1
1.2 AI的起源及研究学派3
1.3 人工智能的发展5
1.4 人工智能的基本技术8
1.5 人工智能的研究与应用领域10
1.6 小结16
习题116
第二章 问题求解与搜索技术18
2.1 问题的状态和状态空间18
2.1.1 状态空间的定义及其一般搜索方法18
2.1.2 问题特征分析20
2.2 或图通用搜索算法22
2.3.2 深度优先搜索（Depth-first search）26
2.3 盲目的搜索方法26
2.3.1 广度优先搜索（Breath-first search）26
2.3.3 分枝有界搜索（Branch-and-bound）27
2.3.4 迭代加深搜索（Iterative deepening）27
2.4 启发式搜索方法27
2.4.1 启发式信息的表示27
2.4.2 A算法32
2.4.3 A*算法33
2.5 局部与全局搜索算法42
2.5.1 爬山法42
2.5.2 模拟退火算法43
2.5.3 最佳优先搜索算法44
2.6 博弈搜索算法45
2.6.1 博弈问题45
2.6.2 极小极大搜索过程46
2.6.3 α－β剪枝算法48
2.7 问题归约与AO*算法52
2.7.1 问题归约求解方法与“与／或图”52
2.7.2 与／或图搜索53
2.7.3 与／或图搜索的特点54
2.7.4 与／或图搜索算法AO56
2.7.5 对AO*算法的进一步分析57
习题258
第三章 知识表示与处理方法61
3.1 概述61
3.1.1 知识的基本概念61
3.1.2 知识表示概述63
3.1.3 AI中知识表示方法分类64
3.1.4 知识表示要注意的问题65
3.2.1 一阶谓词逻辑66
3.2 逻辑表示法66
3.2.2 谓词逻辑用于知识表示68
3.2.3 逻辑表示法的特点69
3.3 产生式表示法69
3.3.1 产生式的基本形式70
3.3.2 产生式系统的组成70
3.3.3 产生式系统的表示71
3.3.4 产生式系统的基本工作过程75
3.3.5 产生式系统的类型75
3.3.6 产生式规则的选择与匹配78
3.3.7 产生式表示的特点79
3.4 语义网络表示法80
3.4.1 语义网络的结构80
3.4.2 基本命题的语义网络表示80
3.4.3 连接词和量词在语义网络中的表示83
3.4.4 基于语义网络的推理88
3.4.5 语义网络的一般描述90
3.5 框架表示法92
3.5.1 框架理论92
3.5.2 框架的一般形式92
3.5.3 框架系统94
3.5.4 基于框架的推理95
3.5.5 框架表示法的特点97
3.6 小结97
习题398
第四章 归结推理及其应用99
4.1 自然演绎推理99
4.2 归结演绎推理101
4.2.1 归结的基本概念101
4.2.2 将谓词公式化成子句集的步骤102
4.2.3 代换与合一103
4.2.4 变量分离标准化105
4.2.5 Robinson归结原理106
4.3 归结方法107
4.3.1 命题演算的归结方法107
4.3.2 谓词演算的归结方法107
4.3.3 归结方法的应用108
4.4 归结原理的理论依据111
4.4.1 谓词演算基础111
4.4.2 归结方法的可靠性证明113
4.4.3 归结方法的完备性证明117
4.5 小结125
习题4126
5.1.1 基本概念128
5.1 不确定性推理概述128
第五章 不确定性推理128
5.1.2 基本问题129
5.1.3 基本方法131
5.2 MYCIN模型131
5.2.1 可信度概念131
5.2.2 证据不确定性的表示132
5.2.3 知识不确定性的表示132
5.2.4 不确定性推理计算133
5.3 主观Bayes方法137
5.3.1 知识不确定性的表示137
5.3.2 证据不确定性的表示139
5.3.3 不确定性的传递算法139
5.4 证据理论144
5.4.1 D-S理论的基本概念144
5.4.4 不确定性推理计算151
5.4.2 知识不确定性的表示151
5.4.3 证据不确定性的表示151
5.5 模糊集合154
5.5.1 基本概念154
5.5.2 模糊语言162
5.5.3 模糊规则与推理167
5.6 小结176
习题5177
第六章 专家系统179
6.1 专家系统概述179
6.1.1 专家系统的定义179
6.1.2 专家系统的特征180
6.1.3 专家系统的分类181
6.1.4 专家系统的研究内容184
6.2.1 理想的专家系统结构185
6.2 专家系统的结构185
6.2.2 专家系统的主要组成部分186
6.3 专家系统开发阶段与过程188
6.3.1 专家系统开发阶段188
6.3.2 专家系统开发过程189
6.4 专家系统开发工具与环境192
6.4.1 专家系统开发工具192
6.4.2 专家系统开发环境195
6.5 专家系统发展趋势196
6.5.1 新型专家系统特征分析196
6.5.2 分布式专家系统197
6.5.3 协同式专家系统199
6.5.4 其他新型专家系统200
习题6201
6.6 小结201
第七章 机器学习202
7.1 概述202
7.1.1 学习和机器学习的定义202
7.1.2 机器学习研究的发展203
7.1.3 机器学习的方法及其分类203
7.1.4 机器学习中的推理方法206
7.2 基于解释的学习207
7.2.1 基于解释的学习的基本原理207
7.2.2 基于解释的学习的一般框架208
7.2.3 基于解释的学习过程209
7.3 基于类比的学习210
7.3.1 类比学习的一般原理210
7.3.2 类比学习的表示210
7.3.3 类比学习的求解211
7.4.1 归纳概念学习的定义212
7.4 归纳学习212
7.4.2 归纳概念学习算法的一般步骤215
7.4.3 归纳概念学习的基本技术217
7.5 基于神经网络的学习225
7.5.1 人工神经网络的基本原理225
7.5.2 人工神经网络的基本结构模式229
7.5.3 人工神经网络互连结构230
7.5.4 神经网络的学习算法233
7.5.5 神经网络模型分类235
7.6 小结236
习题7237
第八章 自然语言理解238
8.1 自然语言及其理解238
8.1.1 自然语言及其构成238
8.1.2 自然语言理解的概念239
8.1.3 自然语言理解的研究进展240
8.1.4 自然语言理解的层次242
8.2 词法分析242
8.3 句法和语意分析243
8.3.1 句法分析243
8.3.2 语意分析245
8.4 自然语言理解系统的模型246
8.5 自然语言理解系统应用实例248
8.6 小结250
习题8250
第九章 分布式人工智能251
9.1 概述251
9.2 分布式问题求解252
9.3 主体255
9.3.1 什么是主体255
9.3.2 什么是智能主体256
9.3.3 智能主体的抽象结构257
9.4 主体理论258
9.4.1 可能世界模型259
9.4.2 理性主体模型260
9.5 主体结构262
9.5.1 基于逻辑的主体263
9.5.2 反应式主体265
9.5.3 BDI主体267
9.5.4 层次主体269
9.6 主体通信270
9.6.1 主体通信概述270
9.6.2 言语动作271
9.6.3 SHADE通信机制272
9.7.1 协调276
9.7 主体的协调与协作276
9.7.2 协作280
9.8 小结282
习题9282
第十章 知识发现与数据挖掘283
10.1 概述283
10.2 数据挖掘与KDD284
10.2.1 KDD的基本概念284
10.2.2 KDD的基本过程284
10.2.3 数据挖掘系统286
10.3 数据挖掘功能288
10.3.1 概念描述（Concept Description）288
10.3.2 关联分析（Association Analysis）289
10.3.3 信息分类（Classification）289
10.3.4 聚类（Cluster）289
10.5.1 基本概念290
10.5 关联分析290
10.3.5 偏差检测（Deviation Detection）290
10.4 数据挖掘技术和方法290
10.5.2 关联规则291
10.5.3 Apriori算法292
10.6 聚类分析296
10.6.1 聚类概述296
10.6.2 聚类问题296
10.6.3 聚类方法298
10.6.4 层次聚类299
10.6.5 划分聚类301
10.7 小结305
习题10305
11.1 遗传算法概述306
11.1.1 遗传算法的产生、发展和应用306
第十一章 遗传算法306
11.1.2 遗传学与遗传算法的基本思想307
11.2 基本遗传算法308
11.2.1 简单函数优化实例309
11.2.2 基本遗传算法的算法描述311
11.3 模式理论313
11.4 遗传算法的进一步讨论319
11.4.1 编码319
11.4.2 群体设定324
11.4.3 适应度函数325
11.4.4 遗传操作的进一步讨论329
11.4.5 收敛性339
11.5 小结340
习题11341
参考文献342