图书介绍
人工智能技术导论PDF|Epub|txt|kindle电子书版本下载
- 廉师友编著 著
- 出版社: 西安:西安电子科技大学出版社
- ISBN:7560608116
- 出版时间:2000
- 标注页数:258页
- 文件大小:12MB
- 文件页数:272页
- 主题词:暂缺
PDF下载
下载说明
人工智能技术导论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
第1章 人工智能概述1
1.1 人工智能的概念1
1.1.1 什么是人工智能1
1.1.2 为什么要研究人工智能1
1.1.3 人工智能的目标2
1.2 人工智能的研究途径与方法3
1.2.1 结构模拟,神经计算3
1.2.2 功能模拟,符号推演3
1.2.3 行为模拟,控制进化4
1.3 人工智能的分支领域4
1.3.1 基于脑功能模拟的领域划分4
1.3.2 基于实现技术的领域划分8
1.3.3 基于应用领域的领域划分8
1.3.4 基于应用系统的领域划分12
1.3.5 基于计算机系统结构的领域划分13
1.3.6 基于实现工具与环境的领域划分14
1.4 人工智能的基本技术14
1.4.1 推理技术14
1.4.2 搜索技术15
1.4.3 知识表示与知识库技术15
1.4.4 归纳技术16
1.4.5 联想技术16
1.5 人工智能的发展概况16
1.5.1 人工智能学科的产生16
1.5.2 符号主义途径发展概况17
1.5.3 连接主义途径发展概况18
1.5.4 当前发展趋势20
1.5.5 我国人工智能发展简况20
习题一21
2.1.2 逻辑型语言22
2.1.1 函数型语言22
第2章 人工智能程序设计语言22
2.1 综述22
2.1.3 面向对象语言23
2.1.4 混合型语言23
2.2 函数型程序设计语言LISP24
2.2.1 LISP的程序结构与运行机制24
2.2.2 S-表达式25
2.2.3 基本函数26
2.2.4 自定义函数29
2.2.5 程序举例29
2.3 逻辑型程序设计语言PROLOG30
2.3.1 PROLOG的语句30
2.3.2 PROLOG程序31
2.3.3 PROLOG程序的运行机理33
2.4 Turbo PROLOG程序设计35
2.4.1 Turbo PROLOG的程序结构36
2.4.2 Turbo PROLOG的数据与表达式38
2.4.3 输入与输出41
2.4.4 分支与循环42
2.4.5 动态数据库44
2.4.6 表处理与递归44
2.4.7 回溯控制47
2.4.8 程序举例48
2.5 面向对象程序设计语言Smalltalk51
2.5.1 基本概念52
2.5.2 基本对象53
2.5.3 消息模式53
2.5.4 消息表达式54
2.5.7 程序流程控制55
2.5.6 程序块55
2.5.5 消息表达式序列——语句55
2.5.8 类库56
2.5.9 类定义57
2.5.10 继承58
2.5.11 Smalltalk的程序结构和运行机理59
习题二62
第3章 基于谓词逻辑的机器推理63
3.1 一阶谓词逻辑63
3.1.1 谓词、函数、量词63
3.1.2 谓词公式64
3.1.3 谓词逻辑中的形式演绎推理66
3.2 归结演绎推理70
3.2.1 子句集70
3.2.2 命题逻辑中的归结原理72
3.2.3 替换与合一74
3.2.4 谓词逻辑中的归结原理77
3.3 应用归结原理求取问题答案79
3.4 归结策略81
3.4.1 问题的提出81
3.4.2 几种常用的归结策略83
3.4.3 归结策略的类型87
3.5 归结反演程序举例88
3.6 Horn子句归结与逻辑程序90
3.6.1 子句的蕴含表示形式90
3.6.2 Horn子句与逻辑程序91
3.7 非归结演绎推理92
3.7.1 Bledsoe自然演绎法92
3.7.2 基于规则的演绎推理92
3.7.3 王浩算法92
习题三93
第4章 图搜索技术95
4.1 状态图搜索95
4.1.1 状态图95
4.1.2 状态图搜索96
4.1.3 穷举式搜索99
4.1.4 启发式搜索101
4.1.5 加权状态图搜索103
4.1.6 启发式图搜索的A算法和A*算法105
4.1.7 状态图搜索策略小结106
4.2 状态图问题求解106
4.2.1 问题的状态图表示106
4.2.2 状态图问题求解程序举例110
4.3 与或图搜索117
4.3.1 与或图117
4.3.2 与或图搜索119
4.3.3 启发式与或树搜索120
4.4 与或图问题求解124
4.4.1 问题的与或图表示124
4.4.2 与或图问题求解程序举例125
4.5 博弈树搜索127
4.5.1 博弈树的概念127
4.5.2 极小极大分析法127
4.5.3 α-β剪枝技术129
习题四130
第5章 产生式系统132
5.1 产生式规则132
5.1.1 产生式规则132
5.1.2 基于产生式的推理模式133
5.2 产生式系统133
5.2.1 产生式系统的组成133
5.2.3 控制策略与常用算法134
5.2.2 产生式系统的运行过程134
5.3 产生式系统与图搜索138
5.4 产生式系统的应用139
5.5 产生式系统的程序实现139
5.5.1 产生式规则的程序语言实现139
5.5.2 规则库的程序实现141
5.5.3 动态数据库的程序实现141
5.5.4 推理机的程序实现141
习题五142
第6章 知识表示143
6.1 知识及其表示143
6.1.1 知识的概念143
6.1.2 知识表示144
6.2.1 框架的概念145
6.2 框架145
6.1.3 知识表示的语言实现145
6.2.2 框架的表达能力147
6.2.3 基于框架的推理148
6.2.4 框架的程序语言实现149
6.3 语义网络150
6.3.1 语义网络的概念150
6.3.2 语义网络的表达能力151
6.3.3 基于语义网络的推理154
6.3.4 语义网络的程序语言实现154
6.4 面向对象知识表示155
习题六157
第7章 不确定性处理159
7.1 不确定性及其类型159
7.2 不确定性知识的表示160
7.2.1 随机性知识的表示160
7.2.2 模糊性知识的表示162
7.2.3 模糊集合与模糊逻辑163
7.2.4 多值逻辑165
7.2.5 非单调逻辑165
7.2.6 时序逻辑166
7.3 不确定性推理的一般模式166
7.4 确定性理论167
7.5 证据理论168
7.5.1 基本概念168
7.5.2 基于证据理论的不确定性推理171
7.6 模糊推理173
7.6.1 语言变量,语言值173
7.6.2 用模糊(关系)集合表示模糊规则173
7.6.3 模糊关系合成174
7.6.4 基于关系合成的模糊推理175
7.6.5 模糊推理的应用与发展176
习题七177
第8章 专家系统179
8.1 专家系统的概念179
8.1.1 什么是专家系统179
8.1.2 专家系统的特点180
8.1.3 专家系统的类型180
8.1.4 专家系统与知识系统181
8.1.5 专家系统与知识工程181
8.1.6 专家系统与人工智能182
8.2 专家系统的结构182
8.2.1 概念结构182
8.2.2 实际结构183
8.2.3 分布式结构185
8.2.4 黑板模型185
8.3.2 专家系统的应用187
8.3.1 专家系统的意义187
8.3 专家系统的应用与发展概况187
8.3.3 专家系统的发展概况188
8.4 专家系统实例192
8.4.1 PROSPECTOR的功能与结构192
8.4.2 知识表示193
8.4.3 主观贝叶斯推理模型198
8.4.4 控制策略203
8.4.5 解释系统204
8.5 专家系统设计与实现205
8.5.1 一般步骤与方法205
8.5.2 快速原型与增量式开发206
8.5.3 知识获取206
8.5.4 知识表示与知识描述语言设计207
8.5.5 知识库与知识库管理系统设计207
8.5.6 推理机与解释功能设计209
8.5.7 系统结构设计210
8.5.8 人机界面设计211
8.6 专家系统开发工具与环境211
8.6.1 专家系统开发工具211
8.6.2 专家系统开发环境213
8.7 新一代专家系统研究214
8.7.1 深层知识专家系统214
8.7.2 模糊专家系统214
8.7.3 神经网络专家系统215
8.7.4 大型协同分布式专家系统216
8.7.5 网上(多媒体)专家系统216
8.7.6 事务处理专家系统216
习题八216
9.1 符号学习218
9.1.1 记忆学习218
第9章 机器学习218
9.1.2 传授学习219
9.1.3 演绎学习220
9.1.4 类比学习220
9.1.5 示例学习220
9.1.6 发现学习222
9.1.7 解释学习223
9.2 神经网络学习224
9.2.1 生物神经元225
9.2.2 人工神经元225
9.2.3 神经网络226
9.2.4 神经网络学习228
9.2.5 BP网络及其学习举例230
9.2.6 神经网络模型232
习题九234
10.1.1 理解的实现过程235
第10章 自然语言理解235
10.1 简单句理解235
10.1.2 语法分析236
10.1.3 语义分析238
10.2 复合句理解239
10.3 转换文法和转换网络240
10.3.1 转换文法240
10.3.2 转换网络241
习题十242
上机实习指导243
实习一 PROLOG语言编程练习243
实习二 图搜索问题求解244
实习三 小型专家系统(原型)设计244
名词索引248
主要参考文献257