人工智能技术导论 第3版PDF|Epub|txt|kindle电子书版本下载

人工智能技术导论 第3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篇　概述与工具2

第1章　人工智能概述2

1.1　什么是人工智能2

1.1.1　人工智能概念的一般描述2

1.1.2　图灵测试和中文屋子2

1.1.3　脑智能和群智能3

1.1.4　符号智能和计算智能4

1.2　人工智能的研究意义、目标和策略4

1.2.1　为什么要研究人工智能4

1.2.2　人工智能的研究目标和策略5

1.3　人工智能的学科范畴5

1.4　人工智能的研究内容5

1.4.1　搜索与求解6

1.4.2　学习与发现6

1.4.3　知识与推理6

1.4.4　发明与创造6

1.4.5　感知与交流7

1.4.6　记忆与联想7

1.4.7　系统与建造8

1.4.8　应用与工程8

1.5　人工智能的研究途径与方法8

1.5.1　心理模拟，符号推演8

1.5.2　生理模拟，神经计算9

1.5.3　行为模拟，控制进化9

1.5.4　群体模拟，仿生计算10

1.5.5　博采广鉴，自然计算10

1.5.6　原理分析，数学建模10

1.6　人工智能的基本技术11

1.7　人工智能的应用11

1.7.1　难题求解11

1.7.2 自动规划、调度与配置12

1.7.3　机器定理证明12

1.7.4　自动程序设计13

1.7.5　机器翻译13

1.7.6　智能控制13

1.7.7　智能管理14

1.7.8　智能决策14

1.7.9　智能通信14

1.7.10　智能仿真15

1.7.11　智能CAD15

1.7.12　智能制造15

1.7.13　智能CAI15

1.7.14　智能人机接口16

1.7.15　模式识别16

1.7.16　数据挖掘与数据库中的知识发现16

1.7.17　计算机辅助创新17

1.7.18　计算机文艺创作18

1.7.19　机器博弈19

1.7.20　智能机器人20

1.8　人工智能的分支领域与研究方向20

1.9　人工智能的发展概况21

1.9.1　人工智能学科的产生21

1.9.2　符号主义途径发展概况22

1.9.3　连接主义途径发展概况23

1.9.4　计算智能异军突起24

1.9.5　智能Agent方兴未艾25

1.9.6　现状与发展趋势26

习题一26

第2章　逻辑程序设计语言PROLOG27

2.1　基本PROLOG27

2.1.1　PROLOG的语句27

2.1.2　PROLOG的程序28

2.1.3　PROLOG程序的运行机理30

2.2　Turbo PROLOG程序设计32

2.2.1　程序结构33

2.2.2　数据与表达式35

2.2.3　输入与输出38

2.2.4　分支与循环39

2.2.5　动态数据库40

2.2.6　表处理与递归41

2.2.7　回溯控制44

2.2.8　程序举例45

习题二47

第2篇　搜索与求解49

第3章 图搜索与问题求解49

3.1　状态图搜索49

3.1.1　状态图49

3.1.2　状态图搜索50

3.1.3　穷举式搜索53

3.1.4　启发式搜索56

3.1.5　加权状态图搜索58

3.1.6　A算法和A算法59

3.1.7　状态图搜索策略小结61

3.2　状态图搜索问题求解61

3.2.1　问题的状态图表示62

3.2.2　状态图问题求解程序举例65

3.3　与或图搜索71

3.3.1　与或图71

3.3.2　与或图搜索73

3.3.3　启发式与或树搜索74

3.4　与或图搜索问题求解78

3.4.1　问题的与或图表示78

3.4.2　与或图问题求解程序举例79

3.5　博弈树搜索81

3.5.1　博弈树的概念81

3.5.2　极小极大分析法81

3.5.3　α-β剪枝技术83

习题三84

第4章　基于遗传算法的随机优化搜索86

4.1　基本概念86

4.2　基本遗传算法88

4.3　遗传算法应用举例89

4.4　遗传算法的特点与优势92

习题四92

第3篇　知识与推理95

第5章 基于谓词逻辑的机器推理95

5.1　一阶谓词逻辑95

5.1.1　谓词、函数、量词95

5.1.2　谓词公式96

5.1.3　谓词逻辑中的形式演绎推理98

5.2　归结演绎推理102

5.2.1　子句集102

5.2.2　命题逻辑中的归结原理104

5.2.3　替换与合一106

5.2.4　谓词逻辑中的归结原理109

5.3　应用归结原理求取问题答案111

5.4　归结策略113

5.4.1　问题的提出113

5.4.2　几种常用的归结策略115

5.4.3　归结策略的类型119

5.5　归结反演程序举例119

5.6　Horn子句归结与逻辑程序122

5.6.1　子句的蕴含表示形式122

5.6.2　Horn子句与逻辑程序124

5.7　非归结演绎推理124

5.7.1　Bledsoe自然演绎法124

5.7.2　基于规则的演绎推理124

5.7.3　王浩算法124

习题五125

第6章　基于产生式规则的机器推理127

6.1　产生式规则127

6.1.1　产生式规则127

6.1.2　基于产生式规则的推理模式128

6.2　产生式系统128

6.2.1　系统结构128

6.2.2　运行过程128

6.2.3　控制策略与常用算法129

6.2.4　程序实现&.132

6.2.5　产生式系统与问题求解135

习题六137

第7章　几种结构化知识表示及其推理138

7.1　框架138

7.1.1　框架的概念138

7.1.2　框架的表达能力139

7.1.3　基于框架的推理141

7.1.4　框架的程序语言实现141

7.2　语义网络142

7.2.1　语义网络的概念142

7.2.2　语义网络的表达能力143

7.2.3　基于语义网络的推理147

7.2.4　语义网络的程序语言实现147

7.3　类与对象148

习题七150

第8章　不确定性知识的表示与推理151

8.1　不确定性处理概述151

8.1.1　不确定性及其类型151

8.1.2　不确定性知识的表示及推理152

8.1.3 不确切性知识的表示及推理154

8.1.4　多值逻辑156

8.1.5　非单调逻辑157

8.1.6　时序逻辑157

8.2　几种经典的不确定性推理模型157

8.2.1　确定性理论157

8.2.2　主观贝叶斯方法159

8.2.3　证据理论164

8.3　基于贝叶斯网络的概率推理169

8.3.1　什么是贝叶斯网络169

8.3.2　用贝叶斯网络表示不确定性知识170

8.3.3　基于贝叶斯网络的概率推理171

8.4　基于模糊集合与模糊逻辑的模糊推理173

8.4.1　模糊集合173

8.4.2　模糊逻辑175

8.4.3　模糊推理176

习题八180

第4篇　学习与发现183

第9章　机器学习与知识发现183

9.1　机器学习概述183

9.1.1　机器学习的概念183

9.1.2　机器学习的原理183

9.1.3　机器学习的分类186

9.2　符号学习188

9.2.1　记忆学习188

9.2.2　示例学习189

9.2.3　决策树学习190

9.2.4　演绎学习198

9.2.5　类比学习198

9.3　神经网络学习198

9.3.1　生物神经元198

9.3.2　人工神经元199

9.3.3　神经网络200

9.3.4　神经网络学习202

9.3.5　BP网络及其学习举例204

9.3.6　神经网络模型206

9.4　知识发现与数据挖掘207

9.4.1　知识发现的一般过程208

9.4.2　知识发现的对象208

9.4.3　知识发现的任务210

9.4.4　知识发现的方法211

习题九212

第5篇　感知与交流215

第10章　模式识别215

10.1　模式识别概述215

10.1.1　模式、模式类与模式识别215

10.1.2　模式的表示216

10.1.3　模式识别系统的工作原理216

10.1.4　模式识别方法的分类217

10.2　统计模式识别218

10.2.1　距离分类法218

10.2.2　几何分类法219

10.2.3　概率分类法221

习题十222

第11章　自然语言理解223

11.1　简单句理解223

11.1.1　理解的实现过程223

11.1.2　语法分析224

11.1.3　语义分析226

11.2　复合句理解226

11.3　转换文法和转换网络227

11.3.1　转换文法228

11.3.2　转换网络229

习题十一230

第6篇　系统与建造232

第12章　专家系统232

12.1　基本概念232

12.1.1　什么是专家系统232

12.1.2　专家系统的特点233

12.1.3　专家系统的类型233

12.1.4　专家系统与基于知识的系统234

12.1.5　专家系统与知识工程234

12.2　系统结构235

12.2.1　概念结构235

12.2.2　实际结构236

12.2.3　黑板模型238

12.2.4　网络与分布式结构239

12.3　实例分析240

12.3.1　PROSPECTOR的功能与结构240

12.3.2　知识表示241

12.3.3　推理模型246

12.3.4　控制策略247

12.3.5　解释系统248

12.4　系统设计与实现248

12.4.1　一般步骤与方法248

12.4.2　快速原型与增量式开发249

12.4.3　知识获取249

12.4.4　知识表示与知识描述语言设计250

12.4.5　知识库与知识库管理系统设计250

12.4.6　推理机与解释机制设计252

12.4.7　系统结构设计253

12.4.8　人机界面设计254

12.5　开发工具与环境254

12.5.1　开发工具254

12.5.2　开发环境256

12.6　专家系统的发展257

12.6.1　深层知识专家系统257

12.6.2　模糊专家系统257

12.6.3　神经网络专家系统258

12.6.4　大型协同分布式专家系统258

12.6.5　网上（多媒体）专家系统259

12.6.6　事务处理专家系统259

习题十二259

第13章　Agent系统261

13.1　Agent的概念261

13.1.1　什么是Agent261

13.1.2　Agent的类型262

13.2　Agent的结构262

13.3　Agent实例——Web Agent263

13.4　多Agent系统263

13.4.1　多Agent系统的特征和研究内容264

13.4.2　多Agent系统的体系结构264

13.5　Agent的实现工具267

13.6　Agent技术的发展与应用267

习题十三268

第14章 智能计算机与智能化网络269

14.1　智能计算机269

14.1.1　智能硬件平台和智能操作系统269

14.1.2　LISP机和PROLOG机270

14.1.3　神经网络计算机270

14.1.4　智能计算机发展展望271

14.2　智能化网络271

14.2.1　智能网络272

14.2.2 网络的智能化管理与控制273

14.2.3　网上信息的智能化检索274

习题十四277

第15章　智能机器人278

15.1　智能机器人的概念278

15.2　机器人感知278

15.3　机器人规划279

15.4　机器人控制280

15.5　机器人系统的软件结构281

15.6　机器人程序设计与语言281

15.6.1　机器人程序设计281

15.6.2　机器人程序设计语言282

习题十五284

第16章　智能程序设计语言285

16.1　综述285

16.1.1　函数型语言285

16.1.2　逻辑型语言285

16.1.3　面向对象语言286

16.1.4　混合型语言286

16.2　函数型程序设计语言LISP287

16.2.1　LISP的程序结构与运行机制287

16.2.2　S-表达式288

16.2.3　基本函数289

16.2.4 自定义函数292

16.2.5　程序举例292

16.3　Visual Prolog语言简介293

习题十六294

上机实习指导295

实习一　PROLOG语言编程练习295

实习二　图搜索问题求解296

实习三　小型专家系统设计与实现296

中英文名词对照及索引300

参考文献310