人工智能实用教程 同等学历申请硕士学位综合考试课程指导PDF|Epub|txt|kindle电子书版本下载

人工智能实用教程 同等学历申请硕士学位综合考试课程指导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

第一章 绪论1

1.1 人工智能的诞生及发展1

1.2 人工智能的定义2

1.3 人工智能研究的方法及途径3

1.3.1 人工智能研究的方法及途径3

1.3.2 实现人工智能的技术路线5

1.4 人工智能的研究及应用领域6

1.4.1 问题求解6

1.4.4 模式识别7

1.4.3 专家系统7

1.4.2 机器学习7

1.4.5 自动定理证明8

1.4.6 自动程序设计8

1.4.7 自然语言理解8

1.4.8 机器人学9

1.4.9 人工神经网络9

1.4.10 智能检索9

习题一10

2.1 概述11

2.1.1 知识、信息和数据11

第二章 知识表示方法11

2.1.2 知识的特性12

2.1.3 知识的分类13

2.1.4 知识的表示14

2.2 一阶谓词逻辑表示法14

2.2.1 知识的谓词逻辑表示法14

2.2.2 用谓词公式表示知识的步骤15

2.2.3 谓词公式表示知识的举例15

2.2.4 一阶谓词逻辑表示法的特点18

2.3.1 产生式可表示的知识种类及其基本形式19

2.3 产生式表示法19

2.3.2 知识的表示方法20

2.3.3 产生式系统的组成21

2.3.4 产生式系统的推理方式22

2.3.5 产生式表示法的特点23

2.4 语义网络表示法23

2.4.1 语义网络的概念及其结构23

2.4.2 语义网络表示知识的方法及步骤24

2.4.3 语义网络表示知识举例26

2.4.4 语义网络中常用的语义联系27

2.4.5 语义网络表示下的推理过程29

2.4.6 语义网络表示法的特点30

2.5.1 框架理论31

2.5.2 框架的定义及组成31

2.5 框架表示法31

2.5.3 用框架表示知识的步骤32

2.5.4 框架举例34

2.5.5 框架表示下的推理方法37

2.5.6 框架表示法的特点38

2.6 面向对象的表示法39

2.6.1 面向对象的基本概念39

2.7 状态空间表示法41

2.6.2 表示知识的方法41

2.7.1 问题状态空间的构成42

2.7.2 用状态空间表示问题的步骤42

2.7.3 利用状态空间求解问题的过程42

习题二44

第三章 归结推理方法47

3.1 命题逻辑47

3.1.1 命题47

3.1.2 命题公式48

3.2.2 谓词公式49

3.2.1 谓词与个体49

3.2 谓词逻辑49

3.2.3 谓词公式的永真性和可满足性51

3.2.4 谓词公式的等价性与永真蕴含52

3.2.5 置换与合一53

3.3 归结推理方法56

3.3.1 谓词公式与子句集57

3.3.2 Herbrand理论60

3.3.3 归结原理64

3.3.4 利用归结原理进行定理证明68

3.3.5 应用归结原理进行问题求解71

3.4 归结过程的控制策略74

3.4.1 引入控制策略74

3.4.2 归结控制策略及其应用举例75

习题三78

第四章 不确定推理方法81

4.1 不确定推理概述81

4.1.1 不确定推理的概念81

4.1.2 不确定推理方法的分类82

4.1.3 不确定推理中的82

4.2.1 可信度的概念84

4.2.2 知识不确定性的表示84

4.2 可信度方法84

4.2.3 证据不确定性的表示86

4.2.4 不确定性的推理计算86

4.2.5 可信度方法应用举例88

4.3 主观Bayes方法93

4.3.1 基本Bayes公式93

4.3.2 主观Bayes方法及其推理网络95

4.3.3 知识不确定性的表示96

4.3.4 证据不确定性的表示96

4.3.5 不确定性的推理计算97

4.3.6 结论不确定性的合成与更新算法103

4.3.7 主观Bayes方法应用举例103

4.4 证据理论109

4.4.1 D-S理论的数学基础109

4.4.2 特定概率分配函数113

4.4.3 基于特定概率分配函数的不确定性推理模型114

4.4.4 证据理论解题举例116

习题四120

5.1.2 搜索的种类123

5.1.1 搜索的概念123

5.1 搜索的概念及种类123

第五章 状态空间搜索策略123

5.2 盲目搜索策略124

5.2.1 状态空间图的搜索策略124

5.2.2 宽度优先搜索策略126

5.2.3 深度优先搜索129

5.2.4 有界深度优先搜索131

5.2.5 代价树的宽度优先搜索133

5.2.6 代价树的深度优先搜索135

5.3.1 启发信息与估价函数137

5.3 启发式搜索策略137

5.3.2 最佳优先搜索138

5.3.3 A＊算法142

习题五143

第六章 机器学习146

6.1 概述146

6.1.1 什么是机器学习146

6.1.2 研究机器学习的意义147

6.1.3 机器学习的发展史147

6.1.4 机器学习的主要策略及研究现状148

6.2 机器学习系统的基本模型149

6.2.3 知识库150

6.2.2 学习环节150

6.2.1 环境150

6.2.4 执行环节151

6.3 机器学习的传统学习方法151

6.3.1 机械学习151

6.3.2 传授学习153

6.3.3 类比学习153

6.3.4 归纳学习155

6.3.5 基于解释的学习160

6.4 基于神经网络的学习163

6.4.1 神经网络的基本概念及组成特性163

6.4.2 基于反响传播网络模型的学习166

6.4.3 基于Hopfield网络模型的学习172

习题六174

第七章 自然语言理解176

7.1 自然语言及其理解176

7.1.1 自然语言及其构成176

7.1.2 自然语言理解177

7.1.3 自然语言理解研究的进展178

7.1.4 自然语言理解过程的层次181

7.2 词法分析181

7.3 句法分析182

7.3.1 短语结构语法理论与乔姆斯基语法体系183

7.3.2 递归转移网络与扩充转移网络185

7.3.3 词汇功能语法190

7.3.4 自动句法分析算法193

7.4 语义分析197

7.5 大规模真实文本的处理200

7.5.1 语料库语言学的崛起200

7.5.2 语料库语言学的特点及研究对象200

7.5.3 汉语语料库加工的基本方法201

7.5.4 统计学方法的应用及所面临的问题204

习题七205

一、考试大纲207

附录一 同等学历人员申请硕士学位《计算机科学与技术》综合考试大纲207

二、复习指南208

三、思考题208

四、考试样卷209

五、参考书目209

附录二 《计算机科学与技术》综合考试真题210

1999年《计算机科学与技术》综合考试真题210

2000年《计算机科学与技术》综合考试真题212

2001年《计算机科学与技术》综合考试真题214

参考文献216