图书介绍

人工智能PDF|Epub|txt|kindle电子书版本下载

人工智能
  • 马少平，朱小燕编著 著
  • 出版社： 北京：清华大学出版社
  • ISBN：7302089116
  • 出版时间：2004
  • 标注页数：324页
  • 文件大小：16MB
  • 文件页数：339页
  • 主题词：人工智能－高等学校－教材

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：eba4e8d07b5d1f04b6ec2314563db2b7

下载说明

人工智能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。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
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

目 录1

CONTENTS1

第0章 绪论1

0.1什么是人工智能1

0.2图灵测试2

0.3中文屋子问题4

0.4人工智能的研究目标5

0.5人工智能发展简史6

0.6人工智能研究的课题9

第1章搜索问题14

1.1 回溯策略15

1.2图搜索策略21

1.3无信息图搜索过程23

1.4启发式图搜索过程25

1.5搜索算法讨论50

习题55

2.1与或图的搜索57

第2章与或图搜索问题57

2.2与或图的启发式搜索算法AO*60

2.3博弈树的搜索64

习题75

第3章谓词逻辑与归结原理77

3.1命题逻辑77

3.1.1命题77

3.1.2命题公式78

3.1.3命题逻辑的意义82

3.1.4命题逻辑的推理规则83

3.1.5命题逻辑的归结方法85

3.2谓词逻辑基础88

3.2.1谓词基本概念88

3.2.2一阶谓词逻辑90

3.2.3谓词演算与推理93

3.2.4谓词知识表示95

3.3谓词逻辑归结原理98

3.3.1归结原理概述98

3.3.2 Skolem标准型99

3.3.3子句集101

3.3.4置换与合一103

3.3.5归结式106

3.3.6归结过程107

3.3.7归结过程控制策略109

3.4 Herbrand定理113

3.4.1概述113

3.4.2 H域114

3.4.3 H解释117

3.4.4语义树与Herbrand定理118

3.4.5 Herbrand定理120

3.4.6 Herbrand定理与归结法的完备性121

习题122

第4章知识表示125

4.1概述125

4.1.1知识126

4.1.2知识表示128

4.1.3知识表示观130

4.2产生式表示131

4.2.1事实与规则的表示131

4.2.2产生式系统的结构133

4.2.3产生式系统的推理134

4.2.4产生式表示的特点138

4.3语义网络表示139

4.3.1语义网络的结构139

4.3.2基本的语义关系140

4.3.3语义网络的推理144

4.3.4语义网络表示法的特点147

4.4框架表示148

4.4.1框架结构148

4.4.2框架表示下的推理151

4.4.3框架表示法的特点152

4.5其他表示方法153

4.5.1脚本知识表示方法153

4.5.2过程性知识表示法155

4.5.3直接性知识表示方法156

习题157

第5章不确定性推理方法159

5.1概述159

5.1.1不确定性159

5.1.2不确定性推理的基本问题161

5.1.3不确定性推理方法的分类163

5.2概率论基础163

5.2.1随机事件164

5.2.2事件的概率166

5.2.3贝叶斯定理169

5.2.4信任几率170

5.3贝叶斯网络171

5.3.1 贝叶斯网络基本概念171

5.3.2贝叶斯网络的推理模式178

5.4主观贝叶斯方法181

5.4.1规则的不确定性181

5.4.2证据的不确定性184

5.4.3推理计算185

5.5确定性方法189

5.5.1规则的不确定性度量191

5.5.2证据的不确定性度量192

5.5.3不确定性的传播与更新193

5.5.4问题195

5.6证据理论（D-S theory）196

5.6.1基本概念196

5.6.2证据的不确定性198

5.6.4推理计算200

5.6.3规则的不确定性200

习题202

第6章机器学习205

6.1概述205

6.1.1机器学习的基本概念206

6.1.2机器学习研究的意义207

6.1.3机器学习发展历史209

6.1.4机器学习分类210

6.2机器学习的基本系统结构214

6.2.2知识库215

6.2.1环境215

6.2.3学习环节216

6.2.4执行环节216

6.3实例学习216

6.3.1实例学习的基本概念217

6.3.2实例学习方法的分类223

6.3.3变型空间法225

6.4.1解释学习的基本概念230

6.4解释学习230

6.4.2解释学习方法233

6.5决策树学习237

6.5.1概述237

6.5.2 ID3算法241

6.6神经网络学习245

6.6.1神经网络基础245

6.6.2前馈型人工神经网络253

6.6.3 自组织竞争人工神经网络260

6.6.4人工神经网络的应用264

习题268

第7章高级搜索270

7.1基本概念270

7.1.1组合优化问题270

7.1.2邻域272

7.2局部搜索算法274

7.3.1固体退火过程280

7.3模拟退火算法280

7.3.2模拟退火算法284

7.3.3参数的确定288

7.3.4应用举例——旅行商问题296

7.4遗传算法300

7.4.1生物进化与遗传算法300

7.4.2遗传算法的实现问题308

习题322

参考文献323

热门推荐