面向智能體的知識(shí)工程

前言

人類(lèi)對(duì)于知識(shí)的研究與探索自始至終都未停止過(guò)。在人類(lèi)進(jìn)入信息化社會(huì)并向知識(shí)化社會(huì)邁進(jìn)的過(guò)程中，人類(lèi)通過(guò)計(jì)算機(jī)的應(yīng)用把知識(shí)從概念真正躍升到知識(shí)科學(xué)。知識(shí)工程便是一門(mén)新興的關(guān)于知識(shí)獲取、表示和推理以及用一種特定形式把知識(shí)表示為計(jì)算機(jī)可操作對(duì)象的科學(xué)，其研究的目標(biāo)是挖掘和抽取人類(lèi)知識(shí)，這也使得計(jì)算機(jī)具有人類(lèi)的一定智能。知識(shí)工程是一個(gè)龐大的交叉領(lǐng)域，本書(shū)將知識(shí)處理定義為對(duì)環(huán)境中接收感知信息并執(zhí)行行動(dòng)的智能體，每個(gè)這樣的智能體都實(shí)現(xiàn)把感知序列映射到行動(dòng)函數(shù)；討論了表達(dá)這些函數(shù)的各種方法，諸如一個(gè)從當(dāng)前狀態(tài)的條件到行動(dòng)的直接映射（反應(yīng)式智能體），一種從感知序列利用關(guān)于世界發(fā)展方式的信息，以及關(guān)于智能體可以采用的可能行動(dòng)的結(jié)果信息推斷世界的相關(guān)屬性（邏輯智能體）；指示了對(duì)世界狀態(tài)的愿望度的效用信息及對(duì)行動(dòng)的愿望度的行動(dòng)值信息（效用智能體）；表明了學(xué)習(xí)智能體的感知不僅應(yīng)該對(duì)進(jìn)行中的行動(dòng)有用，而且應(yīng)該能夠改進(jìn)智能體未來(lái)行動(dòng)的能力（泛化能力）。                              知識(shí)工程是一門(mén)比較年輕的學(xué)科，正處于蓬勃發(fā)展時(shí)期，對(duì)許多問(wèn)題作者并未做深入研究，一些有價(jià)值的新內(nèi)容也來(lái)不及收入本書(shū)，加上作者知識(shí)水平和實(shí)踐經(jīng)驗(yàn)有限，書(shū)中難免存在不足之處，敬請(qǐng)讀者批評(píng)指正。感謝人工智能學(xué)會(huì)榮譽(yù)理事長(zhǎng)涂序彥教授、中國(guó)同科學(xué)院計(jì)算技術(shù)研究所史忠植研究員、清華大學(xué)石純一教授和原西南師范大學(xué)邱玉輝教授對(duì)本書(shū)提出的寶貴意見(jiàn)。

內(nèi)容概要

本書(shū)是從代表未來(lái)計(jì)算模式——智能體的視角論述知識(shí)工程的基本概念、方法和技術(shù)。全書(shū)共分11章，第1章論述知識(shí)工程問(wèn)題的提出；第2章給出智能體的評(píng)價(jià)標(biāo)準(zhǔn)——理性；第3、4、7、8章分別討論了智能體工作的四種策略：目標(biāo)、邏輯、效用、學(xué)習(xí)；第5章討論了智能體工作的基礎(chǔ)知識(shí)表示——本體；第6章討論了常識(shí)及其推理；第9章和第10章詳細(xì)介紹了知識(shí)系統(tǒng)開(kāi)發(fā)環(huán)境Prolog及知識(shí)系統(tǒng)應(yīng)用案例；第11章討論了多智能體及其通信問(wèn)題。    本書(shū)既是一本專(zhuān)著，也可作為高等學(xué)校電子信息、自動(dòng)化、機(jī)電工程、計(jì)算機(jī)及其他相關(guān)專(zhuān)業(yè)研究生和本科高年級(jí)知識(shí)工程或人工智能的課程教材，還可供從事知識(shí)系統(tǒng)教學(xué)、研究、開(kāi)發(fā)和應(yīng)用的科技工作者參考。

作者簡(jiǎn)介

程顯毅，南通大學(xué)教授，1956年生教授博士博士生導(dǎo)師；1982年畢業(yè)于齊齊哈爾師范學(xué)院數(shù)學(xué)系；1986-1988攻讀哈爾濱工程大學(xué)計(jì)算機(jī)碩士研究生班；1999-2000年在清華大學(xué)計(jì)算機(jī)做訪(fǎng)問(wèn)學(xué)者；2006年獲南京理工大學(xué)科學(xué)模式識(shí)別與智能系統(tǒng)專(zhuān)業(yè)工學(xué)博士學(xué)位。

書(shū)籍目錄

《智能科學(xué)技術(shù)著作叢書(shū)》序前言第1章  緒論  1.1  圖靈測(cè)試與人工智能    1.1.1  圖靈測(cè)試    1.1.2  人工智能的不同學(xué)派  1.2  知識(shí)工程    1.2.1  問(wèn)題的提出    1.2.2  知識(shí)    1.2.3  知識(shí)工程的基礎(chǔ)、原理    1.2.4  知識(shí)模型中的構(gòu)件    1.2.5  人的因素：知識(shí)工程中人的角色    1.2.6  知識(shí)工程的發(fā)展  1.3  習(xí)題第2章  智能體  2.1  智能體和環(huán)境  2.2  理性  2.3  任務(wù)環(huán)境PEAS屬性  2.4  智能體結(jié)構(gòu)    2.4.1  反應(yīng)式智能體    2.4.2  慎思式智能體    2.4.3  混合式智能體  2.5  小結(jié)  2.6  習(xí)題第3章  目標(biāo)智能體  3.1  目標(biāo)智能體結(jié)構(gòu)  3.2  問(wèn)題形式化  3.3  不完全可觀察環(huán)境的搜索  3.4  利用啟發(fā)式知識(shí)的目標(biāo)搜索    3.4.1  貪婪最佳優(yōu)先搜索算法    3.4.2  A搜索算法    3.4.3  爬山搜索算法    3.4.4  模擬退火搜索算法    3.4.5  遺傳算法  3.5  目標(biāo)測(cè)試標(biāo)準(zhǔn)化    3.5.1  約束滿(mǎn)足問(wèn)題    3.5.2  CSP問(wèn)題的回溯搜索    3.5.3  通過(guò)約束傳播信息    3.5.4  CSP問(wèn)題的最小沖突搜索  3.6  小結(jié)  3.7  習(xí)題第4章  邏輯智能體  4.1  邏輯智能體結(jié)構(gòu)  4.2   wumpus世界  4.3  邏輯與知識(shí)庫(kù)    4.3.1  命題邏輯    4.3.2  一個(gè)簡(jiǎn)單的知識(shí)庫(kù)    4.3.3  真值表推理  4.4  命題邏輯智能體  4.5  一階邏輯智能體    4.5.1  一階邏輯    4.5.2  一階邏輯知識(shí)表示  4.6  邏輯智能體的推理  4.7  小結(jié)  4.8  習(xí)題第5章  本體論  5.1  本體概念    5.1.1  本體特征    5.1.2  本體與一般術(shù)語(yǔ)的區(qū)別    5.1.3  本體分類(lèi)  5.2  本體的形式化定義    5.2.1  OWA形式化定義    5.2.2  Guarino形式化定義    5.2.3  KAON形式化定義  5.3  本體建模    5.3.1  本體建?；?   5.3.2  建立本體的一般方法  5.4  領(lǐng)域本體知識(shí)庫(kù)    5.4.1  領(lǐng)域本體知識(shí)庫(kù)概念    5.4.2  領(lǐng)域本體知識(shí)庫(kù)的構(gòu)建    5.4.3  領(lǐng)域本體的建模    5.4.4  領(lǐng)域本體的復(fù)用    5.4.5  領(lǐng)域本體的應(yīng)用  5.5  本體編輯工具    5.5.1  本體編輯工具概述    5.5.2  Protege開(kāi)發(fā)過(guò)程    5.5.3  推理機(jī)Racer  5.6  本體描述語(yǔ)言    5.6.1  本體語(yǔ)言概述    5.6.2  HTML擴(kuò)展    5.6.3  本體標(biāo)記語(yǔ)言O(shè)ML     5.6.4  基于XML的文本交換語(yǔ)言XOL    5.6.5  XML    5.6.6  RDF    5.6.7  本體交互語(yǔ)言O(shè)IL    5.6.8  DAML+OIL語(yǔ)言    5.6.9  子語(yǔ)言    5.6.10  描述邏輯  5.7  小結(jié)  5.8  習(xí)題第6章  常識(shí)  6.1  常識(shí)的概念    6.1.1  常識(shí)的例子    6.1.2  常識(shí)推理的特點(diǎn)      6.1.3  常識(shí)的重要性    6.1.4  常識(shí)的表示  6.2  常識(shí)推理    6.2.1  缺省推理    6.2.2  真值維護(hù)系統(tǒng)  6.3  小結(jié)  6.4  習(xí)題第7章  效用智能體  7.1  效用智能體結(jié)構(gòu)  7.2  不確定性    7.2.1  不確定環(huán)境下智能體的行動(dòng)    7.2.2  不確定知識(shí)的處理    7.2.3  不確定性與理性決策  7.3  信念網(wǎng)推理    7.3.1  全聯(lián)合分布推理    7.3.2  信念網(wǎng)推理    7.3.3  信念網(wǎng)的數(shù)值語(yǔ)義    7.3.4  信念網(wǎng)拓?fù)湔Z(yǔ)義    7.3.5  信念網(wǎng)的精確推理  7.4  定性推理    7.4.1  定性推理概述    7.4.2  定性推理的基本方法    7.4.3  ENVISION方法      7.4.4  空間定性推理概述  7.5  集對(duì)分析    7.5.1  集對(duì)分析基本原理    7.5.2  聯(lián)系數(shù)    7.5.3  集對(duì)勢(shì)    7.5.4  基于集對(duì)分析的不確定性理論    7.5.5  集對(duì)分析在人工智能中的應(yīng)用  7.6  小結(jié)  7.7  習(xí)題第8章  學(xué)習(xí)智能體  8.1  學(xué)習(xí)智能體結(jié)構(gòu)  8.2  機(jī)器學(xué)習(xí)概述    8.2.1  基本概念    8.2.2  機(jī)器學(xué)習(xí)的發(fā)展史  8.3  從觀察中學(xué)習(xí)    8.3.1  假設(shè)及假設(shè)空間      8.3.2  決策樹(shù)cLs算法  8.4  統(tǒng)計(jì)機(jī)器學(xué)習(xí)    8.4.1  貝葉斯決策    8.4.2  最大似然參數(shù)估計(jì)    8.4.3  無(wú)監(jiān)督聚類(lèi)  8.5  PAC學(xué)習(xí)    8.5.1  泛化問(wèn)題    8.5.2  SVM      8.5.3  表示問(wèn)題  8.6  集成機(jī)器學(xué)習(xí)    8.6.1  弱可學(xué)習(xí)定理    8.6.2  集成機(jī)器學(xué)習(xí)方法    8.6.3  經(jīng)驗(yàn)性研究問(wèn)題  8.7  強(qiáng)化學(xué)習(xí)    8.7.1  完全可觀察的MDP問(wèn)題    8.7.2  部分可觀察的MDP問(wèn)題    8.7.3  強(qiáng)化學(xué)習(xí)的組成部分    8.7.4  強(qiáng)化學(xué)習(xí)原理    8.8  小結(jié)    8.9  習(xí)題第9章  知識(shí)處理環(huán)境Prolog  9.1  Prolog的特點(diǎn)    9.1.1  事實(shí)和規(guī)則的描述    9.1.2  Prolog程序結(jié)構(gòu)    9.2  一個(gè)簡(jiǎn)單的Prolog程序    9.2.1  表達(dá)事實(shí)    9.2.2  事實(shí)查詢(xún)    9.2.3  規(guī)則表達(dá)    9.2.4  規(guī)則查詢(xún)    9.2.5  規(guī)則使用  9.3  運(yùn)算    9.3.1  算術(shù)運(yùn)算    9.3.2  邏輯運(yùn)算    9.3.3  數(shù)據(jù)管理    9.3.4  遞歸    9.3.5  表    9.3.6  截?cái)?   9.3.7  循環(huán)  9.4  Visual Prolog編程入門(mén)    9.4.1  創(chuàng)建項(xiàng)目    9.4.2  編寫(xiě)簡(jiǎn)單的應(yīng)用程序    9.4.3  創(chuàng)建窗口    9.4.4  給窗口添加控件    9.4.5  畫(huà)鼠標(biāo)掠影  9.5  小結(jié)  9.6  習(xí)題第10章  知識(shí)系統(tǒng)案例  10.1  案例1——簡(jiǎn)單的醫(yī)療診斷系統(tǒng)    10.1.1  規(guī)則庫(kù)的構(gòu)造    10.1.2  源程序    10.1.3  功能擴(kuò)展    10.1.4  程序運(yùn)行  10.2  案例2——汽車(chē)故障檢修咨詢(xún)系統(tǒng)    10.2.1  知識(shí)庫(kù)    10.2.2  編程實(shí)現(xiàn)    10.2.3  運(yùn)行結(jié)果  10.3  習(xí)題第11章  多智能體  11.1  多智能體    11.1.1  效用和偏好    11.1.2  多智能體交互    11.1.3  優(yōu)勢(shì)策略和Nash平衡    11.1.4  競(jìng)爭(zhēng)與零和交互  11.2  智能體之間的通信    11.2.1  交談    11.2.2  理解語(yǔ)言字符串    11.2.3  有效通信參考文獻(xiàn)

章節(jié)摘錄

理解智能包括理解：知識(shí)如何獲取、表達(dá)和存儲(chǔ)；智能行為如何產(chǎn)生和學(xué)習(xí)；動(dòng)機(jī)、情感和偏好如何發(fā)展和運(yùn)用；傳感器信號(hào)如何轉(zhuǎn)換各種符號(hào)；怎樣利用各種符號(hào)執(zhí)行邏輯運(yùn)算、對(duì)過(guò)去進(jìn)行推理及對(duì)未來(lái)進(jìn)行規(guī)劃；智能機(jī)制如何產(chǎn)生愿望、信念和意圖等現(xiàn)象。從1956年正式提出人工智能五十多年來(lái)，人工智能已取得長(zhǎng)足的發(fā)展，成為一門(mén)廣泛的交叉和前沿學(xué)科?，F(xiàn)在計(jì)算機(jī)似乎已經(jīng)變得十分“聰明”了。例如，1997年5月．IBM公司研制的深藍(lán)(Deep Blue)計(jì)算機(jī)戰(zhàn)勝了國(guó)際象棋大師卡斯帕洛夫(Kasparov)。計(jì)算機(jī)編程語(yǔ)言和其他計(jì)算機(jī)軟件都因?yàn)橛辛巳斯ぶ悄艿倪M(jìn)展而得以存在。進(jìn)入21世紀(jì)，人工智能理論醞釀著新的突破-人工生命的提出， 這意味著人類(lèi)不儀試圖從傳統(tǒng)的工程技術(shù)途徑．而且將從新開(kāi)辟的生物工程技術(shù)途徑。人工智能的近期研究目標(biāo)是建造職能計(jì)算機(jī)，用以代替人類(lèi)從事腦力勞動(dòng)，即使現(xiàn)有的計(jì)算機(jī)更“聰明”更有用。正是根據(jù)這一近期研究目標(biāo)，才把人工智能理解為計(jì)算機(jī)科學(xué)的一個(gè)分支。人工智能的遠(yuǎn)期研究目標(biāo)是探究人類(lèi)智能和機(jī)器智能的基本原理，研究用自動(dòng)機(jī)模擬人類(lèi)的思維過(guò)程和智能行為。這個(gè)長(zhǎng)期目標(biāo)遠(yuǎn)遠(yuǎn)超出計(jì)算機(jī)科學(xué)的范疇， 幾乎涉及自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科。

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    面向智能體的知識(shí)工程 PDF格式下載

---