面向智能體的知識工程

前言

人類對于知識的研究與探索自始至終都未停止過。在人類進入信息化社會并向知識化社會邁進的過程中，人類通過計算機的應用把知識從概念真正躍升到知識科學。知識工程便是一門新興的關于知識獲取、表示和推理以及用一種特定形式把知識表示為計算機可操作對象的科學，其研究的目標是挖掘和抽取人類知識，這也使得計算機具有人類的一定智能。知識工程是一個龐大的交叉領域，本書將知識處理定義為對環(huán)境中接收感知信息并執(zhí)行行動的智能體，每個這樣的智能體都實現把感知序列映射到行動函數；討論了表達這些函數的各種方法，諸如一個從當前狀態(tài)的條件到行動的直接映射（反應式智能體），一種從感知序列利用關于世界發(fā)展方式的信息，以及關于智能體可以采用的可能行動的結果信息推斷世界的相關屬性（邏輯智能體）；指示了對世界狀態(tài)的愿望度的效用信息及對行動的愿望度的行動值信息（效用智能體）；表明了學習智能體的感知不僅應該對進行中的行動有用，而且應該能夠改進智能體未來行動的能力（泛化能力）。                              知識工程是一門比較年輕的學科，正處于蓬勃發(fā)展時期，對許多問題作者并未做深入研究，一些有價值的新內容也來不及收入本書，加上作者知識水平和實踐經驗有限，書中難免存在不足之處，敬請讀者批評指正。感謝人工智能學會榮譽理事長涂序彥教授、中國同科學院計算技術研究所史忠植研究員、清華大學石純一教授和原西南師范大學邱玉輝教授對本書提出的寶貴意見。

內容概要

本書是從代表未來計算模式——智能體的視角論述知識工程的基本概念、方法和技術。全書共分11章，第1章論述知識工程問題的提出；第2章給出智能體的評價標準——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、邏輯、效用、學習；第5章討論了智能體工作的基礎知識表示——本體；第6章討論了常識及其推理；第9章和第10章詳細介紹了知識系統開發(fā)環(huán)境Prolog及知識系統應用案例；第11章討論了多智能體及其通信問題。    本書既是一本專著，也可作為高等學校電子信息、自動化、機電工程、計算機及其他相關專業(yè)研究生和本科高年級知識工程或人工智能的課程教材，還可供從事知識系統教學、研究、開發(fā)和應用的科技工作者參考。

作者簡介

程顯毅，南通大學教授，1956年生教授博士博士生導師；1982年畢業(yè)于齊齊哈爾師范學院數學系；1986-1988攻讀哈爾濱工程大學計算機碩士研究生班；1999-2000年在清華大學計算機做訪問學者；2006年獲南京理工大學科學模式識別與智能系統專業(yè)工學博士學位。

書籍目錄

《智能科學技術著作叢書》序前言第1章  緒論  1.1  圖靈測試與人工智能    1.1.1  圖靈測試    1.1.2  人工智能的不同學派  1.2  知識工程    1.2.1  問題的提出    1.2.2  知識    1.2.3  知識工程的基礎、原理    1.2.4  知識模型中的構件    1.2.5  人的因素：知識工程中人的角色    1.2.6  知識工程的發(fā)展  1.3  習題第2章  智能體  2.1  智能體和環(huán)境  2.2  理性  2.3  任務環(huán)境PEAS屬性  2.4  智能體結構    2.4.1  反應式智能體    2.4.2  慎思式智能體    2.4.3  混合式智能體  2.5  小結  2.6  習題第3章  目標智能體  3.1  目標智能體結構  3.2  問題形式化  3.3  不完全可觀察環(huán)境的搜索  3.4  利用啟發(fā)式知識的目標搜索    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  目標測試標準化    3.5.1  約束滿足問題    3.5.2  CSP問題的回溯搜索    3.5.3  通過約束傳播信息    3.5.4  CSP問題的最小沖突搜索  3.6  小結  3.7  習題第4章  邏輯智能體  4.1  邏輯智能體結構  4.2   wumpus世界  4.3  邏輯與知識庫    4.3.1  命題邏輯    4.3.2  一個簡單的知識庫    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  一階邏輯知識表示  4.6  邏輯智能體的推理  4.7  小結  4.8  習題第5章  本體論  5.1  本體概念    5.1.1  本體特征    5.1.2  本體與一般術語的區(qū)別    5.1.3  本體分類  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  領域本體知識庫    5.4.1  領域本體知識庫概念    5.4.2  領域本體知識庫的構建    5.4.3  領域本體的建模    5.4.4  領域本體的復用    5.4.5  領域本體的應用  5.5  本體編輯工具    5.5.1  本體編輯工具概述    5.5.2  Protege開發(fā)過程    5.5.3  推理機Racer  5.6  本體描述語言    5.6.1  本體語言概述    5.6.2  HTML擴展    5.6.3  本體標記語言OML     5.6.4  基于XML的文本交換語言XOL    5.6.5  XML    5.6.6  RDF    5.6.7  本體交互語言OIL    5.6.8  DAML+OIL語言    5.6.9  子語言    5.6.10  描述邏輯  5.7  小結  5.8  習題第6章  常識  6.1  常識的概念    6.1.1  常識的例子    6.1.2  常識推理的特點      6.1.3  常識的重要性    6.1.4  常識的表示  6.2  常識推理    6.2.1  缺省推理    6.2.2  真值維護系統  6.3  小結  6.4  習題第7章  效用智能體  7.1  效用智能體結構  7.2  不確定性    7.2.1  不確定環(huán)境下智能體的行動    7.2.2  不確定知識的處理    7.2.3  不確定性與理性決策  7.3  信念網推理    7.3.1  全聯合分布推理    7.3.2  信念網推理    7.3.3  信念網的數值語義    7.3.4  信念網拓撲語義    7.3.5  信念網的精確推理  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  集對分析    7.5.1  集對分析基本原理    7.5.2  聯系數    7.5.3  集對勢    7.5.4  基于集對分析的不確定性理論    7.5.5  集對分析在人工智能中的應用  7.6  小結  7.7  習題第8章  學習智能體  8.1  學習智能體結構  8.2  機器學習概述    8.2.1  基本概念    8.2.2  機器學習的發(fā)展史  8.3  從觀察中學習    8.3.1  假設及假設空間      8.3.2  決策樹cLs算法  8.4  統計機器學習    8.4.1  貝葉斯決策    8.4.2  最大似然參數估計    8.4.3  無監(jiān)督聚類  8.5  PAC學習    8.5.1  泛化問題    8.5.2  SVM      8.5.3  表示問題  8.6  集成機器學習    8.6.1  弱可學習定理    8.6.2  集成機器學習方法    8.6.3  經驗性研究問題  8.7  強化學習    8.7.1  完全可觀察的MDP問題    8.7.2  部分可觀察的MDP問題    8.7.3  強化學習的組成部分    8.7.4  強化學習原理    8.8  小結    8.9  習題第9章  知識處理環(huán)境Prolog  9.1  Prolog的特點    9.1.1  事實和規(guī)則的描述    9.1.2  Prolog程序結構    9.2  一個簡單的Prolog程序    9.2.1  表達事實    9.2.2  事實查詢    9.2.3  規(guī)則表達    9.2.4  規(guī)則查詢    9.2.5  規(guī)則使用  9.3  運算    9.3.1  算術運算    9.3.2  邏輯運算    9.3.3  數據管理    9.3.4  遞歸    9.3.5  表    9.3.6  截斷    9.3.7  循環(huán)  9.4  Visual Prolog編程入門    9.4.1  創(chuàng)建項目    9.4.2  編寫簡單的應用程序    9.4.3  創(chuàng)建窗口    9.4.4  給窗口添加控件    9.4.5  畫鼠標掠影  9.5  小結  9.6  習題第10章  知識系統案例  10.1  案例1——簡單的醫(yī)療診斷系統    10.1.1  規(guī)則庫的構造    10.1.2  源程序    10.1.3  功能擴展    10.1.4  程序運行  10.2  案例2——汽車故障檢修咨詢系統    10.2.1  知識庫    10.2.2  編程實現    10.2.3  運行結果  10.3  習題第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)勢策略和Nash平衡    11.1.4  競爭與零和交互  11.2  智能體之間的通信    11.2.1  交談    11.2.2  理解語言字符串    11.2.3  有效通信參考文獻

章節(jié)摘錄

理解智能包括理解：知識如何獲取、表達和存儲；智能行為如何產生和學習；動機、情感和偏好如何發(fā)展和運用；傳感器信號如何轉換各種符號；怎樣利用各種符號執(zhí)行邏輯運算、對過去進行推理及對未來進行規(guī)劃；智能機制如何產生愿望、信念和意圖等現象。從1956年正式提出人工智能五十多年來，人工智能已取得長足的發(fā)展，成為一門廣泛的交叉和前沿學科?，F在計算機似乎已經變得十分“聰明”了。例如，1997年5月．IBM公司研制的深藍(Deep Blue)計算機戰(zhàn)勝了國際象棋大師卡斯帕洛夫(Kasparov)。計算機編程語言和其他計算機軟件都因為有了人工智能的進展而得以存在。進入21世紀，人工智能理論醞釀著新的突破-人工生命的提出， 這意味著人類不儀試圖從傳統的工程技術途徑．而且將從新開辟的生物工程技術途徑。人工智能的近期研究目標是建造職能計算機，用以代替人類從事腦力勞動，即使現有的計算機更“聰明”更有用。正是根據這一近期研究目標，才把人工智能理解為計算機科學的一個分支。人工智能的遠期研究目標是探究人類智能和機器智能的基本原理，研究用自動機模擬人類的思維過程和智能行為。這個長期目標遠遠超出計算機科學的范疇， 幾乎涉及自然科學和社會科學的所有學科。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    面向智能體的知識工程 PDF格式下載

---