高級人工智能

內(nèi)容概要

　　人工智能是研究解釋和模擬人類智能、智能行為及其規(guī)律的一門學科，建立智能信息處理理論，研制智能機器和智能系統(tǒng)，延伸和擴展人類智能。
　　《高級人工智能(第三版)》共16章。第1～6章討論人工智能的認知問題和自動推理，論述邏輯基礎、約束推理、定性推理、基于案例的推理、概率推理；第7～14章重點討論機器學習和知識發(fā)現(xiàn)，包括歸納學習、支持向量機、解釋學習、強化學習、無監(jiān)督學習、關聯(lián)規(guī)則、進化計算、知識發(fā)現(xiàn)；第15章闡述主體計算；第16章討論互聯(lián)網(wǎng)智能。與本書第二版相比，增加了兩章新內(nèi)容。其他章節(jié)也作了較大的修改和補充。
　　《高級人工智能(第三版)》內(nèi)容新穎，反映了人工智能領域的最新研究進展，總結了作者多年的科研成果。全書力求從理論、算法、系統(tǒng)、應用等方面討論人工智能的方法和關鍵技術?！陡呒壢斯ぶ悄?第三版)》可作為高等院校信息領域相關專業(yè)的高年級本科生和研究生的教材，也可供相關科技人員學習參考。

書籍目錄

《智能科學技術著作叢書》序
前言
第1章　緒論
　1.1人工智能的淵源
　1.2人工智能的認知問題
　1.3思維的層次模型
　1.4符號智能
　1.5人工智能的研究方法
　1.6自動推理
　1.7機器學習
　1.8分布式人工智能
　1.9智能系統(tǒng)
　習題
第2章　人工智能邏輯
　2.1概述
　2.2邏輯程序設計
　2.3封閉世界假設
　2.4非單調(diào)邏輯
　2.5默認邏輯
　2.6限制邏輯
　2.7非單調(diào)邏輯nml
　2.8自認知邏輯
　2.9真值維護系統(tǒng)
　2.10情景演算
　2.11框架問題
　2.12動態(tài)描述邏輯ddl
　習題
第3章　約束推理
　3.1概述
　3.2回溯法
　3.3約束傳播
　3.4約束傳播在樹搜索中的作用
　3.5智能回溯與真值維護
　3.6變量例示次序與賦值次序
　3.7局部修正搜索法
　3.8基于圖的回跳法
　3.9基于影響的回跳法
　3.10約束關系運算的處理
　3.11約束推理系統(tǒng)cops
　3.12ilogsolver
　習題
第4章　定性推理
　4.1概述
　4.2定性推理的基本方法
　4.3定性模型推理
　4.4定性進程推理
　4.5定性仿真推理
　4.6代數(shù)方法
　4.7幾何空間定性推理
　習題
第5章　基于案例的推理
　5.1概述
　5.2類比的形式定義
　5.3相似性關系
　5.4基于案例推理的工作過程
　5.5案例的表示
　5.6案例的索引
　5.7案例的檢索
　5.8案例的利用
　5.9案例的保存
　5.10基于例示的學習
　5.11案例工程
　5.12中心漁場預報專家系統(tǒng)
　習題
第6章　貝葉斯網(wǎng)絡
　6.1概述
　6.2貝葉斯概率基礎
　6.3貝葉斯問題的求解
　6.4簡單貝葉斯學習模型
　6.5貝葉斯網(wǎng)絡的建造
　6.6貝葉斯?jié)撛谡Z義模型
　6.7半監(jiān)督文本挖掘算法
　習題
第7章　歸納學習
　7.1概述
　7.2歸納學習的邏輯基礎
　7.3偏置變換
　7.4變型空間方法
　7.5aq歸納學習算法
　7.6cls學習算法
　7.7id3學習算法
　7.8單變量決策樹的交行處理
　7.9歸納學習的計算理論
　習題
第8章　統(tǒng)計學習
　8.1統(tǒng)計方法
　8.2統(tǒng)計學習問題
　8.3學習過程的一致性
　8.4結構風險最小歸納原理
　8.5支持向量機
　8.6核函數(shù)
　8.7鄰近支持向量機
　8.8極端支持向量機
　習題
第9章　解釋學習
　9.1概述
　9.2解釋學習模型
　9.3解釋泛化學習方法
　9.4全局取代解釋泛化方法
　9.5解釋特化學習方法
　9.6解釋泛化的邏輯程序
　9.7基于知識塊的soar系統(tǒng)
　9.8可操作性
　9.9不完全領域知識下的解釋學習
　習題
第10章　強化學習
　10.1概述
　10.2強化學習模型
　10.3動態(tài)規(guī)劃
　10.4蒙特卡羅方法
　10.5時序差分學習
　10.6q學習
　10.7強化學習中的函數(shù)估計
　10.8強化學習的應用
　習題
第11章　無監(jiān)督學習
　11.1概述
　11.2相似性度量
　11.3劃分方法
　11.4層次聚類方法
　11.5基于密度的聚類
　11.6基于網(wǎng)絡方法
　11.7基于模型的方法
　11.8模糊聚類
　11.9蟻群聚類方法
　11.10聚類方法的評價
　習題
第12章　關聯(lián)規(guī)則
　12.1概述
　12.2基本概念
　12.3二值型關聯(lián)規(guī)則挖掘
　12.4頻繁模式樹挖掘算法
　12.5垂直挖掘算法
　12.6挖掘關聯(lián)規(guī)則的數(shù)組方法
　12.7頻繁閉項集的挖掘算法
　12.8最大頻繁項集的挖掘算法
　12.9增量式關聯(lián)規(guī)則挖掘
　12.10模糊關聯(lián)規(guī)則的挖掘
　12.11任意多表間關聯(lián)規(guī)則的并行挖掘
　12.12基于分布式系統(tǒng)的關聯(lián)規(guī)則挖掘算法
　習題
第13章　進化計算
　13.1概述
　13.2進化系統(tǒng)理論的形式模型
　13.3達爾文進化算法
　13.4基本遺傳算法
　13.5遺傳算法的數(shù)學理論
　13.6遺傳算法的編碼方法
　13.7適應度函數(shù)
　13.8遺傳操作
　13.9變長度染色體遺傳算法
　13.10小生境遺傳算法
　13.11混合遺傳算法
　13.12并行遺傳算法
　13.13分類器系統(tǒng)
　習題
第14章　知識發(fā)現(xiàn)
　14.1概述
　14.2知識發(fā)現(xiàn)的任務
　14.3知識發(fā)現(xiàn)的工具
　14.4msminer的體系結構
　14.5分布式知識發(fā)現(xiàn)
　習題
第15章　主體計算
　15.1概述
　15.2分布式問題求解
　15.3主體理論
　15.4主體結構
　15.5主體通信語言acl
　15.6協(xié)調(diào)和協(xié)作
　15.7移動主體
　15.8多主體環(huán)境
　習題
第16章　互聯(lián)網(wǎng)智能
　16.1概述
　16.2語義web
　16.3本體知識管理
　16.4web挖掘
　16.5搜索引擎
　16.6web技術的演化
　16.7集體智能
　16.8展望
　習題
參考文獻

章節(jié)摘錄

版權頁：插圖：從復用的信息內(nèi)容來看，主要有兩種類型：結果的復用和方法的復用。對于前者來講，當源案例的解答結果需要調(diào)整時，它依據(jù)一些轉(zhuǎn)換操作知識，把源案例中的種種可能解轉(zhuǎn)換為目標案例中相應的解。方法的復用則關心源案例中的問題是如何求解的，而不是其解答結果。源案例帶有求解方法的信息，如操作算子的使用、子目標的考慮、成功或失敗的搜索路徑等。復用時需把這些方法重新例化。（6）解釋過程：對把轉(zhuǎn)換過的源案例的求解方案應用到目標案例時所出現(xiàn)的失敗作出解釋，給出失敗的因果分析報告。有時對成功也同樣作出解釋?；诮忉尩乃饕彩且环N重要的方法。（7）案例修補：有些類似于類比轉(zhuǎn)換，區(qū)別在于修補過程的輸入是解方案和一個失敗報告，而且也許還包含一個解釋，然后修改這個解以排除失敗的因素。當復用階段產(chǎn)生的求解結果不好時，需要對其進行修補。修補的第一步是對復用結果進行評估，如果成功，則不必修補，否則需對錯誤采取修補。進行結果評估，可以依據(jù)它在實際環(huán)境中運行后的反饋，也可以通過咨詢完成。等待反饋可能要花一段時間，比如病人治療的結果好壞。為此，可以考慮通過模擬時間環(huán)境來實現(xiàn)。修正錯誤一般涉及錯誤探測和尋找原因。尋找原因是為了對錯誤進行解釋分析，以找出原因?qū)ΠY下藥，即修改造成錯誤的原因使其不再發(fā)生。當然，修改既可以使用領域知識模型進行自修補，也可以由用戶輸入完成。（8）類比驗證：驗證目標案例和源案例進行類比的有效性。（9）案例保存：新問題得到了解決，則形成了一個可能用于將來情形與之相似的問題。這時有必要把它加入到案例庫中。這是學習也是這是知識獲取。此過程涉及選取哪些信息保留，以及如何把新案例有機集成到案例庫中。修改和精化源案例庫，其中包括泛化和抽象等過程。在決定選取案例的哪些信息進行保留時，一般要考慮以下幾點：和問題有關的特征描述；問題的求解結果；以及解答為什么成功或失敗的原因及解釋。

編輯推薦

《高級人工智能(第3版)》是智能科學技術著作叢書之一。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    高級人工智能 PDF格式下載

---