人工智能導(dǎo)論

前言

人工智能是計算機(jī)科學(xué)的一個核心研究領(lǐng)域。計算機(jī)科學(xué)發(fā)展的終極目標(biāo)就是不但讓計算機(jī)具有超強的計算能力，還讓計算機(jī)具有像人一樣的智能，最終使計算機(jī)能夠做人類所做的一切事情，并且可能有比人類更強的能力。這是人類的一個夢想。人工智能作為一門學(xué)科從正式提出到現(xiàn)在，已經(jīng)走過了半個多世紀(jì)。在過去的半個多世紀(jì)里，人工智能學(xué)科的發(fā)展經(jīng)歷了風(fēng)風(fēng)雨雨、起起落落?，F(xiàn)在，人工智能正處于一個蓬勃發(fā)展、更加深入的階段。人工智能涉及的子領(lǐng)域以及從事研究的學(xué)者范圍非常廣泛。這是一個典型的交叉科學(xué)。因為智能本身就是一個極其復(fù)雜的現(xiàn)象。不同的人從不同角度和不同觀點都可以獲得對智能的認(rèn)識和模擬。進(jìn)入21世紀(jì)以來，人工智能的發(fā)展一日千里。其研究成果和各種文獻(xiàn)更是不計其數(shù)。為了讓大家能夠了解人工智能發(fā)展的基本現(xiàn)狀，掌握人工智能研究的大致熱點和基本原理與方法，我們編寫了本書。本書并不試圖詳細(xì)、深入地介紹人工智能中每一方面的最新成果。因為本書的每一章都涵蓋了人工智能的一個或者多個研究領(lǐng)域。如果要深入、全面地介紹這個領(lǐng)域，那么每一章至少都是一部專著，所以本書的意圖就是讓讀者了解人工智能研究和發(fā)展的基本輪廓，對人工智能有一個基本的認(rèn)識，知道目前人工智能研究中的一些熱點，掌握人工智能研究和應(yīng)用中的一些基本的、普遍的、比較廣泛的原理和方法。歸結(jié)成一句話，就是把讀者引進(jìn)人工智能的大門。入門之后，讀者就要根據(jù)自己的興趣選擇各自的研究方向，然后再閱讀該方向的專著。因此本書定名為“導(dǎo)論”。全書共分8章。第1章是緒論，介紹一些關(guān)于人工智能的基本觀點、基本途徑和人工智能中的主要研究內(nèi)容。第2章是知識工程，主要介紹關(guān)于知識的表示和知識組織的問題。第3章介紹的確定性推理與第4章介紹的不確定性推理，都是關(guān)于如何運用知識（即推理）的問題。第5章介紹了搜索策略。這些都是傳統(tǒng)人工智能教材的內(nèi)容。知識和推理是智能的核心。有些學(xué)者所稱的人工智能僅指這一部分；而把人工神經(jīng)網(wǎng)絡(luò)、模式識別、機(jī)器學(xué)習(xí)等問題與人工智能并列起來，甚至對立起來。筆者認(rèn)為，傳統(tǒng)的知識和推理部分主要運用物理符號系統(tǒng)進(jìn)行研究，應(yīng)該只是人工智能研究途徑中的一種，并非全部。以人工神經(jīng)網(wǎng)絡(luò)為代表的連接主義途徑也是研究人工智能的基本途徑。學(xué)習(xí)問題是擴(kuò)展知識、發(fā)展智能的必要手段，當(dāng)然也是人工智能必不可缺的一部分。模式識別正是人工智能在人類社會中的重要應(yīng)用。這幾部分也是當(dāng)前人工智能研究中的一些熱點和重點。本書根據(jù)人工智能近20年來的發(fā)展，引入了一些新內(nèi)容。本書的第6章介紹了當(dāng)前機(jī)器學(xué)習(xí)中的一些基本問題、基本方法和基本思路。第7章介紹了人工神經(jīng)網(wǎng)絡(luò)的基本模型和算法。由于模式識別的內(nèi)容和機(jī)器學(xué)習(xí)的內(nèi)容有很大一部分是重疊的，所以本書沒有把模式識別單獨作為一章進(jìn)行介紹。第8章把模式識別、自然語言處理和智能體等當(dāng)前人工智能研究和發(fā)展的一些熱點集中在一起，進(jìn)行了簡單介紹。本書的第l、6、7章由鮑軍鵬編寫，第2～5章由張選平編寫，第8章由呂園園編寫。由于作者水平有限，書中難免有不妥之處，懇請廣大讀者批評指正。

內(nèi)容概要

　　《人工智能導(dǎo)論》系統(tǒng)地闡述了人工智能的基本理論、基本技術(shù)、研究方法和應(yīng)用領(lǐng)域等內(nèi)容，比較全面地反映了近：20年來人工智能研究領(lǐng)域的進(jìn)展，并根據(jù)人工智能的發(fā)展動向?qū)σ恍﹤鹘y(tǒng)內(nèi)容作了取舍，詳細(xì)介紹了機(jī)器學(xué)習(xí)方面的內(nèi)容。全書分為8章，內(nèi)容涉及人工智能的基本概念、知識工程、確定性推理和不確定性推理、搜索策略、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)，以及模式識別、自然語言處理和智能體等方面。每章后面都附有習(xí)題，以供讀者練習(xí)?！　”緯勺鳛橛嬎銠C(jī)專業(yè)本科生和其他相關(guān)學(xué)科本科生、研究生的教材，也可作為有關(guān)科技人員的參考用書。

書籍目錄

前言第1章　緒論  1.1　什么是人工智能    1.1.1　關(guān)于智能    1.1.2　人工智能的研究目標(biāo)  1.2　人工智能發(fā)展簡史  1.3　人工智能研究方法    1.3.1　人工智能研究的特點    1.3.2　人工智能研究的途徑    1.3.3　人工智能研究的資源  1.4　人工智能研究及應(yīng)用領(lǐng)域    1.4.1　問題求解與博弈    1.4.2　專家系統(tǒng)    1.4.3　自動定理證明    1.4.4　機(jī)器學(xué)習(xí)    1.4.5　人工神經(jīng)網(wǎng)絡(luò)    1.4.6　模式識別    1.4.7　計算機(jī)視覺    1.4.8　自然語言處理    1.4.9　智能體    1.4.10　智能控制    1.4.11　機(jī)器人學(xué)    1.4.12　人工生命  1.5　本章小結(jié)  1.6　習(xí)題第2章　知識工程  2.1　概述  2.2　知識表示方法    2.2.1　經(jīng)典邏輯表示法    2.2.2　產(chǎn)生式表示法    2.2.3　層次結(jié)構(gòu)表示法    2.2.4　網(wǎng)絡(luò)結(jié)構(gòu)表示法    2.2.5　其他表示法  2.3　知識獲取與管理    2.3.1　知識獲取的任務(wù)    2.3.2　知識獲取的方式    2.3.3　知識管理    2.3.4　本體論  2.4　基于知識的系統(tǒng)    2.4.1　什么是知識系統(tǒng)    2.4.2　專家系統(tǒng)    2.4.3　知識系統(tǒng)舉例  2.5　本章小結(jié)  2.6　習(xí)題第3章　確定性推理  3.1　概述    3.1.1　推理方式與分類    3.1.2　推理控制策略    3.1.3　知識匹配  3.2　自然演繹推理  3.3　歸結(jié)演繹推理    3.3.1　海伯倫理論    3.3.2　魯賓遜歸結(jié)原理    3.3.3　歸結(jié)反演    3.3.4　歸結(jié)策略    3.3.5　應(yīng)用歸結(jié)原理求解問題  3.4　與或形演繹推理    3.4.1　與或形正向演繹推理    3.4.2　與或形逆向演繹推理    3.4.3　與或形雙向演繹推理  3.5　本章小結(jié)  3.6　習(xí)題第4章　不確定性推理  4.1　概述  4.2　基本概率方法  4.3　主觀貝葉斯方法    4.3.1　不確定性的表示    4.3.2　不確定性的傳遞算法    4.3.3　結(jié)論不確定性的合成算法  4.4  可信度方法    4.4.1  基本可信度模型    4.4.2  帶閾值限度的可信度模型    4.4.3  加權(quán)的可信度模型    4.4.4  前件帶不確定性的可信度模型  4.5  模糊推理    4.5.1  模糊理論    4.5.2  簡單模糊推理    4.5.3  模糊三段論推理    4.5.4  多維模糊推理    4.5.5  多重模糊推理    4.5.6  帶有可信度因子的模糊推理  4.6  證據(jù)理論    4.6.1  D—S理論    4.6.2  基于證據(jù)理論的不確定性推理  4.7  粗糙集理論    4.7.1  粗糙集理論的基本概念    4.7.2  粗糙集在知識發(fā)現(xiàn)中的應(yīng)用  4.8  本章小結(jié)  4.9  習(xí)題第5章  搜索策略  5.1  概述    5.1.1  什么是搜索    5.1.2  狀態(tài)空間表示法    5.1.3  與或樹表示法  5.2  狀態(tài)空間搜索    5.2.1  狀態(tài)空間的一般搜索過程    5.2.2  廣度優(yōu)先搜索    5.2.3  深度優(yōu)先搜索    5.2.4  有界深度優(yōu)先搜索    5.2.5  啟發(fā)式搜索    5.2.6  A*算法  5.3  與或樹搜索    5.3.1  與或樹的一般搜索過程    5.3.2  與或樹的廣度優(yōu)先搜索    5.3.3  與或樹的深度優(yōu)先搜索    5.3.4  與或樹的有序搜索    5.3.5  博弈樹的啟發(fā)式搜索    5.3.6  剪枝技術(shù)  5.4  本章小結(jié)  5.5  習(xí)題第6章  機(jī)器學(xué)習(xí)  6.1  概述    6.1.1  什么是機(jī)器學(xué)習(xí)    6.1.2  機(jī)器學(xué)習(xí)方法的分類    6.1.3  機(jī)器學(xué)習(xí)的基本問題    6.1.4  評估學(xué)習(xí)結(jié)果  6.2  決策樹學(xué)習(xí)    6.2.1  決策樹表示法    6.2.2  ID3算法    6.2.3  決策樹學(xué)習(xí)的常見問題    6.2.4  用決策樹學(xué)習(xí)客戶分類  6.3  貝葉斯學(xué)習(xí)    6.3.1  貝葉斯法則    6.3.2  樸素貝葉斯方法    6.3.3  貝葉斯網(wǎng)絡(luò)    6.3.4  EM算法    6.3.5  用貝葉斯方法過濾垃圾郵件  6.4  統(tǒng)計學(xué)習(xí)    6.4.1  統(tǒng)計學(xué)習(xí)理論    6.4.2  支持向量機(jī)    6.4.3  核函數(shù)    6.4.4  基于支持向量機(jī)的車牌識別  6.5  遺傳算法    6.5.1  進(jìn)化計算    6.5.2  遺傳算法原理    6.5.3  問題編碼策略    6.5.4  遺傳算子    6.5.5  遺傳算法的理論分析    6.5.6  用遺傳算法解決TSP問題  6.6  聚類    6.6.1  聚類問題    6.6.2  分層聚類方法    6.6.3  劃分聚類方法    6.6.4  基于密度的聚類方法    6.6.5  基于網(wǎng)格的聚類方法    6.6.6  股票信息的聚類分析  6.7  特征選擇與提取    6.7.1  特征選擇    6.7.2  常用的特征函數(shù)    6.7.3  主成分分析  6.8  其他學(xué)習(xí)方法    6.8.1  強化學(xué)習(xí)    6.8.2  隱馬爾可夫模型  6.9  本章小結(jié)  6.10  習(xí)題第7章  人工神經(jīng)網(wǎng)絡(luò)  7.1  概述    7.1.1  人腦神經(jīng)系統(tǒng)    7.1.2  人工神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容與特點    7.1.3  人工神經(jīng)網(wǎng)絡(luò)的基本形態(tài)  7.2  感知器    7.2.1  簡單感知器    7.2.2  多層感知器  7.3  前饋神經(jīng)網(wǎng)絡(luò)    7.3.1  反向傳播算法    7.3.2  反向傳播算法中的問題    7.3.3  徑向基函數(shù)網(wǎng)絡(luò)  7.4  反饋神經(jīng)網(wǎng)絡(luò)    7.4.1  Hopfield網(wǎng)絡(luò)    7.4.2  離散型Hopfield網(wǎng)絡(luò)    7.4.3  連續(xù)型Hopfield網(wǎng)絡(luò)    7.4.4  Hopfield網(wǎng)絡(luò)中的問題    7.4.5  用Hopfield網(wǎng)絡(luò)解決TSP問題  7.5  隨機(jī)神經(jīng)網(wǎng)絡(luò)    7.5.1  模擬退火算法    7.5.2  波爾茲曼機(jī)  7.6  自組織神經(jīng)網(wǎng)絡(luò)    7.6.1  競爭學(xué)習(xí)    7.6.2  自組織特征映射網(wǎng)絡(luò)    7.7  本章小結(jié)    7.8  習(xí)題第8章  人工智能的其他領(lǐng)域  8.1  模式識別    8.1.1  模式識別的基本問題    8.1.2  統(tǒng)計模式識別    8.1.3  句法模式識別    8.1.4  模糊模式識別    8.1.5  神經(jīng)網(wǎng)絡(luò)模式識別    8.1.6  模式識別的應(yīng)用  8.2  自然語言處理    8.2.1  自然語言處理的基本問題    8.2.2  語法分析    8.2.3  語義分析    8.2.4  大規(guī)模文本處理    8.2.5  自然語言處理的應(yīng)用  8.3  智能體    8.3.1  智能體模型    8.3.2  多智能體系統(tǒng)的模型    8.3.3  多智能體系統(tǒng)的協(xié)作、協(xié)商與協(xié)調(diào)    8.3.4  多智能體系統(tǒng)的學(xué)習(xí)與規(guī)劃    8.3.5  智能體間的通信    8.3.6  智能體的應(yīng)用  8.4  本章小結(jié)  8.5  習(xí)題參考文獻(xiàn)

章節(jié)摘錄

插圖：值得指出的是，廣義邏輯表示法的含義較廣，現(xiàn)在有很多邏輯形式系統(tǒng)都采用邏輯表示方法。例如，模糊邏輯表示一些非精確的知識，非單調(diào)邏輯表示一些常識，次協(xié)調(diào)邏輯表示一些相對矛盾的知識，等等。2.2.2 產(chǎn)生式表示法1943年，美國數(shù)學(xué)家波斯特（E.Post）首先提出的產(chǎn)生式系統(tǒng)（Production System），是作為組合問題的形式化變換理論提出來的。其中產(chǎn)生式是指類似于A-Aa的符號變換規(guī)則。謂詞公式中的蘊涵關(guān)系就是產(chǎn)生式的特殊情形。有的心理學(xué)家認(rèn)為，人腦對知識的存儲就是產(chǎn)生式形式，相應(yīng)的系統(tǒng)就稱為產(chǎn)生式系統(tǒng)。產(chǎn)生式系統(tǒng)在人工智能實踐中應(yīng)用非常廣泛。其主要原因如下：1）用產(chǎn)生式系統(tǒng)結(jié)構(gòu)求解問題的過程和人類求解問題的思維過程很相像，因而可以用來模擬人們求解問題時的思維過程。2）人們可以把產(chǎn)生式當(dāng)做人工智能系統(tǒng)中一個基本的知識結(jié)構(gòu)單元，從而將產(chǎn)生式系統(tǒng)看做一種基本模式，因而研究產(chǎn)生式系統(tǒng)的基本問題對人工智能的研究具有廣泛的意義。1.產(chǎn)生式系統(tǒng)的組成產(chǎn)生式系統(tǒng)由全局?jǐn)?shù)據(jù)庫（Global Database）、產(chǎn)生式規(guī)則集（Set of Product Rules）和控制策略（Control Strategies）3部分組成。全局?jǐn)?shù)據(jù)庫是產(chǎn)生式系統(tǒng)所使用的主要數(shù)據(jù)結(jié)構(gòu)，它存放輸入的事實和問題狀態(tài)以及所求解問題的所有信息，包括推理的中間結(jié)果和最后結(jié)果。全局?jǐn)?shù)據(jù)庫中的數(shù)據(jù)根據(jù)應(yīng)用的問題不同，可以是常量、變量、謂詞、表結(jié)構(gòu)和圖像等。全局?jǐn)?shù)據(jù)庫中的數(shù)據(jù)是產(chǎn)生式規(guī)則的處理對象。規(guī)則集是某領(lǐng)域知識用規(guī)則形式表示的集合。規(guī)則用產(chǎn)生式來表示。規(guī)則集包含將問題從初始狀態(tài)轉(zhuǎn)換到目標(biāo)狀態(tài)的所有變換規(guī)則。用一般計算機(jī)程序語言表示為：if…then…。其中左部確定了該規(guī)則可應(yīng)用的先決條件；右部描述應(yīng)用了這條規(guī)則所采取的行動或得出的結(jié)論。在確定規(guī)則的前提或條件時，通常采用匹配的方法，即查看全局?jǐn)?shù)據(jù)庫中是否存在規(guī)則的前提或條件所指出的情況。若存在，則認(rèn)為匹配成功；否則，則認(rèn)為失敗。若匹配成功，則執(zhí)行規(guī)則行為部分規(guī)定的動作（如“添加”新數(shù)據(jù)、“更新”1日數(shù)據(jù)、“刪除”無用數(shù)據(jù)等），或得到規(guī)則中所描述的結(jié)論?？刂撇呗曰蚩刂葡到y(tǒng)是規(guī)則的解釋程序，它規(guī)定了如何選擇一條可應(yīng)用韻規(guī)則對全局?jǐn)?shù)據(jù)庫進(jìn)行操作，即決定了問題的求解過程或推理路線。通常情況下，控制策略負(fù)責(zé)產(chǎn)生式規(guī)則前提或條件與全局?jǐn)?shù)據(jù)庫中數(shù)據(jù)的匹配，按一定的策略從匹配超過的規(guī)則中選出一條（可能不止一條）加以執(zhí)行（執(zhí)行規(guī)則行為部分規(guī)定的操作，或得到規(guī)則結(jié)論部分描述的結(jié)論），并在合適的時候結(jié)束產(chǎn)生式系統(tǒng)的運行。2.產(chǎn)生式系統(tǒng)的知識表示產(chǎn)生式系統(tǒng)的知識表示方法包括事實的表示和規(guī)則的表示。

編輯推薦

鮑軍鵬、張選平等編著的《人工智能導(dǎo)論》為“計算機(jī)科學(xué)與技術(shù)系列”叢書中的一本。全書分為8章，內(nèi)容涉及人工智能的基本概念、知識工程、確定性推理和不確定性推理、搜索策略、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)，以及模式識別、自然語言處理和智能體等方面。每章后面都附有習(xí)題，以供讀者練習(xí)。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    人工智能導(dǎo)論 PDF格式下載

---