人工智能原理

內(nèi)容概要

　　《人工智能原理》介紹了人工智能的發(fā)展歷史、基本流派、研究領(lǐng)域，知識表示方法和推理技術(shù)，圖搜索技術(shù)，專家系統(tǒng)及開發(fā)工具的使用和設(shè)計方法，模糊理論及應(yīng)用，機器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)，混沌理論，智能優(yōu)化算法原理和應(yīng)用等。　　《人工智能原理》是作者在多年教學(xué)和科研實踐的基礎(chǔ)上，參閱了國內(nèi)外現(xiàn)有教材和相關(guān)文獻后編寫的。全書注重理論與實踐的結(jié)合，注重算法的實際應(yīng)用與實現(xiàn)方法，注重創(chuàng)新思維的訓(xùn)練與培養(yǎng)?！　　度斯ぶ悄茉怼房勺鳛楦叩仍盒Ｗ詣踊?、電氣工程、計算機、電子信息等專業(yè)人工智能的本科生、研究生教材，也可供從事人工智能研究與應(yīng)用的科技工作者學(xué)習(xí)參考。

書籍目錄

前言第1章 緒論1.1 人工智能的起源與發(fā)展1.2 人工智能學(xué)術(shù)流派1.3 人工智能的研究與應(yīng)用領(lǐng)域第2章 知識表示和推理2.1 知識和知識表示的基本概念2.2 命題邏輯2.2.1 語法2.2.2 語義2.2.3 命題演算形式系統(tǒng)2.3 謂詞邏輯2.3.1 語法2.3.2 語義2.4 歸結(jié)推理2.4.1 子句集及其簡化2.4.2 海伯倫定理2.4.3 Robinson歸結(jié)原理2.4.4 利用Robinson歸結(jié)原理實現(xiàn)定理證明2.4.5 應(yīng)用歸結(jié)原理求解問題2.5 產(chǎn)生式系統(tǒng)2.5.1 產(chǎn)生式系統(tǒng)的組成部分2.5.2 產(chǎn)生式系統(tǒng)的控制策略2.5.3 產(chǎn)生式系統(tǒng)的推理方式2.6 語義網(wǎng)絡(luò)表示法2.6.1 語義網(wǎng)絡(luò)的結(jié)構(gòu)2.6.2 基本命題的語義網(wǎng)絡(luò)表示2.6.3 語義網(wǎng)絡(luò)的知識表示方法2.6.4 語義網(wǎng)絡(luò)表示法的特點2.7 框架表示法2.8 狀態(tài)空間表示法2.9 與或圖表示法第3章 圖搜索技術(shù)3.1 問題的提出3.2 狀態(tài)圖搜索3.2.1 狀態(tài)圖搜索分類3.2.2 窮舉式搜索3.2.3 啟發(fā)式搜索3.2.4 A算法及A算法3.3 與或圖搜索3.3.1 與或圖3.3.2 與或圖搜索舉例3.4 博弈圖搜索3.4.1 博弈圖3.4.2 極大極小分析法3.4.3 剪枝技術(shù)第4章 專家系統(tǒng)4.1 專家系統(tǒng)的概述4.1.1 專家系統(tǒng)的概念與特點4.1.2 專家系統(tǒng)和傳統(tǒng)程序的區(qū)別4.2 專家系統(tǒng)的結(jié)構(gòu)4.3 專家系統(tǒng)的設(shè)計原則與開發(fā)過程4.3.1 專家系統(tǒng)的設(shè)計原則4.3.2 專家系統(tǒng)的開發(fā)過程4.4 專家系統(tǒng)評價4.5 專家系統(tǒng)開發(fā)工具4.5.1 骨架型開發(fā)工具4.5.2 語言型開發(fā)工具4.5.3 構(gòu)造輔助工具4.5.4 支撐環(huán)境4.6 Prolog語言4.6.1 Prolog語言的特點4.6.2 基本Prolog的程序結(jié)構(gòu)4.6.3 Prolog程序的運行機理4.6.4 TurboProlog程序結(jié)構(gòu)4.6.5 TurboProlog的數(shù)據(jù)與表達式4.6.6 VisualProlog介紹4.6.7 PIE Prolog的推理機第5章 模糊理論及應(yīng)用5.1 模糊理論的產(chǎn)生與發(fā)展5.2 模糊理論的數(shù)學(xué)基礎(chǔ)5.2.1 經(jīng)典集合論的基本概念5.2.2 模糊集合的基本概念5.2.3 模糊關(guān)系與復(fù)合運算5.3 模糊邏輯5.3.1 模糊條件語句5.3.2 模糊推理5.4 模糊控制系統(tǒng)及模糊控制器5.4.1 模糊控制系統(tǒng)的基本結(jié)構(gòu)5.4.2 模糊控制器5.4.3 模糊控制器的設(shè)計5.4.4 模糊PID控制器的設(shè)計5.5 模糊聚類分析與模糊模式識別5.5.1 模糊聚類分析5.5.2 模糊模式識別第6章 機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)6.1 機器學(xué)習(xí)的基本概念和發(fā)展史6.2 經(jīng)典機器學(xué)習(xí)方法6.3 基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)j6.3.1 神經(jīng)網(wǎng)絡(luò)概述6.3.2 人工神經(jīng)網(wǎng)絡(luò)模型6.3.3 BP神經(jīng)網(wǎng)絡(luò)6.3.4 RBF神經(jīng)網(wǎng)絡(luò)6.3.5 cMAc神經(jīng)網(wǎng)絡(luò)6.3.6 Hopfield神經(jīng)網(wǎng)絡(luò)6.3.7 模糊神經(jīng)網(wǎng)絡(luò)6.3.8 其他類型的神經(jīng)網(wǎng)絡(luò)介紹第7章 混沌理論與混沌神經(jīng)網(wǎng)絡(luò)7.1 混沌研究的起源與發(fā)展7.2 混沌的基本特性7.3 通往混沌的道路7.4 混沌的識別7.4.1 定性分析法7.4.2 定量分析法7.5 混沌應(yīng)用7.6 混沌神經(jīng)網(wǎng)絡(luò)7.6.1 暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)7.6.2 其他類型的混沌神經(jīng)網(wǎng)絡(luò)7.6.3 G-s混沌神經(jīng)網(wǎng)絡(luò)應(yīng)用實例第8章 智能優(yōu)化計算8.1 優(yōu)化問題的分類8.2 優(yōu)化算法分類8.3 梯度優(yōu)化計算8.4 混沌優(yōu)化8.5 模擬退火算法8.6 遺傳算法8.6.1 遺傳算法中的關(guān)鍵參數(shù)與操作8.6.2 遺傳算法中的基本流程8.6.3 遺傳算法的改進8.6.4 遺傳算法的實現(xiàn)8.7 蟻群算法8.7.1 蟻群算法的研究現(xiàn)狀8.7.2 基本蟻群算法的工作原理8.8 粒子群算法及應(yīng)用8.8.1 基本粒子群優(yōu)化算法8.8.2 粒子群優(yōu)化算法的拓撲結(jié)構(gòu)8.9 魚群算法簡介8.10 混合優(yōu)化計算方法簡介參考文獻

章節(jié)摘錄

版權(quán)頁：插圖：1.互接觀測法利用動力學(xué)系統(tǒng)的數(shù)值運算結(jié)果繪制出相軌跡圖，以及狀態(tài)變量隨時間變化的歷程圖，根據(jù)軌跡的形狀對系統(tǒng)的性質(zhì)進行定性分析和判斷。通常，周期運動的相軌跡為封閉曲線，而混沌運動的相軌跡為在一定區(qū)域內(nèi)隨機分布的永不封閉的軌跡。該方法可以確定分岔點和普適常數(shù)，物理圖像清楚、直觀，尤其是對陣發(fā)混沌更是一個很直接的分析方法。2.分頻采樣法對于周期外力作用下的非線性振子，研究其倍周期分岔和混沌現(xiàn)象，可采用分頻采樣法。分頻采樣法是實驗物理或非線性振動理論中閃爍采樣法的簡單推廣。即不限于按控制頻率的基本周期采樣，而是按適當(dāng)分頻（即倍周期）采樣。分頻采樣法是目前辨認長周期混沌帶的最有效方法。分頻采樣法具有和快速傅氏變換一樣的兩個缺點：一是解釋不唯一，二是不能分辨比采樣頻率更高的頻率。從實用角度看，分頻采樣法的限制僅僅是機器字長和計算時間。3.龐加萊截面法對于含多個狀態(tài)變量的自治微分方程系統(tǒng)，可采用龐加萊截面法進行分析。其基本思想是：在多維相空間中適當(dāng)選取一截面，在此截面上對某一對共軛變量取固定值，該界面稱為龐加萊截面。每當(dāng)軌道按一定方向穿過該面，就將相應(yīng)的交點記錄下來，這樣就得到一個離散點列。于是連續(xù)運動在該平面中就表現(xiàn)為離散點的映像，這就是龐加萊映像。龐加萊映像是研究分岔與混沌問題的重要手段。分析運動軌跡與龐加萊截面的交點（龐加萊點）可得到系統(tǒng)運動特性的信息。相空間中不同的初值可能對應(yīng)不同的運動類型，這對于保守系統(tǒng)尤其如此。只要運動是有界的，軌道穿過一次龐加萊截面后，遲早會第二、三、一次穿過。若不考慮系統(tǒng)初始階段的暫態(tài)過程，只考慮龐加萊截面上的穩(wěn)態(tài)圖像，則當(dāng)龐加萊截面上只有一個不動點或少數(shù)離散點時，運動是周期的；當(dāng)龐加萊截面上是一閉曲線時，運動是準周期的；當(dāng)龐加萊截面上是成片的密集點且有層次結(jié)構(gòu)時，運動是混沌的。龐加萊截面將連續(xù)運動降為低維的離散映像。特別是對沒有確定的頻率可作控制參數(shù)的系統(tǒng)，龐加萊截面成為研究它們的主要手段。截面位置的選擇很重要，通常應(yīng)經(jīng)過原來穩(wěn)定而后失穩(wěn)的不動點附近，才能反映出現(xiàn)分岔和混沌的過程。由于分岔序列往往伴隨著在不同幾何尺度上重復(fù)的層次結(jié)構(gòu)，原則上可以靠分割和限制空間范圍與采樣間隔提高分辨能力。4.相空間重構(gòu)法當(dāng)系統(tǒng)的數(shù)學(xué)模型未知時，上述分析混沌行為的方法就不再適用了。此時可考慮采用相空間重構(gòu)理論進行動力系統(tǒng)分析。相空間重構(gòu)的概念最早出現(xiàn)在統(tǒng)計學(xué)領(lǐng)域中，后被Packard、Ruell、Takens等人先后引入動力學(xué)體系中。相空間重構(gòu)可把具有混沌特性的時間序列重建為一種低階非線性動力學(xué)系統(tǒng)。

編輯推薦

《人工智能原理》：普通高等教育“十二五”電氣信息類規(guī)劃教材

圖書封面

評論、評分、閱讀與下載

---

    人工智能原理 PDF格式下載

---