人工智能

內(nèi)容概要

Michael Negnevitsky所著的《人工智能
智能系統(tǒng)指南（原書第3版）》是一本很好的人工智能入門書籍，內(nèi)容豐富、淺顯易懂。作者根據(jù)自己多年的教學(xué)、實踐經(jīng)驗，并結(jié)合實際代碼、圖示、案例等講解了人工智能的基本知識。
全書共分10章，主要內(nèi)容包括：基于規(guī)則的專家系統(tǒng)、不確定性管理技術(shù)、模糊專家系統(tǒng)、基于框架的專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、進化計算、混合智能系統(tǒng)、知識工程、數(shù)據(jù)挖掘等。另外，本書還提供了一個人工智能相關(guān)術(shù)語表和包含商業(yè)化的人工智能工具的附錄。
《人工智能
智能系統(tǒng)指南（原書第3版）》既可以作為計算機科學(xué)相關(guān)專業(yè)本科生的入門教材，也可以作為非計算機科學(xué)專業(yè)讀者的自學(xué)參考書。

作者簡介

澳大利亞塔斯馬尼亞大學(xué)電氣工程和計算機科學(xué)系教授。他的許多研究課題都涉及人工智能和軟計算。他一直致力于電氣工程、過程控制和環(huán)境工程中智能系統(tǒng)的開發(fā)和應(yīng)用，發(fā)表了300多篇論文，著有2本專著，并獲得了4項發(fā)明專利。

書籍目錄

譯者序
第3版前言
第1版前言
本書概要
致謝
第1章  基于知識的智能系統(tǒng)概述
  1.1  智能機
  1.2  人工智能的發(fā)展歷史，從“黑暗時代”到基于知識的系統(tǒng)
    1.2.1  “黑暗時代”，人工智能的誕生（1943年～1956年）
    1.2.2  人工智能的上升期，遠(yuǎn)大目標(biāo)積極實現(xiàn)的年代（1956年～20世紀(jì)60年代晚期）
    1.2.3  沒有履行的諾言，來自現(xiàn)實的沖擊（20世紀(jì)60年代晚期～20世紀(jì)70年代早期）
    1.2.4  專家系統(tǒng)技術(shù)，成功的關(guān)鍵因素（20世紀(jì)70年代早期～20世紀(jì)80年代中期）
    1.2.5  如何使機器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)的重生（20世紀(jì)80年代中期至今）
    1.2.6  進化計算，在嘗試中學(xué)習(xí)（20世紀(jì)70年代早期至今）
    1.2.7  知識工程的新紀(jì)元，文字計算（20世紀(jì)80年代后期至今）
  1.3  小結(jié)
  復(fù)習(xí)題
  參考文獻
第2章  基于規(guī)則的專家系統(tǒng)
  2.1  知識概述
  2.2  知識表達技術(shù)——規(guī)則
  2.3  專家系統(tǒng)研發(fā)團隊的主要參與者
  2.4  基于規(guī)則的專家系統(tǒng)的結(jié)構(gòu)
  2.5  專家系統(tǒng)的基本特征
  2.6  前向鏈接和后向鏈接推理技術(shù)
    2.6.1  前向鏈接
    2.6.2  后向鏈接
  2.7  MEDIA ADVISOR：基于規(guī)則的專家系統(tǒng)實例
  2.8  沖突消解
  2.9  基于規(guī)則的專家系統(tǒng)的優(yōu)點和缺點
  2.10  小結(jié)
  復(fù)習(xí)題
  參考文獻
第3章  基于規(guī)則的專家系統(tǒng)中的不確定性管理
  3.1  不確定性簡介
  3.2  概率論基本知識
  3.3  貝葉斯推理
  3.4  FORECAST：論據(jù)累積的貝葉斯方法
  3.5  貝葉斯方法的偏差
  3.6  確信因子理論和基于論據(jù)的推理
  3.7  FORECAST：確信因子的應(yīng)用
  3.8  貝葉斯推理和確信因子的對比
  3.9  小結(jié)
  復(fù)習(xí)題
  參考文獻
第4章  模糊專家系統(tǒng)
  4.1  概述
  4.2  模糊集
  4.3  語言變量和模糊限制語
  4.4  模糊集的操作
  4.5  模糊規(guī)則
  4.6  模糊推理
    4.6.1  Mamdani-Style 推理
    4.6.2  Sugeno-Style推理
  4.7  建立模糊專家系統(tǒng)
  4.8  小結(jié)
  復(fù)習(xí)題
  參考文獻
  參考書目
第5章  基于框架的專家系統(tǒng)
  5.1  框架簡介
  5.2  知識表達技術(shù)——框架
  5.3  基于框架的系統(tǒng)中的繼承
  5.4  方法和守護程序
  5.5  框架和規(guī)則的交互
  5.6  基于框架的專家系統(tǒng)實例：Buy Smart
  5.7  小結(jié)
  復(fù)習(xí)題
  參考文獻
  參考書目
第6章  人工神經(jīng)網(wǎng)絡(luò)
  6.1  人腦工作機制簡介
  6.2  作為簡單計算元素的神經(jīng)元
  6.3  感知器
  6.4  多層神經(jīng)網(wǎng)絡(luò)
  6.5  多層神經(jīng)網(wǎng)絡(luò)的加速學(xué)習(xí)
  6.6  hopfield網(wǎng)絡(luò)
  6.7  雙向聯(lián)想記憶
  6.8  自組織神經(jīng)網(wǎng)絡(luò)
    6.8.1  hebbian學(xué)習(xí)
    6.8.2  競爭學(xué)習(xí)
  6.9  小結(jié)
  復(fù)習(xí)題
  參考文獻
第7章  進化計算
  7.1  進化是智能的嗎
  7.2  模擬自然進化
  7.3  遺傳算法
  7.4  遺傳算法為什么可行
  7.5  案例研究：用遺傳算法來維護調(diào)度
  7.6  進化策略
  7.7  遺傳編程
  7.8  小結(jié)
  復(fù)習(xí)題
  參考文獻
  參考書目
第8章  混合智能系統(tǒng)
  8.1  概述
  8.2  神經(jīng)專家系統(tǒng)
  8.3  神經(jīng)-模糊系統(tǒng)
  8.4  ANFIS
  8.5  進化神經(jīng)網(wǎng)絡(luò)
  8.6  模糊進化系統(tǒng)
  8.7  小結(jié)
  復(fù)習(xí)題
  參考文獻
第9章  知識工程
  9.1  知識工程簡介
    9.1.1  問題評估
    9.1.2  數(shù)據(jù)和知識獲取
    9.1.3  原型系統(tǒng)開發(fā)
    9.1.4  完整系統(tǒng)開發(fā)
    9.1.5  系統(tǒng)評價和修訂
    9.1.6  系統(tǒng)集成和維護
  9.2  專家系統(tǒng)可以解決的問題
  9.3  模糊專家系統(tǒng)可以解決的問題
  9.4  神經(jīng)網(wǎng)絡(luò)可以解決的問題
  9.5  遺傳算法可以解決的問題
  9.6  混合智能系統(tǒng)可以解決的問題
  9.7  小結(jié)
  復(fù)習(xí)題
  參考文獻
第10章  數(shù)據(jù)挖掘和知識發(fā)現(xiàn)
  10.1  數(shù)據(jù)挖掘簡介
  10.2  統(tǒng)計方法和數(shù)據(jù)可視化
  10.3  主成分分析
  10.4  關(guān)系數(shù)據(jù)庫和數(shù)據(jù)庫查詢
  10.5  數(shù)據(jù)倉庫和多維數(shù)據(jù)分析
  10.6  決策樹
  10.7  關(guān)聯(lián)規(guī)則和購物籃分析
  10.8  小結(jié)
  復(fù)習(xí)題
  參考文獻
術(shù)語表
附錄  人工智能工具和經(jīng)銷商
索引

章節(jié)摘錄

版權(quán)頁：   插圖：   4.8小結(jié) 本章介紹了模糊邏輯并探討了其背后的哲學(xué)思想，介紹了模糊集的概念以及如何在計算機中表示模糊集，并檢查了模糊集的操作。我們還定義了語言變量和模糊限制語，隨后介紹了模糊規(guī)則并解釋了經(jīng)典規(guī)則和模糊規(guī)則的區(qū)別。本章主要研究了兩種模糊推理技術(shù)——Mamdani和Sugeno，并給出了它們的適用情況。最后介紹開發(fā)模糊專家系統(tǒng)的步驟，并詳細(xì)說明了建立和調(diào)整模糊系統(tǒng)的實際步驟。 本章的主要內(nèi)容有： 模糊邏輯是描述模糊的邏輯。模糊邏輯試圖對人類的語言、決策和常識建模，這樣會促使出現(xiàn)更加智能化的機器。 模糊邏輯是在20世紀(jì)20年代由Jan Lukasiewicz提出的，在20世紀(jì)30年代由Max Black進行了仔細(xì)的研究，并在20世紀(jì)60年代由Lotfi Zadeh重新發(fā)現(xiàn)，并擴展至數(shù)學(xué)邏輯的正式系統(tǒng)中。 模糊邏輯是基于隸屬度的知識表達的數(shù)學(xué)原理的集合，而不是基于經(jīng)典二值邏輯中的清晰的隸屬關(guān)系。和二值的布爾邏輯不同，模糊邏輯是多值的。 模糊集是有模糊邊界的集合，例如，對于男性身高而言的shoa、average或tall。為了在計算機中表達模糊集，我們用函數(shù)來表示集合，并將集合中的元素映射到隸屬度。模糊專家系統(tǒng)中經(jīng)典的隸屬函數(shù)是三角函數(shù)和梯形函數(shù)。 語言變量用來描述有含糊或模糊取值的術(shù)語或概念。這些值用模糊集表示。 模糊限制語是模糊集的限定詞，用來更改模糊集的形狀。模糊限制語包含very、some.what、quite、more or less及slightly這樣的副詞。模糊限制語執(zhí)行數(shù)學(xué)集中的操作來減少模糊元素的隸屬度（例如，very tall men），或通過增加隸屬度來擴展（例如，more or lesstall men，即有點高的男人）。通過增加隸屬度在0.5以上的值來加強，或減少隸屬度在0.5以下的值來減弱（例如，indeed tall men）。 模糊集之間可以相互作用。這些關(guān)系稱為操作。模糊集間的主要操作有：補、包含、交和并。 模糊規(guī)則用來獲取人類的知識。模糊規(guī)則是以下形式的條件語句： 其中，x和y是語言變量，A和B是模糊集決定的語言值。 模糊推理是用模糊集理論將給定的輸入映射到輸出的過程。模糊推理包含4個步驟：輸入變量模糊化、評估規(guī)則、聚合規(guī)則的輸出以及逆模糊化。

編輯推薦

《人工智能:智能系統(tǒng)指南(原書第3版)》既可以作為計算機科學(xué)相關(guān)專業(yè)本科生的入門教材，也可以作為非計算機科學(xué)專業(yè)讀者的自學(xué)參考書。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    人工智能 PDF格式下載

---