人工智能技術(shù)簡明教程

內(nèi)容概要

　　本書簡明扼要地介紹了人工智能技術(shù)的基本原理、方法及其應(yīng)用。全書共10章，主要內(nèi)容包括：人工智能的基本概念、研究途徑、分支領(lǐng)域和發(fā)展概況等；常用的人工智能程序設(shè)計語言Prolog；基于圖搜索的問題求解技術(shù)；基于遺傳算法的隨機優(yōu)化搜索；常用的知識表示及其推理技術(shù)；機器學(xué)習(xí)與知識發(fā)現(xiàn)的基本原理和方法；專家系統(tǒng)的基本原理與建造方法；Agent系統(tǒng)的基本原理與設(shè)計；智能機器人的基本原理；智能化網(wǎng)絡(luò)的基本原理與技術(shù)。
　　本書取材新穎，內(nèi)容簡明，注重基礎(chǔ)，面向應(yīng)用，理例結(jié)合，?教易學(xué)，可作為普通高等院校計算機、自動化、信息、計算科學(xué)、管理、控制及系統(tǒng)工程等專業(yè)人工智能課程的教材或教學(xué)參考書，也可供其他專業(yè)的師生和相關(guān)科研及工程技術(shù)人員自學(xué)或參考。

書籍目錄

第1章　概述　
　1.1　什么是人工智能　
　1.2　為什么要研究人工智能　
　1.3　人工智能的研究途徑與方法　
　1.4　人工智能技術(shù)的應(yīng)用　
　1.5　人工智能學(xué)科的發(fā)展概況*　
　習(xí)題1　
第2章　邏輯程序設(shè)計語言Prolog　
　2.1　Prolog基礎(chǔ)　
　　2.1.1　Prolog的語句　
?　2.1.2　Prolog的程序　
　　2.1.3　Prolog程序的運行機理　
　2.2　Turbo Prolog程序設(shè)計　
　　2.2.1　程序結(jié)構(gòu)　
　　2.2.2　數(shù)據(jù)與表達(dá)式　
　　2.2.3　輸入與輸出　
　　2.2.4　分支與循環(huán)　
　　2.2.5　動態(tài)數(shù)據(jù)庫　
　　2.2.6　表處理與遞歸　
　　2.2.7　回溯控制　
　　2.2.8　程序舉例　
　2.3　Visual Prolog語言簡介*　
　習(xí)題2　
第3章　基于圖搜索的問題求解　
　3.1　狀態(tài)圖搜索　
　　3.1.1　狀態(tài)圖　
　　3.1.2　狀態(tài)圖搜索　
　　3.1.3　窮舉式搜索　
　　3.1.4　啟發(fā)式搜索　
　　3.1.5　加權(quán)狀態(tài)圖搜索　
　　3.1.6　A算法和A*算法　
　　3.1.7　狀態(tài)圖搜索策略小結(jié)　
　3.2　狀態(tài)圖搜索問題求解　
　　3.2.1　問題的狀態(tài)圖表示　
　　3.2.2　狀態(tài)圖問題求解程序舉例　
　3.3　與或圖搜索　
　　3.3.1　與或圖　
　　3.3.2　與或圖搜索　
　　3.3.3　啟發(fā)式與或樹搜索　
　3.4　與或圖搜索問題求解　
　　3.4.1　問題的與或圖表示　
　　3.4.2　與或圖問題求解?序舉例　
　3.5　博弈樹搜索*　
　　3.5.1　博弈樹的概念　
　　3.5.2　極小-極大分析法　
　　3.5.3　a-b剪枝技術(shù)　
　習(xí)題3　
第4章　基于遺傳算法的隨機優(yōu)化搜索　
　4.1　幾個基本概念　
　4.2　基本遺傳算法　
　4.3　遺傳算法應(yīng)用舉例　
　4.4　遺傳算法的特點與優(yōu)勢　
　習(xí)題4　
第5章　知識表示與推理　
　5.1　概述　
　　5.1.1　知識及其表示　
　　5.1.2　機器推理　
　5.2　謂詞公式及其推理　
　　5.2.1　一階謂詞邏輯簡介　
　　5.2.2　自然語言命題的謂詞公式表示與推理　
　　5.2.3　子句與歸結(jié)演繹推理　
　5.3　產(chǎn)生式規(guī)則及其推理　
　　5.3.1　產(chǎn)生式規(guī)則及其推理模式　
　　5.3.2　產(chǎn)生式系統(tǒng)　
　5.4　幾種結(jié)構(gòu)化知識表示及其推理　
　　5.4.1　框架及其推理　
　　5.4.2　語義網(wǎng)絡(luò)及其推理　
　　5.4.3　類與對象及其推理　
　5.5　不確定性知識的表示與推理*　
　　5.5.1　何為不確定性知識　
　　5.5.2　不確定性知識的表示及推理　
　　5.5.3　確定性理論簡介　
　5.6　不確切性知識的表示及推理*　
　　5.6.1　何為不確切性知識　
　　5.6.2　不確切性知識的表示及推理　
　習(xí)題5　
第6章　機器學(xué)習(xí)與知識發(fā)現(xiàn)　
　6.1　機器學(xué)習(xí)與知識發(fā)現(xiàn)的概念　
　　6.1.1　何為機器學(xué)習(xí)和知識發(fā)現(xiàn)　
　　6.1.2　機器學(xué)習(xí)的分類　
　6.2　符號學(xué)習(xí)　
　　6.2.1　記憶學(xué)習(xí)　
　　6.2.2　示例學(xué)習(xí)　
　　6.2.3　決策樹學(xué)習(xí)　
　6.3　神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)　
　　6.3.1　從生物神經(jīng)元到人工神經(jīng)元　
　　6.3.2　人工神經(jīng)網(wǎng)絡(luò)　
　　6.3.3　神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)　
　　6.3.4　BP網(wǎng)絡(luò)及其學(xué)習(xí)舉例　
　6.4　知識發(fā)現(xiàn)與數(shù)據(jù)挖掘　
　習(xí)題6　
第7章　專家系統(tǒng)　
　7.1　什么是專家系統(tǒng)　
　7.2　專家系統(tǒng)的結(jié)構(gòu)　
　　7.2.1　概念結(jié)構(gòu)　
　　7.2.2　實際結(jié)構(gòu)　
　　7.2.3　黑板模型　
　　7.2.4　網(wǎng)絡(luò)與分布式結(jié)構(gòu)　
　7.3　專家系統(tǒng)實例　
　7.4　專家系統(tǒng)設(shè)計與實現(xiàn)　
　　7.4.1　一般步驟與方法　
　　7.4.2　知識獲取　
　　7.4.3　知識表示與知識描述語言設(shè)計　
　　7.4.4　知識庫與知識庫管理系統(tǒng)設(shè)計　
　　7.4.5　推理機與解釋機制設(shè)計　
　　7.4.6　系統(tǒng)結(jié)構(gòu)設(shè)計　
　　7.4.7　人機界面設(shè)計　
　7.5　開發(fā)工具與環(huán)境　
　　7.5.1　開發(fā)工具　
　　7.5.2　開發(fā)環(huán)境　
　習(xí)題7　
第8章　Agent系統(tǒng)　
　8.1　什么是Agent　
　8.2　Agent實例——Web Agent　
　8.3　多Agent系統(tǒng)　
　8.4　Agent的實現(xiàn)　
　8.5　Agent技術(shù)的發(fā)展與應(yīng)用　
　習(xí)題8　
第9章　智能機器人　
　9.1　智能機器人的概念　
　9.2　機器人感知　
　9.3　機器人規(guī)劃　
　9.4　機器人控制　
　9.5　機器人系統(tǒng)的軟件結(jié)構(gòu)　
　9.6　機器人程序設(shè)計與語言　
　習(xí)題9　
第10章　智能化網(wǎng)絡(luò)　
　10.1　智能網(wǎng)　
　10.2　網(wǎng)絡(luò)的智能化管理與控制　
　10.3　智能搜索引擎與網(wǎng)上信息的智能化檢索　
　習(xí)題10　
上機實習(xí)　
實習(xí)一　Prolog語言編程練習(xí)　
實習(xí)二　小型演繹數(shù)據(jù)庫系統(tǒng)開發(fā)練習(xí)　
實習(xí)三　圖搜索問題求解程序練習(xí)　
實習(xí)四　小型專家系統(tǒng)設(shè)計與實現(xiàn)　
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：插圖：3.連接主義途徑發(fā)展概況  從連接主義的研究途徑看，早在20世紀(jì)40年代，就有一些學(xué)者開始了神經(jīng)元及其數(shù)學(xué)模型的研究。例如，1943年心理學(xué)家McCulloch和數(shù)學(xué)家Pitts提出了形式神經(jīng)元的數(shù)學(xué)模型——現(xiàn)在稱為：MP模型，1944年。Hebb提出了改變神經(jīng)元連接強度的Hebb規(guī)則。MP模型和Hebb規(guī)則至今仍在各種神經(jīng)網(wǎng)絡(luò)中起重要作用。20世紀(jì)50年代末到60年代初，開始了人工智能意義下的神經(jīng)網(wǎng)絡(luò)系統(tǒng)的研究。研究者結(jié)合生物學(xué)和心理學(xué)研究的成果開發(fā)出一批神經(jīng)網(wǎng)絡(luò)，開始用電子線路實現(xiàn)，后來較多使用更靈活的計算機模擬。如1957年羅圣勃萊特（F.Rosenblatt）開發(fā)的稱為感知器（Perceptron）單層神經(jīng)網(wǎng)絡(luò)，1962年維特羅（B.Windrow）提出的自適應(yīng)線性元件（Adaline）等。這些神經(jīng)網(wǎng)絡(luò)已可用于諸如天氣預(yù)報、電子線路分析、人工視覺等許多領(lǐng)域。當(dāng)時，人們似乎感到智能的關(guān)鍵僅僅是如何構(gòu)造足夠大的神經(jīng)網(wǎng)絡(luò)的方法問題，但這種設(shè)想很快就消失了。類似的網(wǎng)絡(luò)求解問題的失敗和成功并存，造成無法解釋的困擾。人工神經(jīng)網(wǎng)絡(luò)開始了對失敗原因的分析階段。作為人工智能創(chuàng)始人之一的著名學(xué)者明斯基（Minsky）應(yīng)用數(shù)學(xué)理論對以感知器為代表的簡單網(wǎng)絡(luò)作了深入的分析，于1969年他與白伯脫（：Papert）共同發(fā)表了頗有影響的《Perceptrons》一書。書中證明了那時使用的單層人工神經(jīng)網(wǎng)絡(luò)，無法實現(xiàn)一個簡單的異或門（XOR）所完成的功能，因而明斯基本人也對神經(jīng)網(wǎng)絡(luò)的前景持悲觀態(tài)度。由于明斯基的理論證明和個人.威望，這本書的影響很大，使許多學(xué)者放棄了在該領(lǐng)域中的繼續(xù)努力，政府機構(gòu)也改變了基金資助的方向。另外，由于在此期間，人工智能基于邏輯與符號推理途徑的研究不斷取得進(jìn)展和成功，也掩蓋了發(fā)展新途徑的必要性和迫切性。于是，神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入低谷。然而，仍有少數(shù)杰出科學(xué)家，如寇耐（T Kohonen）、葛勞斯伯格（S.Grossberg）、安特生（J.Andenson）等，在極端艱難的環(huán)境下仍堅韌不拔地繼續(xù)努力。經(jīng)過這些科學(xué)家的艱苦探索，神經(jīng)網(wǎng)絡(luò)的理論和技術(shù)在經(jīng)過近20年的暗淡時期后終于有了新的突破和驚人的成果。1985年，美國霍布金斯大學(xué)的賽諾斯（T.sejnowsk）開發(fā)了名為NETtalk的英語讀音學(xué)習(xí)用的神經(jīng)網(wǎng)絡(luò)處理器，輸入為最多由7個字母組成的英語單詞，輸出為其發(fā)音。該處理器自己可以學(xué)習(xí)許多發(fā)音規(guī)則，因此從一無所知起步，經(jīng)過3個月的學(xué)習(xí)所達(dá)到的水平已可同經(jīng)過20年研制成功的語音合成系統(tǒng)相媲美。同年，美國物理學(xué)家霍普菲爾特（J.Hopfield）用神經(jīng)網(wǎng)絡(luò)迅速求得了巡回推銷員路線問題（即旅行商問題）的準(zhǔn)優(yōu)解，顯示它在求解“難解問題”上的非凡能力。實際上，早在1962年，霍普菲爾特就提出了著名的HNN模型。在這個模型中，他引入了“計算能量函數(shù)”的概念，給出了網(wǎng)絡(luò)的穩(wěn)定性判據(jù)，從而開拓了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計算的新途徑。此外，還有不少成功的例子，這些重大突破和成功轟動了世界。人們開始對冷落了近20年的神經(jīng)網(wǎng)絡(luò)又刮目相看了。另外，在這一時期，雖然在符號主義途徑上，人工智能在專家系統(tǒng)、知識工程等方面取得很大的進(jìn)展，但在模擬人的視覺、聽覺和學(xué)習(xí)、適應(yīng)能力方面，卻遇到了很大的困難。這又使人們不得不回過頭來對人工智能的研究途徑進(jìn)行新的反思，不得不去尋找新的出路。正是在這樣的背景下，神經(jīng)網(wǎng)絡(luò)研究的熱潮又再度出現(xiàn)。學(xué)會，并出版會刊《Neural Networks》。

編輯推薦

《人工智能技術(shù)簡明教程》：21世紀(jì)高等學(xué)校計算機規(guī)劃教材

圖書封面

評論、評分、閱讀與下載

---

    人工智能技術(shù)簡明教程 PDF格式下載

---