人工智能

內容概要

王萬森編著的《人工智能》是作者在多年人工智能教學實踐和多本人工智能教材編寫的基礎上，結合國內外人工智能領域的最新進展和我國人工智能教學改革的現(xiàn)狀，編寫的一本教材。《人工智能》共10章，除第1章人工智能概述外，其余內容可劃分為四大部分。第一部分由第2章～第4章組成，包括知識表示、確定性推理和搜索策略；第二部分由第5章、第6章組成，包括計算智能和不確定性推理；第三部分由第7章、第8章組成，包括機器學習和自然語言理解；第四部分由第9章、第10章組成，包括分布智能和新型專家系統(tǒng)。此外，在附錄中還給出了人工智能實驗說明。
《人工智能》可作為高等院校計算機、自動化、智能、通信、電子信息、信息管理及其他相關學科專業(yè)的本科生或研究生教材，也可供從事相關領域研究、開發(fā)和應用的科技工作者參考。

作者簡介

王萬森，博士、教授，享受國務院政府特殊津貼專家，兼任中國人工智能學會秘書長、教育工作委員會主任。主要從事人工智能、人工情感、e-learning、不確定推理、專家系統(tǒng)等方面的教學和科研工作。先后主編出版高校教材7本，主持過國家自然科學基金項目、北京市自然科學基金項目、北京市教委重點科技項目等十余項。

書籍目錄

第1章 人工智能概述
1.1 人工智能的基本概念
1.1.1 智能的概念
1.1.2 人工智能的概念
1.1.3 人工智能的研究目標
1.2 人工智能的基本內容
1.2.1 與腦科學和認知科學的交叉研究
1.2.2 智能模擬的方法和技術研究
1.3 人工智能的歷史回顧
1.3.1 孕育期
1.3.2 形成期
1.3.3 知識應用期
1.3.4 從學派分立走向綜合
1.3.5 智能科學技術學科的興起
1.4 人工智能研究中的不同學派
1.4.1 符號主義學派
1.4.2 聯(lián)結主義學派
1.4.3 行為主義
1.5 人工智能的研究應用領域
1.5.1 機器思維
1.5.2 機器感知
1.5.3 機器行為
1.5.4 機器學習
1.5.5 計算智能
1.5.6 分布智能
1.5.7 智能系統(tǒng)
1.5.8 人工心理與人工情感
1.5.9 人工智能的典型應用
1.6 人工智能的現(xiàn)狀與思考
習題
第2章 確定性知識表示
2.1 知識表示的基本概念
2.1.1 知識的概念
2.1.2 知識表示和知識表示方法的概念
2.2 謂詞邏輯表示法
2.2.1 謂詞?輯表示的邏輯學基礎
2.2.2 謂詞邏輯表示的方法
2.2.3 謂詞邏輯表示的經(jīng)典例子
2.2.4 謂詞邏輯表示的特性
2.3 產(chǎn)生式表示法
2.3.1 產(chǎn)生式表示的基本方法
2.3.2 產(chǎn)生式表示的簡單例子
2.3.3 產(chǎn)生式表示的特性
2.4 語義網(wǎng)絡表示法
2.4.1 語義網(wǎng)絡的基本概念
2.4.2 事物和概念的表示
2.4.3 情況和動作的表示
2.4.4 語義網(wǎng)絡的基本過程
2.4.5 語義網(wǎng)絡表示法的特征
2.5 框架表示法
2.5.1 框架理論
2.5.2 框架結構和框架表示
2.5.3 框架系統(tǒng)
2.5.4 框架系統(tǒng)的基本過程
2.5.5 框架表示法的特性
2.6 面向對象表示法
2.6.1 面向對象的基本概念
2.6.2 知識的面向對象表示
2.6.3 面向對象表示與框架表示的區(qū)別
習題
第3章 確定性推理
3.1 推理概述
3.1.1 推理的概念
3.1.2 推理方法及其分類
3.1.3 推理控制策略及其分類
3.2 產(chǎn)生式系統(tǒng)
3.2.1 產(chǎn)生式系統(tǒng)的基本結構
3.2.2 產(chǎn)生式系統(tǒng)的推理過程
3.2.3 產(chǎn)生式系統(tǒng)的示例
3.3 自然演繹推理
3.3.1 自然演繹推理的邏輯基礎
3.3.2 自然演繹推理方法
3.4 歸結演繹推理
3.4.1 歸結演繹推理的邏輯基礎
3.4.2 子句集及其應用
3.4.3 魯濱遜歸結原理
3.4.4 歸結演繹推理的方法
3.4.5 歸結演繹推理的歸結策略
3.4.6 用歸結反演求取問題的答案
習題
第4章 搜索策略
4.1 搜索概述
4.1.1 搜索的含義
4.1.2 狀態(tài)空間法
4.1.3 問題歸約法
4.2 狀態(tài)空間的盲目搜索
4.2.1 廣度優(yōu)先和深度優(yōu)先搜索
4.2.2 代價樹搜索
4.3 狀態(tài)空間的啟發(fā)式搜索
4.3.1 啟發(fā)性信息和估價函數(shù)
4.3.2 A算法
4.3.3 A*算法
4.3.4 A*算法的特性
4.3.5 A*算法應用舉例
4.4 與/或樹的盲目搜索
4.4.1 與/或樹的一般搜索
4.4.2 與/或樹的廣度優(yōu)先和深度優(yōu)先搜索
4.5 與/或樹的啟發(fā)式搜索
4.5.1 解樹的代價與希望樹
4.5.2 與/或樹的啟發(fā)式搜索過程
4.6 博弈樹的啟發(fā)式搜索
4.6.1 概述
4.6.2 極大極小過程
4.6.3 A-B剪枝
習題
第5章 計算智能
5.1 概述
5.1.1 什么是計算智能
5.1.2 計算智能的產(chǎn)生與發(fā)展
5.1.3 計算智能與人工智能的關系
5.2 神經(jīng)計算
5.2.1 神經(jīng)計算基礎
5.2.2 人工神經(jīng)網(wǎng)絡的互連結構
5.2.3 人工神經(jīng)網(wǎng)絡的典型模型
5.3 進化計算
5.3.1 進化計算概述
5.3.2 遺傳算法
5.3.3 遺傳算法應用簡例
5.4 模糊計算
5.4.1 模糊集及其運算
5.4.2 模糊?系及其運算
5.5 粗糙集
5.5.1 粗糙集概述
5.5.2 粗糙集的基本理論
5.5.3 決策表的約簡
習題
第6章 不確定性推理
6.1 不確定性推理的基本概念
6.1.1 不確定性推理的含義
6.1.2 不確定性推理的基本問題
6.1.3 不確定性推理的類型
6.2 可信度方法
6.2.1 可信度的概念
6.2.2 可信度推理模型
6.2.3 可信度推理的例子
6.3 主觀BAYES方法
6.3.1 主觀BAYES方法的概率論基礎
6.3.2 主觀BAYES方法的推理模型
6.3.3 主觀BAYES推理的例子
6.4 模糊推理
6.4.1 模糊知識表示
6.4.2 模糊概念的匹配
6.4.3 模糊推理方法
6.5 概率推理
6.5.1 貝葉斯網(wǎng)絡的概念及理論
6.5.2 貝葉斯網(wǎng)絡推理的概念和類型
6.5.3 貝葉斯網(wǎng)絡的精確推理
習題
第7章 機器學
7.1 機器學習概述
7.1.1 機器學習的概念及其發(fā)展過程
7.1.2 學習系統(tǒng)的概念及模型
7.1.3 機器學習的類型
7.2 記憶學習
7.3 示例學習
7.3.1 示例學習的類型
7.3.2 示例學習的模型
7.3.3 示例學習的歸納方法
7.4 決策樹學習
7.4.1 決策樹的概念
7.4.2 ID3算法
7.5 聯(lián)結學習
7.5.1 聯(lián)結學習的心理學基礎
7.5.2 聯(lián)結學習的學習規(guī)則
7.5.3 感知器學習
7.5.4 BP網(wǎng)絡學習
7.5.5 HOPFIELD網(wǎng)絡學習
習題
第8章 自然語言理解
8.1 自然語言理解的基本概念
8.1.1 自然語言的含義與組成
8.1.2 自然語言理解的含義及任務
8.1.3 自然語言理解的發(fā)展過程
8.1.4 自然語言理解的層次
8.2 詞法分析
8.3 句法分析
8.3.1 句法規(guī)則的表示方法
8.3.2 自頂向下與自底向上分析
8.3.3 擴充轉移網(wǎng)絡分析
8.4 語義分析
8.4.1 語義文法
8.4.2 格文法
8.5 自然語言理解系統(tǒng)的層次模型
習題
第9章 分布智能
9.1 分布智能概述
9.1.1 分布智能的概念
9.1.2 分布式問題?解
9.1.3 多AGENT系統(tǒng)
9.2 AGENT的結構
9.2.1 AGENT的機理
9.2.2 反應AGENT的結構
9.2.3 認知AGENT的結構
9.2.4 混合AGENT的結構
9.3 AGENT通信
9.3.1 AGENT通信的基本問題
9.3.2 AGENT通信方式
9.3.3 AGENT通信語言KQML
9.4 多AGENT合作
9.4.1 AGENT的協(xié)調
9.4.2 AGENT的協(xié)作
9.4.3 AGENT的協(xié)商
9.4.4 多AGENT應用示例
9.5 移動AGENT
9.5.1 移動AGENT系統(tǒng)的一般結構
9.5.2 移動AGENT的實現(xiàn)技術及應用
習題
第10章 新型專家系統(tǒng)
10.1 專家系統(tǒng)概述
10.1.1 專家系統(tǒng)的產(chǎn)生與發(fā)展
10.1.2 新型專家系統(tǒng)的特征與類型
10.2 專家系統(tǒng)基礎
10.2.1 專家系統(tǒng)的基本結構
10.2.2 基于規(guī)則的專家系統(tǒng)
10.2.3 基于框架的專家系統(tǒng)
10.3 典型的新型專家系統(tǒng)
10.3.1 模糊專家系統(tǒng)
10.3.2 神經(jīng)網(wǎng)絡專家系統(tǒng)
10.3.3 基于WEB的專家系統(tǒng)
10.3.4 分布式專家系統(tǒng)
10.3.5 協(xié)同式專家系統(tǒng)
10.4 專家系統(tǒng)的開發(fā)
10.4.1 開發(fā)步驟
10.4.2 知識獲取
10.4.3 開發(fā)工具與環(huán)境
習題
附錄A 人工智能實驗
參考文獻

章節(jié)摘錄

版權頁：插圖：根據(jù)腦科學的研究，人類智能總體上可分為高、中、低三個層次，不同層次智能的活動由不同的神經(jīng)系統(tǒng)來完成。其中，高層智能以大腦皮層為主，大腦皮層又稱為抑制中樞，主要完成記憶、思維等活動；中層智能以丘腦為主，也稱為感覺中樞，主要完成感知活動；低層智能以小腦、脊髓為主，主要完成動作反應活動?？梢姡阎悄艿牟煌^點和智能的層次結構聯(lián)系起來看，思維理論和知識閾值理論對應于高層智能，進化理論對應于中層智能和低層智能。3.智能所包含的能力認知科學的研究認為，智能是一種綜合能力。具體地說，它包含的主要能力如下。（1）感知能力。感知能力是指人們通過感覺器官感知外部世界的能力。它是人類最基本的生理、心理現(xiàn)象，也是人類獲取外界信息的基本途徑。人類對感知到的外界信息，通常有兩種不同的處理方式。一種是對簡單或緊急情況，可不經(jīng)大腦思索，直接由低層智能做出反應。另一種是對復雜情況，一定要經(jīng)過大腦的思維，然后才能做出反應。（2）記憶與思維能力。記憶與思維是人腦最重要的功能，也是人類智能最主要的表現(xiàn)形式。記憶是對感知到的外界信息或由思維產(chǎn)生的內部知識的存儲過程。思維是對所存儲的信息或知識的本質屬性、內部規(guī)律等的認識過程。人類基本的思維方式有抽象思維、形象思維和靈感思維。（3）學習和自適應能力。學習是一個具有特定目的的知識獲取過程。學習和自適應是人類的一種本能，一個人只有通過學習，才能增加知識、提高能力、適應環(huán)境。盡管不同的人在學習方法、學習效果等方面有較大差異，但學習卻是每個人都具有的一種基本能力。（4）決策和行為能力。行為能力是指人們對感知到的外界信息做出動作反應的能力。引起動作反應的信息可以是由感知直接獲得的外部信息，也可以是經(jīng)思維加工后的內部信息。完成動作反應的過程，一般通過脊髓來控制，并由語言、表情、體姿等來實現(xiàn)。綜上所述，我們可以給出智能的一個一般解釋：智能是人類在認識客觀世界的過程中，由思維過程和腦力活動所表現(xiàn)出來的綜合能力。

編輯推薦

《人工智能》：理論、方法、技術一體認知、動手、創(chuàng)新啟迪學習、研究、教學皆宜《人工智能》是人工智能原理及應用的入門教材，基于作者20多年的人工智能教學和科研成果，結合國內外該領域的最新進展，側重于方法和技術應用，編寫而成。書中對各重要概念都給予了明確解釋，各重要方法都選配了恰當例子，各重要技術都給出了完整實例，做到了概念清晰，方法明了，技術實用。同時，《人工智能》還通過基本實驗和綜合實驗，進一步強化學生的實際動手和技術應用能力。書中涵蓋的主要內容：·確定性人工智能：知識表示，推理及搜索；·計算智能：進化計算，神經(jīng)計算，模糊計算及粗糙集；·不確定性推理：可信度推理，主觀貝葉斯推理，概率推理和模糊推理；·智能技術研究和應用：機器學習，自然語言理解，分布智能及新型專家系統(tǒng)。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    人工智能 PDF格式下載

---