人工智能與人工生命

內容概要

　　本書系統(tǒng)地介紹了人工智能的基本原理、方法及技術，還特別介紹了人工生命等人工智能前沿領域的最新進展。主要內容包括：緒論、知識表示方法、確定性推理、不確定性推理、搜索策略、機器學習、專家系統(tǒng)、分布式人工智能、人工生命、軟件人、人工魚、展望。
　　本書可作為高等學校相關專業(yè)研究生和高年級本科生的教材，也可供從事人工智能領域研究和應用的工程技術人員參考。

書籍目錄

第1章　緒論
　1.1　什么是人工智能
　1.1.1　智能的概念
　1.1.2　人工智能
　1.2　人工智能的產生與發(fā)展
　1.2.1　孕育期
　1.2.2　形成期
　1.2.3　發(fā)展期
　1.3　人工智能的研究方法及基本內容
　1.3.1　人工智能的研究方法
　1.3.2　人工智能研究的基本內容
　1.4　人工智能的研究領域
　習題1
第2章　知識表示方法
　2.1　概述
　2.1.1　什么是知識
　2.1.2　知識的特性
　2.1.3　知識的分類
　2.1.4　知識的表示
　.2.2　一階謂詞邏輯表示法
　2.2.1　邏輯基礎
　2.2.2　謂詞邏輯表示方法
　2.2.3　一階謂詞邏輯表示法的特點
　2.3　產生式表示法
　2.3.1　產生式的基本形式
　2.3.2　產生式表示知識的方法
　2.3.3　產生式系統(tǒng)的組成
　2.3.4　產生式系統(tǒng)的推理方式
　2.3.5　產生式表示法的特點
　2.4　語義網絡表示法
　2.4.1　語義網絡
　2.4.2　基本命題的語義網絡表示
　2.4.3　連接詞在語義網絡中的表示方法
　2.4.4　變元和量詞在語義網絡中的表示方法
　2.4.5　語義網絡的推理過程
　2.4.6　語義網絡表示法的特征
　2.5　框架表示法
　2.5.1　框架的結構
　2.5.2　框架舉例
　2.5.3　框架表示法的特點
　2.6　其他表示方法
　2.6.1　面向對象的表示法
　2.6.2　過程表示法
　習題2
第3章　確定性推理
　3.1　推理的基本概念
　3.1.1　什么叫推理
　3.1.2　推理方式及其分類
　3.1.3　推理的方向
　3.1.4　沖突消解策略
　3.2　推理的邏輯基礎
　3.2.1　謂詞公式的解釋
　3.2.2　謂詞公式的永真性與可滿足性
　3.2.3　謂詞公式的等價性與永真蘊涵性
　3.2.4　謂詞公式的范式
　3.2.5　置換與合一
　3.3　自然演繹推理
　3.3.1　自然演繹推理的概念
　3.3.2　利用演繹推理解決問題
　3.3.3　演繹推理的特點
　3.4　歸結演繹推理
　3.4.1　子句
　3.4.2　herbrand理論
　3.4.3　魯濱遜歸結原理
　3.4.4　歸結策略
　3.4.5　使用歸結原理證明問題
　3.4.6　用歸結原理求解問題
　3.5　基于規(guī)則的演繹推理
　3.5.1　規(guī)則正向演繹推理
　3.5.2　規(guī)則逆向演繹推理
　習題3
第4章　不確定性推理
　4.1　不確定性推理概述
　4.1.1　不確定性推理的概念
　4.1.2　不確定性推理方法的分類
　4.1.3　不確定性推理中的基本問題
　4.2　可信度方法
　4.2.1　可信度概念
　4.2.2　cf模型
　4.2.3　可信度方法應用舉例
　4.3　主觀bayes方法
　4.3.1　基本bayes公式
　4.3.2　主觀bayes方法及其推理網絡
　4.3.3　知識不確定性的表示
　4.3.4　證據不確定性的表示
　4.3.5　不確定性的推理計算
　4.3.6　結論不確定性的合成與更新算法
　4.3.7　主觀bayes方法應用舉例
　4.4　證據理論
　4.4.1　證據理論的形式化描述
　4.4.2　證據理論的不確定性推理模型
　4.4.3　推理示例
　習題4
第5章　搜索策略
　5.1　搜索的基本概念
　5.1.1　搜索的概念
　5.1.2　搜索的種類
　5.2　狀態(tài)空間搜索
　5.2.1　狀態(tài)空間法
　5.2.2　狀態(tài)空間盲目搜索法
　5.2.3　啟發(fā)式搜索法
　5.3　問題歸約法
　5.3.1　問題歸約描述
　5.3.2　與或圖表示
　5.3.3　ao算法
　習題5
第6章　機器學習
　6.1　機器學習的概念
　6.1.1　學習和機器學習
　6.1.2　機器學習的發(fā)展過程
　6.1.3　學習系統(tǒng)
　6.1.4　機器學習的主要策略
　6.2　記憶學習
　6.3　歸納學習
　6.3.1　示例學習
　6.3.2　決策樹學習
　6.4　解釋學習
　6.4.1　解釋學習概述
　6.4.2　解釋學習的基本原理
　6.4.3　解釋學習的基本過程
　6.4.4　領域知識的完善性
　6.5　基于案例的推理
　6.5.1　cbr系統(tǒng)的特點
　6.5.2　cbr系統(tǒng)的體系結構
　6.5.3　學習方法
　6.5.4　結論
　6.6　案例推理在故障診斷系統(tǒng)中的應用
　6.6.1　案例庫的組織
　6.6.2　案例檢索策略
　6.6.3　故障診斷流程
　6.6.4　自行火炮發(fā)動機故障診斷
　習題6
第7章　專家系統(tǒng)
　7.1　專家系統(tǒng)概述
　7.1.1　專家系統(tǒng)的產生與發(fā)展
　7.1.2　專家系統(tǒng)的定義
　7.1.3　專家系統(tǒng)的種類
　7.1.4　專家系統(tǒng)的特點
　7.2　專家系統(tǒng)的結構
　7.2.1　綜合數據庫
　7.2.2　知識庫
　7.2.3　知識獲取
　7.2.4　推理機
　7.2.5　解釋器
　7.2.6　人－機接口
　7.3　專家系統(tǒng)的設計
　7.3.1　開發(fā)專家系統(tǒng)的基本要求
　7.3.2　專家系統(tǒng)建造步驟
　7.4　新型專家系統(tǒng)
　7.4.1　新型專家系統(tǒng)的特征
　7.4.2　分布式專家系統(tǒng)
　7.4.3　協同式專家系統(tǒng)
　7.5　空調機組故障診斷專家系統(tǒng)的設計
　7.5.1　專家系統(tǒng)結構
　7.5.2　系統(tǒng)總體設計流程
　7.5.3　知識庫的實現
　7.5.4　推理機的實現
　習題7
第8章　分布式人工智能
　8.1　概述
　8.1.1　分布式問題求解
　8.1.2　多agent系統(tǒng)
　8.2　agent的結構
　8.2.1　agent的基本結構
　8.2.2　反應agent的結構
　8.2.3　慎思agent的結構
　8.2.4　混合agent的結構
　8.3　agent通信協議
　8.3.1　agent通信與交互模型
　8.3.2　agent通信
　8.3.3　言語行為理論
　8.3.4　agent通信語言
　8.3.5　agent通信的本體
　8.4　agent協作
　8.4.1　協作的功能
　8.4.2　協作的理論
　8.4.3　協作的形式
　8.4.4　協作的方法
　8.4.5　協作的過程
　8.5　移動agent
　8.5.1　移動agent的結構
　8.5.2　移動agent的應用
　8.6　多agent柔性車間調度系統(tǒng)
　8.6.1　多agent柔性車間調度
　模型
　8.6.2　仿真實驗
　習題8
第9章　人工生命
　9.1　什么是人工生命
　9.1.1　生命的概念
　9.1.2　人工生命
　9.1.3　廣義人工生命
　9.2　人工生命的產生與發(fā)展
　9.2.1　孕育期
　9.2.2　形成期
　9.2.3　發(fā)展期
　9.3　人工生命的研究方法及基本內容
　9.3.1　人工生命的研究方法
　9.3.2　人工生命研究的基本內容
　9.4　人工生命的應用
　9.4.1　基于人工生命的智能控制系統(tǒng)
　9.4.2　基于人工生命的擬人智能管理系統(tǒng)
　習題9
第10章　軟件人
　10.1　概述
　10.1.1　“軟件人”的概念
　10.1.2　“軟件人”的概念模型
　10.2　“軟件人”系統(tǒng)模型
　10.2.1　“軟件人”系統(tǒng)邏輯層次結構模型
　10.2.2　“軟件人”系統(tǒng)遞階控制結構模型
　10.2.3　“軟件人”構造分層體系
　10.3　“軟件人”群體
　10.3.1　“軟件人”群體組織模型
　10.3.2　系統(tǒng)的管控功能
　10.3.3　“軟件人”群的管理策略
　10.3.4　“軟件人”的接口構造研究
　10.4　“軟件人”通信
　10.4.1　常用智體通信模型
　10.4.2　“軟件人”通信模型
　10.4.3　“軟件人”通信層次結構與交互模型
　10.5　“軟件人”的應用
　10.5.1　基于“軟件人”的信息整合與數據交換
　10.5.2　基于“軟件人”的決策信息支持系統(tǒng)模型
　10.5.3　基于“軟件人”情感的自主非玩家角色模型
　習題10
第11章　人工魚
　11.1　人工魚的概念
　11.2　人工魚的典范——— “曉媛的魚”
　11.2.1　計算機動畫的人工生命方法
　11.2.2　“曉媛的魚”動畫模型設計
　11.3　人工魚的認知模型
　11.4　人工魚的自進化
　習題11
第12章　展望
　12.1　“人工智能”發(fā)展與“智能科學技術”產生
　12.1.1　廣義智能
　12.1.2　高等智能
　12.1.3　智能科學技術
　12.2　廣義人工生命及其應用展望
　12.2.1　工程人工生命展望
　12.2.2　生物人工生命展望
　12.2.3　生物工程人工生命展望
參考文獻

章節(jié)摘錄

版權頁：插圖：符號主義的代表性成果是Newell和Simon等人研制的“邏輯理論家”的數學定理證明程序LT。以符號主義的觀點看，知識表示是人工智能的核心，認知就是處理符號，推理就是采用啟發(fā)式知識及啟發(fā)式搜索對問題的求解過程，而推理過程又可以用某種形式化的語言來描述。符號主義主張用邏輯的方法來建立人工智能的統(tǒng)一理論體系，但是其中包含“常識”問題以及不確定事物的表示和處理問題，因此，受到其他學派的批評。盡管不是所有人都支持物理符號系統(tǒng)假設，大多數被稱為“經典的人工智能”卻是在此指導下產生的。這類方法的突出特點是將邏輯操作應用于說明性知識庫中，即用說明性的語句來表達問題領域的“知識”，這些語句基于或實際上等同于一階邏輯中的語句，采用邏輯推導可以對這種知識進行推理。當遇到實際領域中的問題時，使用該方法則要求具有問題領域的足夠的知識，以對該領域的問題進行處理，這通常稱為基于知識的方法。在大多數符號處理方法中，對需求行為的分析和為完成這些行為所做的工作要經過幾個階段。最高階段是知識階段，也就是知識層次，機器所需的知識在這里說明。接下來是符號階段，即表示層次，其中，知識以符號組織表示，同時在此說明其操作。然后就是實現階段，實施對符號的處理。2.行為主義學派行為主義又稱為進化主義或控制論學派，是基于控制論和“感知一動作”型控制系統(tǒng)的人工智能學派，屬于非符號處理方法。持有這種觀點的人認為：人的智能經過了在地球上十億年甚至是更長時間的進化，而制造出真正的機器，也必須沿著這些進化的步驟走。他們認為機器是由蛋白質還是由各種半導體構成是無關緊要的，智能行為是由所謂的“亞符號處理”（即“信號處理”）而不是“符號處理”產生的。如識別熟悉的人的面孔，對人來說易如反掌，但是對機器就很困難，最好的解釋就是人類把圖像或圖像的各個部分作為多維信號（而不是符號）來處理的。因此，我們應該以復雜的現實世界為背景，研究簡單動物如昆蟲的信號處理能力并模擬和復制，沿著進化的階梯向上進行。這一方案不僅能在短期內制造出實用的人造物，而且能為更高級的智能的建立打下堅實的基礎。行為主義方法在最低階段采用信號的概念。在1991年Brooks提出了無需知識表示的智能和無需推理的智能。他認為智能只是在與環(huán)境的交互作用中才表示出來，不應采用集中式的模式，而是需要具有不同行為的模塊與環(huán)境交互，以此來產生復雜的行為?；谛袨橹髁x的基本觀點可以概括為以下幾點。

編輯推薦

《人工智能與人工生命》是信息與信息處理技術叢書之一。

圖書封面

評論、評分、閱讀與下載

---

    人工智能與人工生命 PDF格式下載

---