人工智能

內(nèi)容概要

本書主要闡述人工智能問題求解方法的一般性原理和基本思想。主要內(nèi)容有：一般的搜索問題，包括盲目搜索和啟發(fā)式搜索等；與或圖搜索，包括AO·算法和博弈樹搜索等；謂詞邏輯以及基于歸結(jié)的定理證明方法；知識表示，包括產(chǎn)生式方法、語義網(wǎng)絡(luò)、框架等；不確定性推理方法，包括貝葉斯方法、證據(jù)理論和確定性方法等；機器學(xué)習(xí)，包括實例學(xué)習(xí)、解釋學(xué)習(xí)、決策樹學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等；高級搜索，包括局部搜索方法、模擬退火方法和遺傳算法等。
    本書可作為計算機專業(yè)的本科生或者研究生學(xué)習(xí)人工智能基礎(chǔ)課程的教材或參考書。

書籍目錄

第0章  緒論  0.1  什么是人工智能  0.2  圖靈測試  0.3  中文屋子問題  0.4  人工智能的研究目標(biāo)  0.5  人工智能發(fā)展簡史  0.6  人工智能研究的課題第1章  搜索問題  1.1  回溯策略  1.2  圖搜索策略  1.3  無信息圖搜索過程  1.4  啟發(fā)式圖搜索過程  1.5  搜索算法討論  習(xí)題第2章  與或圖搜索問題  2.1  與或圖的搜索  2.2  與或圖的啟發(fā)式搜索算法AO  2.3  博弈樹的搜索  習(xí)題第3章  謂詞邏輯與歸結(jié)原理  3.1  命題邏輯    3.1.1  命題    3.1.2  命題公式    3.1.3  命題邏輯的意義    3.1.4  命題邏輯的推理規(guī)則    3.1.5  命題邏輯的歸結(jié)方法  3.2  謂詞邏輯基礎(chǔ)    3.2.1  謂詞基本概念    3.2.2  一階謂詞邏輯    3.2.3  謂詞演算與推理    3.2.4  謂詞知識表示  3.3  謂詞邏輯歸結(jié)原理    3.3.1  歸結(jié)原理概述    3.3.2  Skolem標(biāo)準(zhǔn)型    3.3.3  子句集    3.3.4  置換與合一    3.3.5  歸結(jié)式    3.3.6  歸結(jié)過程    3.3.7  歸結(jié)過程控制策略  3.4  Herbrand定理    3.4.1  概述    3.4.2  H域    3.4.3  H解釋    3.4.4  語義樹與Herbrand定理    3.4.5  Herbrand定理    3.4.6  Herbrand定理與歸結(jié)法的完備性  習(xí)題第4章  知識表示  4.1  概述    4.1.1  知識    4.1.2  知識表示    4.1.3  知識表示觀  4.2  產(chǎn)生式表示    4.2.1  事實與規(guī)則的表示    4.2.2  產(chǎn)生式系統(tǒng)的結(jié)構(gòu)    4.2.3  產(chǎn)生式系統(tǒng)的推理    4.2.4  產(chǎn)生式表示的特點  4.3  語義網(wǎng)絡(luò)表示    4.3.1  語義網(wǎng)絡(luò)的結(jié)構(gòu)    4.3.2  基本的語義關(guān)系    4.3.3  語義網(wǎng)絡(luò)的推理    4.3.4  語義網(wǎng)絡(luò)表示法的特點  4.4  框架表示    4.4.1  框架結(jié)構(gòu)    4.4.2  框架表示下的推理    4.4.3  框架表示法的特點  4.5  其他表示方法    4.5.1  腳本知識表示方法    4.5.2  過程性知識表示法    4.5.3  直接性知識表示方法  習(xí)題第5章  不確定性推理方法  5.1  概述    5.1.1  不確定性    5.1.2  不確定性推理的基本問題    5.1.3  不確定性推理方法的分類  5.2  概率論基礎(chǔ)    5.2.1  隨機事件    5.2.2  事件的概率    5.2.3  貝葉斯定理    5.2.4  信任幾率  5.3  貝葉斯網(wǎng)絡(luò)    5.3.1  貝葉斯網(wǎng)絡(luò)基本概念    5.3.2  貝葉斯網(wǎng)絡(luò)的推理模式  5.4  主觀貝葉斯方法    5.4.1  規(guī)則的不確定性    5.4.2  證據(jù)的不確定性    5.4.3  推理計算  5.5  確定性方法    5.5.1  規(guī)則的不確定性度量    5.5.2  證據(jù)的不確定性度量    5.5.3  不確定性的傳播與更新    5.5.4  問題  5.6  證據(jù)理論(D-Stheory)    5.6.1  基本概念    5.6.2  證據(jù)的不確定性    5.6.3  規(guī)則的不確定性    5.6.4  推理計算  習(xí)題第6章  機器學(xué)習(xí)  6.1  概述    6.1.1  機器學(xué)習(xí)的基本概念    6.1.2  機器學(xué)習(xí)研究的意義    6.1.3  機器學(xué)·習(xí)發(fā)展歷史    6.1.4  機器學(xué)習(xí)分類  6.2  機器學(xué)習(xí)的基本系統(tǒng)結(jié)構(gòu)    6.2.1  環(huán)境    6.2.2  知識庫    6.2.3  學(xué)習(xí)環(huán)節(jié)    6.2.4  執(zhí)行環(huán)節(jié)  6.3  實例學(xué)習(xí)    6.3.1  實例學(xué)習(xí)的基本概念    6.3.2  實例學(xué)習(xí)方法的分類    6.3.3  變型空間法  6.4  解釋學(xué)習(xí)    6.4.1  解釋學(xué)習(xí)的基本概念    6.4.2  解釋學(xué)習(xí)方法  6.5  決策樹學(xué)習(xí)    6.5.1  概述    6.5.2  1D3算法  6.6  神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)    6.6.1  神經(jīng)網(wǎng)絡(luò)基礎(chǔ)    6.6.2  前饋型人工神經(jīng)網(wǎng)絡(luò)    6.6.3  自組織競爭人工神經(jīng)網(wǎng)絡(luò)    6.6.4  人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用  習(xí)題第7章  高級搜索  7.1  基本概念    7.1.1  組合優(yōu)化問題    7.1.2  鄰域  7.2  局部搜索算法  7.3  模擬退火算法    7.3.1  固體退火過程    7.3.2  模擬退火算法    7.3.3  參數(shù)的確定    7.3.4  應(yīng)用舉例--旅行商問題  7.4  遺傳算法    7.4.1  生物進化與遺傳算法    7.4.2  遺傳算法的實現(xiàn)問題  習(xí)題參考文獻

編輯推薦

《人工智能》可作為計算機專業(yè)的本科生或者研究生學(xué)習(xí)人工智能基礎(chǔ)課程的教材或參考書。

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

---