人工智能與專家系統(tǒng)

內(nèi)容概要

本書較全面地闡述了人工智能的基本理論、方法和專家系統(tǒng)的構(gòu)造技術(shù)。全書共8章，可分為兩大部分。第一部分包括第1章至第4章，主要介紹人工智能的三個基本技術(shù)，即知識表示、推理及搜索。第二部分第5章至第8章，其中，第5章詳細(xì)介紹了專家系統(tǒng)的開發(fā)方法和技術(shù)。包括知識庫、推理機、解釋器和知識獲取，以及人工智能語言和專家系統(tǒng)工具；第6章闡述了知識的不確定性和不確定推理的有關(guān)理論與方法，包括概率推理、可信度推理和模糊推理；第7章討論了機器在學(xué)習(xí)的多種方法及其應(yīng)用實例；第8章介紹了人工神經(jīng)網(wǎng)絡(luò)的有關(guān)模型、學(xué)習(xí)算法及其應(yīng)用實例。
　　本書具有系統(tǒng)性、新穎性、實用性等特點，可作為計算機、自動化、管理科學(xué)與工程等專業(yè)的本科生和研究生的教材，也可供有關(guān)科技人員參考。

書籍目錄

前言第1章 緒論1.1 人工智能及其發(fā)展 1.2 人工智能的研究與應(yīng)用領(lǐng)域習(xí)題一第2章 知識表示2.1 一階謂詞邏輯表示法2.1.1 謂詞邏輯2.1.2 一階謂詞邏輯表示法的特點2.2 產(chǎn)生式表示法2.2.1 產(chǎn)生式與產(chǎn)生式系統(tǒng)2.2.2 產(chǎn)生式系統(tǒng)的分類及其特點2.3 框架表示法2.3.1 框架與框架網(wǎng)絡(luò)2.3.2 框架的推理及其特點2.4 語義網(wǎng)絡(luò)表示法2.4.1 語義網(wǎng)絡(luò)2.4.2 語義網(wǎng)絡(luò)的推理及其特點 2.5 面向?qū)ο蟊硎痉?.5.1 面向?qū)ο蟮闹R表示2.5.2 面向?qū)ο蟊硎痉ǖ奶攸c習(xí)題二第3章 經(jīng)典邏輯推理3.1 推理的基本概念3.1.1 推理方式及其分類3.1.2 推理的控制策略3.1.3 模式匹配及其變量代換3.2 自然演繹推理3.3 歸結(jié)演繹推理3.3.1 謂詞公式化為子句集的方法3.3.2 海伯倫理論3.3.3 歸結(jié)原理3.3.4 歸結(jié)反演3.3.5 基于歸結(jié)反演的問題求解3.3.6 歸結(jié)反演策略3.4 與/或形演繹推理3.4.1 與/或形正向演繹推理3.4.2 與/或形逆向演繹推理3.4.3 代換的一致性與剪枝策略第4章 搜索策略4.1 問題求解過程的形式表示4.1.1 狀態(tài)空間表示法4.1.2 與/或樹表示法4.2 狀態(tài)空間的盲目搜索策略4.2.1 寬度優(yōu)先搜索4.2.2 深度優(yōu)先搜索4.2.3 有界深度優(yōu)先搜索4.2.4 代價樹的寬度優(yōu)先搜索4.2.5 代價樹的深度優(yōu)先搜索4.3 狀態(tài)空間的啟發(fā)式探索策略4.3.1 估價函數(shù)一擇優(yōu)搜索4.3.2 圖的有序搜索與A*算法4.4 與/或樹的搜索策略4.4.1 與/或樹的寬度優(yōu)先搜索4.4.2 與/或樹的有界深度優(yōu)先搜索4.4.3 與/或樹的有序搜索4.4.4 博弈樹的啟發(fā)式搜索4.5 搜索性能的量度習(xí)題四第5章 專家系統(tǒng)5.1 專家系統(tǒng)概述5.1.1 專家系統(tǒng)的類型與特點5.1.2 專家系統(tǒng)的結(jié)構(gòu)與開發(fā)方法5.2 LISP語言5.2.1 LISP語言的特點與表達(dá)式5.2.2 LISP語言的基本函數(shù)5.2.3 迭代與遞歸5.3 知識庫與推理機5.3.1 產(chǎn)生式規(guī)則與規(guī)則庫的存儲結(jié)構(gòu)5.3.2 推理機及其實現(xiàn) 5.3.3 元知識與元規(guī)則5.4 解釋機制與元規(guī)則5.4.1 解釋的方法5.4.2 解釋器及其實現(xiàn)5.5 知識獲取5.5.1 知識獲取的任務(wù)與方式5.5.2 知識的檢測與求精5.5.3 知識的組織與管理5.6 專家系統(tǒng)工具5.6.1 專家系統(tǒng)工具概述5.6.2 專家系統(tǒng)工具CLIPS及其應(yīng)用5.7 分布式專家系統(tǒng)與協(xié)同式專家系統(tǒng)5.7.1 分布式專家系統(tǒng)及其驅(qū)動方式5.7.2 協(xié)同式專家系統(tǒng)及其協(xié)同方法習(xí)題五第6章 知識的不確定性與不確定推理6.1 知識的不確定性 6.1.1 證據(jù)的不確定性6.1.2 規(guī)則的不確定性6.1.3 推理的不確定性6.2 基于概率的不確定推理6.2.1 有關(guān)概率的基本概念與計算6.2.2 基于概率的不確定推理方法6.3 基于可信度的不確定推理6.3.1 可信度不確定推理方法6.3.2 帶有閾限的不確定推理6.3.3 加權(quán)的不確定推理6.3.4 可信度不確定推理方法的改進(jìn)6.4 模糊邏輯與模糊推理6.4.1 模糊集合的定義與運算6.4.2 模糊知識表示與模糊匹配6.4.3 模糊推理方法6.4.4 帶有可信度的模糊推理  習(xí)題六第7章 機器學(xué)習(xí)7.1 機器學(xué)習(xí)的概念與方法分類 7.2 歸納學(xué)習(xí)7.2.1 歸納學(xué)習(xí)的基本概念7.2.2 基于描述空間的歸納學(xué)習(xí)方法7.2.3 基于決策樹的歸納學(xué)習(xí)方法7.3 基于解釋的學(xué)習(xí)7.3.1 基于解釋的學(xué)習(xí)框架7.3.2 基于解釋的學(xué)習(xí)過程7.4 遺傳算法7.4.1 遺傳算法的概念與計算方法7.4.2 遺傳算法的應(yīng)用習(xí)題七第8章 人工神經(jīng)網(wǎng)絡(luò)8.1 人工神經(jīng)元與感知器8.1.1 人工神經(jīng)元模型8.1.2 感知器及其學(xué)習(xí)算法8.2 人工神經(jīng)網(wǎng)絡(luò)模型8.2.1 神經(jīng)網(wǎng)絡(luò)的互連結(jié)構(gòu)8.2.2 前向神經(jīng)網(wǎng)絡(luò)8.2.3 反饋神經(jīng)網(wǎng)絡(luò)8.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)8.3.1 神經(jīng)網(wǎng)絡(luò)的兩類學(xué)習(xí)方法8.3.2 BP學(xué)習(xí)算法及其改進(jìn)方法8.4 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用8.4.1 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)8.4.2 基于神經(jīng)網(wǎng)絡(luò)的模糊分類器8.4.3 神經(jīng)網(wǎng)絡(luò)在預(yù)測中的應(yīng)用8.4.4 模糊邏輯與神經(jīng)網(wǎng)絡(luò)的結(jié)合 習(xí)題八 參考文獻(xiàn)

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    人工智能與專家系統(tǒng) PDF格式下載

---