人工智能

前言

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)重要分支，是當(dāng)前科學(xué)技術(shù)發(fā)展中的一門前沿學(xué)科。它的出現(xiàn)及所取得的成就引起了人們的高度重視，被認(rèn)為是計(jì)算機(jī)發(fā)展的一個(gè)根本目標(biāo)。為適應(yīng)這一計(jì)算機(jī)科學(xué)與技術(shù)發(fā)展的需要，根據(jù)我們多年來從事人工智能研究和教學(xué)的經(jīng)驗(yàn)，參考了相關(guān)的資料，編寫了適合本科教學(xué)的這本《人工智能》教材。本書共分7章。第1章緒論，敘述了人工智能的概念、研究途徑、研究?jī)?nèi)容和其主要研究領(lǐng)域。第2章和第3章智能表示和搜索，介紹了人工智能的知識(shí)表示方法、一般搜索原理和求解方法。第4章推理，討論了人工智能的推理原理、各種推理方法。第5章專家系統(tǒng)，介紹了專家系統(tǒng)基本概念、技術(shù)和方法。第6章機(jī)器學(xué)習(xí)，介紹了機(jī)器學(xué)習(xí)的一些基本概念和方法。第7章人工神經(jīng)網(wǎng)絡(luò)，討論了人工神經(jīng)網(wǎng)絡(luò)有關(guān)概念及基本技術(shù)。本書力求概念清楚，通俗易懂，同時(shí)也考慮了一定的深度、廣度和先進(jìn)性。本書由蔡瑞英（第1、5、7章）、李長(zhǎng)河（第2、3章）、張先宜（第4、6章）合作完成，并由蔡瑞英進(jìn)行修改和統(tǒng)稿。由于編寫時(shí)間倉促，書中一定有不少錯(cuò)誤和缺點(diǎn)，懇請(qǐng)讀者批評(píng)、指正。

內(nèi)容概要

本書主要介紹人工智能的基本理論、方法和應(yīng)用技術(shù)，是關(guān)于人工智能的一本入門書。全書共分7章。第1章敘述了人工智能概況，第2~4章介紹了人工智能基本原理和技術(shù)，第5~7章介紹專家系統(tǒng)、機(jī)器學(xué)習(xí)及人工神經(jīng)網(wǎng)絡(luò)有關(guān)概念及主要技術(shù)。    本書可作為高等學(xué)校計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)或相關(guān)專業(yè)高年級(jí)學(xué)生的“人工智能”課程教材，亦可供從事人工智能研究和應(yīng)用的科學(xué)工作者和工程技術(shù)人員閱讀參考。

書籍目錄

1 緒論  1.1 什么是人工智能  1.2 人工智能的研究目標(biāo)及基本內(nèi)容  1.3 人工智能的研究途徑  1.4 人工智能的研究領(lǐng)域  本章小結(jié)  思考題與習(xí)題2 知識(shí)表示  2.1 知識(shí)與知識(shí)表示概述  2.2 謂詞邏輯表示法  2.3 產(chǎn)生式表示法  2.4 語義網(wǎng)絡(luò)表示法  2.5 框架表示法  2.6 過程表示法  2.7 Petri網(wǎng)表示法  2.8 面向?qū)ο蟊硎痉? 本章小結(jié)  思考題與習(xí)題3 搜索與啟發(fā)式推理  3.1 概述  3.2 狀態(tài)空間表示法及其解的搜索  3.3 狀態(tài)空間的盲目搜索策略  3.4 啟發(fā)式搜索原理  3.5 啟發(fā)式搜索法  3.6 與/或樹的啟發(fā)式搜索  3.7 博弈對(duì)策  本章小結(jié)  思考題與習(xí)題4 推理  4.1 推理的基本概念  4.2 推理的控制策略  4.3 模式匹配  4.4 沖突消解策略  4.5 歸結(jié)演繹推理  4.6 基于規(guī)則的演繹推理  4.7 不確定推理和非單調(diào)推理  本章小結(jié)  思考題與習(xí)題5 專家系統(tǒng)  5.1 基本概念  5.2 專家系統(tǒng)的一般結(jié)構(gòu)  5.3 專家系統(tǒng)與常規(guī)的計(jì)算機(jī)程序系統(tǒng)區(qū)別  5.4 建造專家系統(tǒng)  5.5 專家系統(tǒng)的開發(fā)工具  5.6 專家系統(tǒng)舉例  本章小結(jié)  思考題與習(xí)題6 機(jī)器學(xué)習(xí)  6.1 機(jī)器學(xué)習(xí)概述  6.2 機(jī)器學(xué)習(xí)的模型、策略和方法  6.3 學(xué)習(xí)方法的比較和展望  本章小結(jié)  思考題與習(xí)題7 人工神經(jīng)網(wǎng)絡(luò)  7.1 基本概念  7.2 神經(jīng)網(wǎng)絡(luò)基本模型  7.3 神經(jīng)網(wǎng)絡(luò)在專家系統(tǒng)中的應(yīng)用  7.4 神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例  本章小結(jié)  思考題與習(xí)題附錄 動(dòng)物識(shí)別專家系統(tǒng)參考文獻(xiàn)

章節(jié)摘錄

（2）證據(jù)不確定性的表示在推理中，有兩種來源不同的證據(jù)：一種是用戶在求解問題時(shí)提供的初始證據(jù)，例如病人的癥狀、化驗(yàn)結(jié)果等；另一種是在推理中用前面推出的結(jié)論作為當(dāng)前推理的證據(jù)。對(duì)于前一種情況，即用戶提供的初始證據(jù)，由于這種證據(jù)多來源于觀察，因而通常是不精確、不完全的，即具有不確定性。對(duì)于后一種情況，由于使用的知識(shí)及證據(jù)都具有不確定性，因而推出的結(jié)論當(dāng)然也具有不確定性，當(dāng)把它用做后面推理的證據(jù)時(shí)它亦是不確定性的證據(jù)。一般來說，證據(jù)不確定性的表示方法應(yīng)與知識(shí)不確定性的表示方法保持一致，以便于推理過程中對(duì)不確定性進(jìn)行統(tǒng)一的處理。在有些系統(tǒng)中，為便于用戶的使用，對(duì)初始證據(jù)的不確定性與知識(shí)的不確定性采用了不同的表示方法，但這只是形式上的，在系統(tǒng)內(nèi)部亦做了相應(yīng)的轉(zhuǎn)換處理。證據(jù)的不確定性通常也用一個(gè)數(shù)值表示，它代表相應(yīng)證據(jù)的不確定性程度，稱之為動(dòng)態(tài)強(qiáng)度。對(duì)于初始證據(jù)，其值由用戶給出；對(duì)于用前面推理所得結(jié)論作為當(dāng)前推理的證據(jù)，其值由推理中不確定性的傳遞算法通過計(jì)算得到。（3）不確定性的量度對(duì)于不同的知識(shí)及不同的證據(jù)，其不確定性的程度一般是不相同的，需要用不同的數(shù)據(jù)表示其不確定性的程度，同時(shí)還需要事先規(guī)定它的取值范圍，只有這樣每個(gè)數(shù)據(jù)才會(huì)有確定的意義。例如，在專家系統(tǒng)MYCIN中，用可信度表示知識(shí)及證據(jù)的不確定性，取值范圍為[-1，1]，當(dāng)可信度取大于零的數(shù)值時(shí)，其值越大表示相應(yīng)的知識(shí)或證據(jù)越接近于“真”；當(dāng)可信度的取值小于零時(shí)，其值越小表示相應(yīng)的知識(shí)或證據(jù)越接近于“假”。插圖：

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    人工智能 PDF格式下載

---