人工智慧原理與方法

該書取材新穎，具有系統性、新穎性、實用性及可讀性等特點，便於教學和自學，適於作為計算機學科本科生及研究生的教科書，亦可供有關科技人員參考。

基本介紹

• 中文名：人工智慧原理與方法
• 作　者：王永慶
• 出版社：西安交通大學
• 出版時間：1998年第1版

版權資訊

書 名: 人工智慧原理與方法

ISBN: 9787560509341

開本： 16

定價: 32.00 元

內容簡介

本書較全面地介紹了人工智慧的基本理論、方法及其套用技術。全書共12章，可分為三大部分：第一部分包括第1章至第6章，論述了人工智慧的三大技術，即知識表示、推理及搜尋，重點討論了不確定性的表示及處理技術；第二部分包括第7章至第10章，著重討論了專家系統、機器學習、模式識別及智慧型決策支持系統等研究領域的有關概念及系統構成技術；第三部分包括第11章和第12章，分別討論了神經網路和智慧型計算機的概念、模型、研究現狀及展望等。

目錄

目 錄

第1章緒論

1.1什麼是人工智慧

1.1.1智慧型

1.1.2人工智慧

1.1.3人工智慧的發展簡史

1.2人工智慧的研究目標及基本內容

1.2.1人工智慧的研究目標

1.2.2人工智慧研究的基本內容

1.3人工智慧的研究途徑

1.3.1以符號處理為核心的方法

1.3.2以網路連線為主的連線機制方法

1.3.3系統集成

1.4人工智慧的研究領域

1.4.1專家系統

1.4.2機器學習

1.4.3模式識別

1.4.4自然語言理解

1.4.5自動定理證明

1.4.6自動程式設計

1.4.7機器人學

1.4.8　博弈

1.4.9智慧型決策支持系統

1.4.10　人工神經網路

本章小結

習題

第2章人工智慧的數學基礎

2.1命題邏輯與謂詞邏輯

2.1.1命題

2.1.2謂詞

2.1.3謂詞公式

2.1.4　謂詞公式的解釋

2.1.5謂詞公式的永真性.可滿足性.不可滿足性

2.1.6謂詞公式的等價性與永真蘊含

2.2　多值邏輯

2.3機率論

2.3.1隨機現象

2.3.2樣本空間與隨機事件

2.3.3事件的機率

2.3.4條件機率

2.3.5全機率公式與Bayes公式

2.4模糊理論

2.4.1模糊性

2.4.2集合與特徵函式

2.4.3模糊集與隸屬函式

2.4.4模糊集的表示方法

2.4.5模糊集的運算

2.4.6模糊集的λ水平截集

2.4.7模糊度

2.4.8模糊數

2.4.9模糊關係及其合成

2.4.10模糊變換

2.4.11實數域上幾種常用的隸屬函式

2.4.12建立隸屬函式的方法

本章小結

習題

第3章知識與知識表示

3.1基本概念

3.1.1什麼是知識

3.1.2知識的特性

3.1.3知識的分類

3.1.4知識的表示

3.2一階謂詞邏輯表示法

3.2.1表示知識方法

3.2.2一階謂詞邏輯表示法的特點

3.3產生式表示法

3.3.1產生式的基本形式

3.3.2產生式系統

3.3.3產生式系統的分類

3.3.4產生式表示法的特點

3.4框架表示法

3.4.1框架理論

3.4.2框架

3.4.3框架網路

3.4.4框架中槽的設定與組織

3.4.5框架系統中求解問題的基本過程

3.4.6框架表示法的特點

3.5語義網路表示法

3.5.1語義網路的概念

3.5.2知識的語義網路表示

3.5.3常用的語義联系

3.5.4語義網路系統中求解問題的基本過程

3.5.5語義網路表示法的特點

3.6腳本表示法

3.6.1概念依賴理論

3.6.2腳本

3.7過程表示法

3.7.1表示知識方法

3.7.2過程表示法的特點

3.8Petri網表示法

3.8.1表示知識方法

3.8.2Petri網表示法的特點

3.9面向對象表示法

3.9.1面向對象的基本概念

3.9.2表示知識方法

本章小結

習題

第4章經典邏輯推理

4.1基本概念

4.1.1什麼是推理

4.1.2推理方式及其分類

4.1.3推理的控制策略

4.1.4模式匹配

4.1.5衝突消解策略

4.2自然演繹推理

4.3歸結演繹推理

4.3.1子句

4.3.2海伯倫理論

4.3.3魯賓遜歸結原理

4.3.4歸結反演

4.3.5套用歸結原理求取問題的答案

4.3.6歸結策略

4.4與/或形演繹推理

4.4.1與/或形正向演繹推理

4.4.2與域形逆向演繹推理

4.4.3與域形雙向演繹推理

4.4.4代換的一致性及剪枝策略

本章小結

習題

第5章不確定與非單調推理

5.1基本概念

5.1.1什麼是不確定性推理

5.1.2不確定性推理中的基本問題

5.1.3不確定性推理方法的分類

5.2機率方法

5.2.1經典機率方法

5.2.2逆機率方法

5.3主觀Bayes方法

5.3.1知識不確定性的表示

5.3.2證據不確定性的表示

5.3.3組合證據不確定性的算法

5.3.4不確定性的傳遞算法

5.3.5結論不確定性的合成算法

5.4可信度方法

5.4.1可信度的概念

5.4.2C-F模型

5.4.3帶有閾值限度的不確定性推理

5.4.4加權的不確定性推理

5.4.5前提條件中帶有可信度因子的不確定性推理

5.5證據理論

5.5.1D－S理論

5.5.2一個具體的不確定性推理模型

5.6模糊推理

5.6.1模糊命題

5.6.2　模糊知識的表示

5.6.3模糊匹配與衝突消解

5.6.4模糊推理的基本模式

5.6.5簡單模糊推理

5.6.6　模糊三段論推理

5.6.7　多維模糊推理

5.6.8多重模糊推理

5.6.9帶有可信度因子的模糊推理

5.7基於框架表示的不確定性推理

5.7.1不確定性知識的框架表示

5.7.2框架的不確定性匹配

5.7.3框架推理

5.8基於語義網路表示的不確定性推理

5.8.1不確定性知識的語義網路表示

5.8.2　語義網路推理

5.9　非單調推理

5.9.1非單調推理的概念

5.9.2預設理論

5.9.3界限理論

5.9.4正確性維持系統TMS

本章小結

習題

第6章　搜尋策暗

6.1基本概念

6.1.1什麼是搜尋

6.1.2狀態空間表示法

6.1.3　與域樹表示法

6.2狀態空間的搜尋策略

6.2.1狀態空間的一般搜尋過程

6.2.2　廣度優先搜尋

6.2.3深度優先搜尋

6.2.4有界深度優先搜尋

6.2.5代價樹的廣度優先搜尋

6.2.6代價樹的深度優先搜尋

6.2.7　啟發式搜尋

6.2.8A*算法

6.3與域樹的搜尋策略

6.3.1與域樹的一般搜尋過程

6.3.2與域樹的廣度優先搜尋

6.3.3與域樹的深度優先搜尋

6.3.4與域樹的有序搜尋

6.3.5博弈樹的啟發式搜尋

6.3.6α-β剪枝技術

6.4搜尋的完備性與效率

6.4.1完備性

6.4.2搜尋效率

本章小結

習題

第7章專家系統

7.1基本概念

7.1.1什麼是專家系統

7.1.2專家系統的產生與發展

7.1.3專家系統的分類

7.2專家系統的一般結構

7.2.1人機接口

7.2.2　知識獲取機構

7.2.3知識庫及其管理系統

7.2.4推理機

7.2.5資料庫及其管理系統

7.2.6解釋機構

7.3知識獲取

7.3.1知識獲取的任務

7.3.2　知識獲取方式

……