《人工智慧基礎教程（配光碟）》是2007年6月7日清華大學出版社出版的圖書，作者是朱福喜、朱三元、伍春香。
基本介紹
- 書名：人工智慧基礎教程（配光碟）
- 作者：朱福喜，朱三元，伍春香
- ISBN：9787302125778
- 定價：36元
- 出版社：清華大學出版社
- 出版時間：2007年6月7日
- 裝幀：平裝
內容簡介,圖書目錄,
內容簡介
《現代計算機科學技術精品教材：人工智慧基礎教程（附光碟）》系統地闡述了人工智慧的基本原理、實現技術及其套用，全面地反映了國內外人工智慧研究領域的最新進展和發展方向。
全書共13章，前8章系統地闡述了傳統的人工智慧原理和方法，內容包括狀態空間和搜尋技術、各種知識表示和處理技術、幾種典型的推理技術、專家系統開發技術、機器學習、自然語言處理原理和方法。這些內容能夠使讀者對人工智慧的基本概念和人工智慧系統的構造方法有一個比較清楚的認識。第9章“Agent技術”、第10章“知識獲取的新技術”、第11章“遺傳算法”、第12章“群集智慧型算法”是反映人工智慧研究領域裡新的進展，主要討論分散式人工智慧、數據挖掘技術、生物計算或仿生學計算等。第13章“次協調邏輯與自動推理”則主要討論在不協調環境下的知識推理問題。
為增強學習過程的趣味性、可視性和可理解性，《現代計算機科學技術精品教材：人工智慧基礎教程（附光碟）》中的經典例子和算法特別用程式加以實現，附在光碟中可供演示。
《現代計算機科學技術精品教材：人工智慧基礎教程（附光碟）》強調具有先進性、實用性和可讀性，可作為計算機、信息處理、自動化和電信等IT相關專業的高年級本科生學習人工智慧的教材，也可供從事計算機科學研究、開發和套用的教學和科研人員參考。
全書共13章，前8章系統地闡述了傳統的人工智慧原理和方法，內容包括狀態空間和搜尋技術、各種知識表示和處理技術、幾種典型的推理技術、專家系統開發技術、機器學習、自然語言處理原理和方法。這些內容能夠使讀者對人工智慧的基本概念和人工智慧系統的構造方法有一個比較清楚的認識。第9章“Agent技術”、第10章“知識獲取的新技術”、第11章“遺傳算法”、第12章“群集智慧型算法”是反映人工智慧研究領域裡新的進展，主要討論分散式人工智慧、數據挖掘技術、生物計算或仿生學計算等。第13章“次協調邏輯與自動推理”則主要討論在不協調環境下的知識推理問題。
為增強學習過程的趣味性、可視性和可理解性，《現代計算機科學技術精品教材：人工智慧基礎教程（附光碟）》中的經典例子和算法特別用程式加以實現，附在光碟中可供演示。
《現代計算機科學技術精品教材：人工智慧基礎教程（附光碟）》強調具有先進性、實用性和可讀性，可作為計算機、信息處理、自動化和電信等IT相關專業的高年級本科生學習人工智慧的教材，也可供從事計算機科學研究、開發和套用的教學和科研人員參考。
圖書目錄
第1章概述 1
1.1什麼是人工智慧 1
1.2AI的產生及主要學派 3
1.3人工智慧、專家系統和知識工程 5
1.4人工智慧的技術特徵 7
1.5AI模擬智慧型成功的標準 9
1.6人工智慧套用系統 9
第2章問題求解與搜尋方法 15
2.1問題的狀態和狀態空間 15
2.1.1如何定義狀態空間及其搜尋 15
2.1.2問題特徵分析 19
2.2盲目的搜尋方法 24
2.2.1寬度優先搜尋 24
2.2.2深度優先搜尋 24
2.2.3分支有界搜尋 24
2.2.4疊代加深搜尋 25
2.3啟發式搜尋方法 25
2.3.1啟發式信息的表示 25
2.3.2幾種最基本的搜尋策略 30
2.4圖搜尋策略 35
2.4.1一個通用的圖搜尋算法 35
2.4.2A算法與A*算法 39
2.5問題歸約與AO*算法 48
2.5.1問題歸約求解方法與與/或圖 48
2.5.2與/或圖搜尋 50
2.5.3與/或圖搜尋的特點 51
2.5.4與/或圖搜尋算法AO* 53
2.5.5對AO*算法的進一步觀察 54
2.5.6用AO*算法求解一個智力難題 55
2.6博弈 59
2.6.1概述 59
2.6.2極小極大搜尋過程 61
2.6.3-剪枝算法 64
習題2 68
第3章知識表示與處理方法 70
3.1概述 70
3.1.1知識和知識表示的含義 70
3.1.2AI中知識表示方法分類 71
3.1.3AI對知識表示方法的要求 72
3.1.4知識表示要注意的問題 73
3.2邏輯表示法 74
3.3產生式表示法 75
3.3.1產生式系統的組成 75
3.3.2產生式系統的知識表示 76
3.3.3產生式系統的推理方式 81
3.3.4產生式規則的選擇與匹配 83
3.3.5產生式表示的特點 84
3.4語義網路表示法 85
3.4.1語義網路結構 85
3.4.2二元語義網路的表示 85
3.4.3多元語義網路的表示 86
3.4.4連線詞和量詞的表示 87
3.4.5語義網路的推理過程 91
3.4.6語義網路的一般描述 93
3.5框架表示法 94
3.5.1框架理論 94
3.5.2框架結構 94
3.5.3框架表示下的推理 97
3.6過程式知識表示 100
習題3 103
第4章謂詞邏輯的歸結原理及其套用 105
4.1命題演算的歸結方法 105
4.1.1基本概念 105
4.1.2命題演算的歸結方法 106
4.2謂詞演算的歸結 107
4.2.1謂詞演算的基本問題 107
4.2.2將公式化成標準子句形式的步驟 107
4.2.3合一算法 109
4.2.4為什麼要變數分離標準化 112
4.2.5謂詞演算的歸結算法 113
4.3歸結原理 114
4.3.1謂詞演算基礎 115
4.3.2歸結方法可靠性證明 116
4.3.3歸結方法的完備性 119
4.4歸結過程的控制策略 128
4.4.1簡化策略 128
4.4.2支撐集策略 130
4.4.3線性輸入策略 131
4.5幾種歸結方法及其套用實例 132
4.5.1歸結方法 132
4.5.2歸約及其套用 134
4.5.3利用一般歸結和等式歸結的推理實例 137
習題4 139
第5章進一步的推理方法 141
5.1非單調推理 141
5.1.1單調推理與非單調推理的概念 141
5.1.2默認邏輯 142
5.2非單調推理系統TMS 143
5.2.1TMS的依據 143
5.2.2TMS中信念的狀態 143
5.2.3TMS中信念的表示方法 144
5.2.4TMS中的證實和推理 144
5.3Dempster-Shafer（D-S）證據理論 146
5.4不確定性推理 153
5.4.1不確定性 153
5.4.2主觀機率貝葉斯方法（BayesApproaches） 154
5.5MYCIN系統的推理模型 157
5.5.1理論和實際的背景 157
5.5.2MYCIN模型 159
5.5.3MYCIN模型分析 160
5.5.4MYCIN推理網路的基本模式 162
5.5.5MYCIN確定性因子的評價 164
5.6模糊推理 164
5.6.1模糊集論與模糊邏輯（FuzzySetsandFuzzyLogic） 164
5.6.2模糊聚類分析 167
5.7基於案例的推理 174
5.7.1基於案例推理的基本思想 175
5.7.2案例的表示與組織 176
5.7.3案例的檢索 177
5.7.4案例的改寫 177
5.8歸納法推理 177
5.8.1歸納法推理的理論基礎 178
5.8.2歸納法推理的基本概念 180
5.8.3歸納法推理研究中的主要難點 183
5.8.4歸納法推理的研究成果 184
習題5 185
第6章專家系統 188
6.1概述 188
6.1.1什麼是專家系統 188
6.1.2專家系統的結構 188
6.1.3專家系統的特點 189
6.1.4專家系統的類型 189
6.1.5成功專家系統的實例 191
6.2知識獲取的直接方法 192
6.2.1概述 192
6.2.2知識獲取的直接方法 194
6.2.3知識獲取的新進展 195
6.3專家系統的解釋機制 196
6.3.1預製文本解釋法 196
6.3.2路徑跟蹤解釋法 197
6.3.3自動程式設計師解釋法 197
6.3.4策略解釋法 198
6.4專家系統開發工具與環境 199
6.5專家系統開發方法 200
6.5.1專家系統開發步驟 200
6.5.2專家系統開發方法 202
6.6專家系統開發實例 202
6.6.1動物識別專家系統 203
6.6.2MYCIN專家系統 204
習題6 205
第7章機器學習 206
7.1概述 206
7.1.1機器學習的定義和意義 206
7.1.2機器學習的研究簡史 206
7.1.3機器學習方法的分類 207
7.1.4機器學習中的推理方法 209
7.2歸納概念學習 210
7.2.1歸納概念學習的定義 211
7.2.2歸納概念學習的形式描述 213
7.2.3歸納概念學習算法的一般步驟 214
7.2.4歸納概念學習的複雜度和精確度 215
7.2.5歸納概念學習的基本技術 215
7.3基於解釋的學習 224
7.3.1基於解釋學習的基本原理 224
7.3.2基於解釋學習的一般框架 224
7.3.3基於解釋學習的過程 225
7.4基於類比的學習 226
7.4.1類比學習的一般原理 226
7.4.2類比學習的表示 227
7.4.3類比學習的求解 228
7.4.4逐步推理和監控的類比學習 228
7.5人工神經網路學習 230
7.5.1人工神經網路的發展簡史 230
7.5.2人工神經網路的基本原理 232
7.5.3人工神經網路模擬的數學基礎 235
7.5.4人工神經網路的基本結構模式 237
7.5.5人工神經網路的學習算法 238
7.5.6神經網路模型分類 240
習題7 243
第8章自然語言處理 244
8.1語言的組成部分 245
8.1.1實詞和虛詞 245
8.1.2短語結構 245
8.2上下文無關語法 246
8.2.1重寫規則 246
8.2.2語法分析 247
8.3上下文無關語法分析 248
8.3.1產生後繼狀態的算法 249
8.3.2利用詞典 251
8.3.3建立語法分析樹 251
8.4特殊語法的分析 254
8.4.1引進特徵 255
8.4.2特徵匹配 256
8.5利用圖表的高效語法分析 259
8.5.1Chart數據結構 259
8.5.2有多種解釋的句子 259
8.6語義解釋 261
8.6.1詞的意思（Sense） 262
8.6.2利用特徵的語義解釋 263
8.6.3消除詞的多義意思 265
8.7生成自然語言 266
8.8在上下文中的自然語言 267
8.8.1言語的行為（SpeechActs） 268
8.8.2創建引用 268
8.8.3處理資料庫的斷言和問題 269
習題8 273
第9章Agent技術 275
9.1Agent的定義 275
9.1.1Agent的弱定義 276
9.1.2Agent的強定義 276
9.2Agent的分類 276
9.2.1按功能劃分 277
9.2.2按屬性劃分 278
9.2.3其他的特殊Agent 281
9.3移動Agent 281
9.3.1移動Agent系統的一般結構 282
9.3.2移動Agent的分類 284
9.3.3移動Agent的優點 286
9.3.4移動Agent的技術難點 287
9.3.5移動Agent技術的標準化 288
9.4移動Agent平台的介紹 289
9.4.1GeneralMagic公司的Odyssey 290
9.4.2IBM公司的Aglet 290
第10章知識獲取的新技術 292
10.1數據挖掘 292
10.1.1數據挖掘的產生和最新發展 292
10.1.2數據挖掘研究的主要內容 293
10.1.3數據挖掘的特點 294
10.1.4數據挖掘的分類 294
10.1.5數據挖掘中常用的技術 295
10.1.6數據挖掘過程 296
10.1.7數據挖掘的研究方向及面臨的困難 296
10.1.8數據挖掘中的關聯規則挖掘 297
10.2Web挖掘 303
10.2.1Web挖掘概述 303
10.2.2Web挖掘分類 304
10.2.3Web數據挖掘的技術難點 310
10.3文本挖掘 310
10.3.1文本挖掘的概念 310
10.3.2文本挖掘預處理 311
10.3.3文本挖掘的關鍵技術 312
10.3.4文本挖掘系統的評價標準 313
第11章遺傳算法 314
11.1概述 314
11.1.1遺傳算法的基本概念 314
11.1.2遺傳算法的基本流程 315
11.2遺傳編碼 316
11.2.1二進制編碼 317
11.2.2Gray編碼 318
11.2.3實數編碼 318
11.2.4有序編碼 318
11.2.5結構式編碼 319
11.3適應值函式 319
11.4遺傳操作 320
11.4.1選擇操作（Selection） 320
11.4.2交叉操作（Crossover） 323
11.4.3變異操作（Mutation） 325
11.5初始化群體 326
11.6控制參數的選取 326
11.7算法的終止準則 327
11.8遺傳算法的基本理論 327
11.8.1模式定理 327
11.8.2隱含並行性 329
11.8.3構造塊假設 329
11.8.4收斂性 329
11.9遺傳算法簡例 329
11.10遺傳算法的套用領域 332
習題11 334
第12章群集智慧型算法 335
12.1群集智慧型算法的研究背景 335
12.2群集智慧型基本算法的介紹 335
12.2.1蟻群算法 335
12.2.2Flock算法 340
12.3集智系統介紹 342
12.3.1“人工魚” 342
12.3.2Terrarium世界 346
12.4群集智慧型的優缺點 352
第13章次協調邏輯與自動推理 353
13.1次協調邏輯的概述 353
13.1.1傳統的人工智慧與經典邏輯 353
13.1.2人工智慧中不協調的數據和知識庫 353
13.1.3次協調邏輯的含義 354
13.2註解謂詞演算 354
13.2.1多真值格 354
13.2.2註解邏輯 356
13.2.3註解謂詞公式的語義 356
