人工智慧基礎(第4版)

《人工智慧基礎(第4版)》是由蔡自興、蒙祖強、陳白帆主編,高等教育出版社於2021年11月22日出版的教材。

基本介紹

  • 中文名:人工智慧基礎(第4版)
  • 作者:蔡自興、蒙祖強、陳白帆
  • 出版社高等教育出版社
  • 出版時間:2021年11月22日
  • 頁數:372 頁
  • 定價:46.50 元
  • 裝幀:平裝
  • ISBN:9787040571998 
內容簡介,圖書目錄,

內容簡介

本書是國家精品課程和國家級精品資源共享課“人工智慧”的配套教材。本版共10章,主要內容包括緒論、知識表示、搜尋技術、推理技術、機器學習、專家系統、自動規劃系統、自然語言理解、智慧型控制、人工智慧程式設計等。與第3版相比,大多數章節都做了相應規範、修改、精簡或補充。
本書可作為高等本科院校計算機、人工智慧、智慧型科學與技術專業和其他信息類專業的“人工智慧”課程教材或教學參考書,也可供從事人工智慧研究與套用的科技工作者學習參考。

圖書目錄

前輔文
第1章 緒論
1.1 人工智慧的定義和發展
1.1.1 人工智慧的定義
1.1.2 人工智慧的起源與發展
1.1.3 中國人工智慧的發展歷程
1.2 人工智慧的研究目標、內容與核心要素
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
1.2.3 人工智慧的核心要素
1.3 人工智慧的研究與計算方法
1.3.1 人工智慧的研究方法
1.3.2 人工智慧的計算方法
1.4 人工智慧的研究和套用領域
1.5 本書概括
習題1
第2章 知識表示
2.1 知識及其表示概述
2.2 狀態空間法
2.2.1 問題狀態描述
2.2.2 狀態圖示法
2.2.3 狀態空間表示舉例
2.3 問題歸約法
2.3.1 問題歸約描述
2.3.2 與或圖表示
2.3.3 問題歸約機理
2.4 謂詞邏輯法
2.4.1 謂詞公式
2.4.2 謂詞演算
2.4.3 置換與合一
2.5 語義網路法
2.5.1 二元語義網路的表示
2.5.2 多元語義網路的表示
2.5.3 基於語義網路的知識推理
2.6 框架表示法
2.6.1 框架理論及特點
2.6.2 框架的構成
2.6.3 框架的推理
2.7 知識圖譜
2.7.1 知識圖譜的定義與架構
2.7.2 知識圖譜的關鍵技術
2.7.3 知識圖譜的套用領域
2.8 面向對象表示法
2.8.1 面向對象的概念
2.8.2 面向對象表示中的類繼承
2.9 本章 小結
習題2
第3章 搜尋技術
3.1 盲目搜尋
3.1.1 圖搜尋策略
3.1.2 寬度優先搜尋
3.1.3 深度優先搜尋
3.1.4 等代價搜尋
3.2 啟發式搜尋
3.2.1 啟發式搜尋策略
3.2.2 有序搜尋
3.2.3 A*算法
3.3 博弈樹搜尋
3.3.1 博弈概述
3.3.2 極小極大分析法
3.3.3 α-β剪枝技術
3.4 遺傳算法
3.4.1 遺傳算法的基本原理
3.4.2 遺傳算法的結構
3.5 模擬退火算法
3.5.1 模擬退火算法的模型
3.5.2 模擬退火算法的簡單套用
3.6 免疫算法
3.6.1 免疫計算概述
3.6.2 免疫算法的基本原理
3.6.3 幾種免疫算法
3.7 本章 小結
習題3
第4章 推理技術
4.1 消解原理
4.1.1 子句集的求取
4.1.2 消解推理規則
4.1.3 含有變數的消解式
4.1.4 消解反演求解過程
4.2 規則演繹系統
4.2.1 正向規則演繹系統
4.2.2 反向規則演繹系統
4.2.3 雙向規則演繹系統
4.3 產生式系統
4.3.1 產生式系統的結構
4.3.2 產生式系統的表示
4.3.3 產生式系統的推理
4.4 定性推理
4.4.1 定性推理概述
4.4.2 定性模型推理
4.5 不確定性推理
4.5.1 確定性與不確定性推理
4.5.2 機率推理
4.5.3 貝葉斯推理
4.5.4 模糊邏輯推理
4.6 本章 小結
習題4
第5章 機器學習
5.1 機器學習概述
5.1.1 機器學習的定義和研究意義
5.1.2 機器學習的發展史
5.2 機器學習的主要策略與基本結構
5.3 常見的機器學習方法
5.3.1 歸納學習
5.3.2 基於解釋的學習
5.3.3 類比學習
5.3.4 決策樹學習
5.3.5 強化學習
5.3.6 支持向量機
5.3.7 表示學習
5.4 基於神經網路的學習
5.4.1 神經計算簡介
5.4.2 基於BP網路的學習
5.4.3 基於霍普菲爾德神經網路的學習
5.5 深度學習
5.5.1 深度學習的定義與特點
5.5.2 深度學習基礎與神經網路
5.5.3 深度學習的常用模型
5.6 本章 小結
習題5
第6章 專家系統
6.1 專家系統概述
6.1.1 專家系統的定義和一般特點
6.1.2 專家系統的結構與類型
6.1.3 專家系統的構建步驟
6.2 基於規則的專家系統
6.2.1 基於規則的專家系統的基本結構
6.2.2 基於規則的專家系統的特點
6.2.3 基於規則的專家系統舉例
6.3 基於框架的專家系統
6.3.1 基於框架的專家系統的概念
6.3.2 基於框架的專家系統的繼承、槽和方法
6.3.3 基於框架的專家系統舉例
6.4 基於模型的專家系統
6.4.1 基於模型的專家系統的概念
6.4.2 基於模型的專家系統舉例
6.5 專家系統的設計、評價與開發
6.5.1 專家系統的設計
6.5.2 專家系統的評價
6.5.3 專家系統開發工具
6.6 知識發現
6.6.1 知識發現的發展和定義
6.6.2 知識發現的處理過程
6.6.3 知識發現的方法
6.7 本章 小結
習題6
第7章 自動規劃系統
7.1 自動規劃概述
7.1.1 規劃的概念和作用
7.1.2 規劃的分類
7.2 基於謂詞邏輯的規劃
7.2.1 規劃世界模型的謂詞邏輯表示
7.2.2 基於謂詞邏輯規劃的基本過程
7.3 STRIPS規劃系統
7.3.1 積木世界的機器人規劃
7.3.2 STRIPS規劃系統的組成和規划過程
7.4 基於專家系統的機器人路徑規劃
7.5 基於機器學習的智慧型規劃
7.6 軌跡規劃簡介
7.7 本章 小結
習題7
第8章 自然語言理解
8.1 語言及其理解的一般問題
8.1.1 語言和語言理解
8.1.2 自然語言理解研究的進展和發展趨勢
8.1.3 自然語言理解過程的層次
8.2 詞法分析
8.3 句法和語法的自動分析
8.3.1 句法模式匹配和轉移網路
8.3.2 擴充轉移網路
8.3.3 辭彙功能語法
8.4 語義分析
8.5 句子理解
8.5.1 單句的理解方法
8.5.2 複句的理解方法
8.6 語料庫語言學
8.7 機器翻譯
8.8 語音識別
8.8.1 語音識別的發展歷史
8.8.2 語音識別的基本原理
8.8.3 語音識別的關鍵技術
8.8.4 語音識別技術展望
8.9 基於深度學習的自然語言處理
8.10 本章 小結
習題8
第9章 智慧型控制
9.1 智慧型控制概述
9.1.1 智慧型控制的產生和發展
9.1.2 智慧型控制的定義
9.2 智慧型控制的研究領域
9.3 智慧型控制的學科結構理論
9.3.1 二元結構理論
9.3.2 三元結構理論
9.3.3 四元結構理論
9.4 智慧型控制的特點與系統一般結構
9.4.1 智慧型控制的特點
9.4.2 智慧型控制系統的一般結構
9.5 智慧型控制系統
9.5.1 遞階控制系統
9.5.2 專家控制系統
9.5.3 模糊控制系統
9.5.4 學習控制系統
9.5.5 神經控制系統
9.6 其他智慧型控制系統
9.6.1 進化控制
9.6.2 免疫控制
9.6.3 基於Web的控制
9.7 本章 小結
習題9
第10章 人工智慧程式設計
10.1 符號和邏輯處理程式語言
10.2 LISP語言
10.2.1 LISP的特點和數據結構
10.2.2 LISP的基本函式
10.2.3 遞歸和疊代
10.2.4 LISP編程舉例
10.3 PROLOG語言
10.3.1 語法與數據結構
10.3.2 PROLOG程式設計原理
10.3.3 PROLOG編程舉例
10.4 Python語言簡介
10.4.1 基本數據結構
10.4.2 選擇和循環結構
10.4.3 函式
10.4.4 數值分析方法
10.5 專用開發工具與人工智慧機
10.6 本章 小結
習題10
參考文獻

相關詞條

熱門詞條

聯絡我們