人工智慧實踐教程(2016年機械工業出版社出版的圖書)

《人工智慧實踐教程》是2016年機械工業出版社出版的圖書，作者是毛新軍、張彥鐸、鄭笛。

基本介紹

• 中文名：人工智慧實踐教程
• 作者：毛新軍、張彥鐸、鄭笛
• 類別：多媒體技術類圖書
• 出版社：機械工業出版社
• 出版時間：2016年06月22日
• 開本：16 開
• ISBN：9787111538691

內容簡介

本書共分10章，每章包含知識要點、案例分析、思考題及習題。第1章是緒論，概要介紹人工智慧研究內容及套用領域、發展動態；第2章概述命題邏輯、謂詞邏輯、歸結推理、產生式系統、語義網路、框架、腳本等知識表示和推理方法；第3章討論一般搜尋技術，概述了盲目搜尋、啟發式搜尋、問題歸約和AND-OR圖啟發式搜尋、博弈等方法和技術；第4章討論高級搜尋，包括爬山法搜尋、模擬退火搜尋、遺傳算法；第5章討論不確定知識表示和推理；第6章討論智慧型體和多智慧型體系統；第7章討論自然語言處理技術；第8章討論機器學習和神經網路；第9章討論智慧型規劃；第10章討論機器人學。並將通過網站提供習題解析、實驗工具平台和參考答案代碼。978-7-111-53869-1

作品目錄

前言

教學建議

第1章　緒論1

1.1　人工智慧的基本概念1

1.2　人類智慧型與人工智慧1

1.3　人工智慧各學派的認知觀3

1.4　人工智慧的研究與套用領域4

1.4.1　智慧型感知4

1.4.2　智慧型推理6

1.4.3　智慧型學習8

1.4.4　智慧型行動10

1.5　人工智慧發展動態14

1.6　案例分析17

1.6.1　SP先生謎題17

1.6.2　NIM問題18

1.7　習題22

1.8　思考題22

第2章　知識表示和推理24

2.1　概述24

2.2　命題邏輯25

2.3　謂詞邏輯28

2.3.1　語法28

2.3.2　語義30

2.3.3　謂詞邏輯形式系統FC32

2.4　歸結推理33

2.4.1　命題演算中的歸結推理33

2.4.2　謂詞演算中的歸結推理35

2.4.3　謂詞演算歸結反演的合理性和完備性38

2.5　產生式系統40

2.6　知識表示的其他方法43

2.6.1　語義網路43

2.6.2　框架45

2.6.3　腳本46

2.7　基於知識的系統47

2.7.1　知識獲取47

2.7.2　知識組織49

2.7.3　知識套用49

2.7.4　常識知識和大規模知識處理50

2.8　案例分析51

2.8.1　傳教士和野人問題51

2.8.2　量水問題52

2.8.3　漢諾塔問題57

2.8.4　一個基於邏輯的財務顧問61

2.8.5　電路領域的知識工程64

2.9　習題67

2.10　思考題70

第3章　搜尋技術73

3.1　概述73

3.2　盲目搜尋方法74

3.3　啟發式搜尋76

3.3.1　啟發性信息和評估函式76

3.3.2　最好優先搜尋算法77

3.3.3　貪婪最好優先搜尋算法78

3.3.4　A算法和A算法79

3.3.5　疊代加深A算法81

3.4　問題歸約和AND-OR圖啟發式搜尋82

3.4.1　問題歸約的描述82

3.4.2　問題的AND-OR圖表示83

3.4.3　AO算法85

3.5　博弈88

3.5.1　極大極小過程90

3.5.2　α-β過程92

3.6　案例分析94

3.6.1　八皇后問題94

3.6.2　洞穴探寶95

3.6.3　五子棋97

3.7　習題102

3.8　思考題103

第4章　高級搜尋107

4.1　爬山法搜尋107

4.2　模擬退火搜尋109

4.2.1　模擬退火搜尋的基本思想110

4.2.2　模擬退火算法111

4.2.3　模擬退火算法關鍵參數和操作的設計112

4.3　遺傳算法114

4.3.1　遺傳算法的基本思想114

4.3.2　遺傳算法的基本操作115

4.4　案例分析120

4.4.1　爬山算法求解旅行商問題120

4.4.2　模擬退火算法求解旅行商問題121

4.4.3　遺傳算法求解旅行商問題122

4.5　習題124

4.6　思考題124

第5章　不確定知識表示和推理125

5.1　概述125

5.2　非單調邏輯127

5.2.1　單調性與非單調性127

5.2.2　預設推理邏輯127

5.2.3　非單調邏輯系統128

5.2.4　非單調規則129

5.3　主觀Bayes方法130

5.3.1　全機率公式和Bayes公式131

5.3.2　主觀Bayes方法132

5.4　確定性理論137

5.4.1　建造醫學專家系統時的問題137

5.4.2　C-F模型138

5.5　證據理論142

5.5.1　假設和證據的不確定性142

5.5.2　證據的組合函式144

5.5.3　規則的不確定性145

5.5.4　不確定性的傳遞145

5.5.5　不確定性的組合145

5.6　模糊邏輯和模糊推理146

5.6.1　模糊集合及其運算146

5.6.2　模糊關係147

5.6.3　模糊邏輯148

5.6.4　模糊推理148

5.7　案例分析150

5.7.1　有經紀人的交易150

5.7.2　小型動物分類專家系統152

5.8　習題155

5.9　思考題157

第6章　智慧型體和多智慧型體系統158

6.1　概述158

6.1.1　智慧型體的概念與示例158

6.1.2　多智慧型體系統的概念

與示例160

6.2　智慧型體的體系結構161

6.2.1　知識型體系結構161

6.2.2　反應型體系結構163

6.2.3　認知型體系結構164

6.2.4　混合型體系結構167

6.3　智慧型體間的互動與協同169

6.3.1　智慧型體間的互動方式170

6.3.2　智慧型體通信語言ACL171

6.3.3　互動協定和協同模型174

6.4　多智慧型體系統的套用177

6.4.1　多智慧型體系統技術的適應系統178

6.4.2　多智慧型體系統技術的套用領域179

6.5　多智慧型體系統的實現方式181

6.6　多智慧型體系統開發框架JADE184

6.6.1　程式模型186

6.6.2　可重用開發包186

6.6.3　開發和運行的支持工具191

6.7　火星探礦機器人案例分析193

6.7.1　需求分析193

6.7.2　設計與實現194

6.8　習題198

6.9　思考題199

第7章　自然語言處理技術200

7.1　自然語言理解的一般問題200

7.2　詞法分析202

7.3　句法分析202

7.4　語義分析205

7.5　大規模真實文本的處理205

7.6　信息搜尋206

7.7　機器翻譯208

7.8　語音識別210

7.9　案例分析213

7.9.1　線上漢英互譯舉例分析213

7.9.2　單詞音節劃分214

7.9.3　中文文本的詞頻統計215

7.9.4　中文語句自動分析218

7.9.5　美國地理信息查詢系統223

7.10　習題231

7.11　思考題232

第8章　機器學習和神經網路234

8.1　機器學習概述234

8.2　基於符號的機器學習方法236

8.2.1　機械學習236

8.2.2　歸納學習237

8.2.3　決策樹學習238

8.2.4　基於範例的學習240

8.2.5　解釋學習244

8.2.6　強化學習246

8.3　基於神經網路的學習247

8.3.1　神經網路概述247

8.3.2　基於反向傳播網路的學習250

8.3.3　Hopfield網路模型258

8.4　知識發現261

8.5　案例分析262

8.5.1　感知器分類262

8.5.2　非線性可分的分類問題264

8.5.3　基於反向傳播網路擬合曲線266

8.6　習題271

8.7　思考題274

第9章　智慧型規劃276

9.1　規劃問題276

9.2　狀態空間搜尋規劃279

9.3　偏序規劃282

9.4　命題邏輯規劃286

9.5　分層任務網路規劃288

9.6　非確定性規劃290

9.7　多智慧型體規劃292

9.8　案例分析296

9.8.1　Shakey世界296

9.8.2　規劃問題的建模與規劃系統的求解過程297

9.9　習題299

9.10　思考題300

第10章　機器人學301

10.1　概述301

10.1.1　機器人的分類302

10.1.2　機器人的特性303

10.1.3　機器人學的研究領域303

10.2　機器人系統304

10.2.1　機器人系統的組成304

10.2.2　機器人的工作空間305

10.2.3　機器人的性能指標307

10.3　機器人的編程模式與語言308

10.4　機器人的套用與展望309

10.4.1　機器人套用310

10.4.2　機器人發展展望313

10.5　機器人足球案例分析315

10.5.1　仿真平台316

10.5.2　機器人運動程式318

10.5.3　動作函式321

10.5.4　足球比賽策略322

10.5.5　定位球狀態的判斷方法325

10.5.6　比賽規則326

10.6　習題326

10.7　思考題326

參考文獻328