基本介紹
- 書名：人工智慧教程
- 作者：張仰森，黃改娟 著
- 出版社：高等教育出版社
- 出版時間：2008年3月1日
- 頁數：380 頁
- 開本：16 開
- 裝幀：平裝
- ISBN：9787040232615
內容簡介,圖書目錄,第Ⅰ篇 原理篇,第Ⅱ篇 套用篇,
內容簡介
全書共分兩篇，包括10章內容。第1篇為原理篇，主要論述知識表示、知識獲取及知識運用三大問題，包括人工智慧的基本概念及其發展狀況、知識表示方法、確定性推理方法、不確定推理方法、狀態空間搜尋、機器學習等內容。第Ⅱ篇為套用篇，介紹自然語言理解、專家系統、人工神經網路等研究領域，並在第10章對數據挖掘和主體技術等熱點研究領域進行了介紹。每章都給出了大量的例題和習題，供學生練習使用。
《人工智慧教程》可作為高等學校計算機及相關專業高年級本科生和研究生人工智慧課程教材，也可供從事人工智慧研究和套用的科技工作者參考，還可供同等學力申請碩士學位人員以及參加其他考試的相關人員參考。
圖書目錄
第Ⅰ篇 原理篇
第1章 緒論
1．1 人工智慧的誕生及發展
1．2 人工智慧的定義
1．3 人工智慧研究的方法及途徑
1．3．1 人工智慧研究的各種學派及其理論
1．3．2 實現人工智慧的技術路線
1．4 人工智慧的研究及套用領域
習題1
第2章 知識表示方法
2．1 概述
2．1．1 知識、信息和數據
2．1．2 知識的特性
2．1．3 知識的分類
2．1．4 知識的表示
2．2 一階謂詞邏輯表示法
2．2．1 知識的謂詞邏輯表示法
2．2．2 用謂詞公式表示知識的步驟
2．2．3 謂詞公式表示知識的舉例
2．2．4 一階謂詞邏輯表示法的特點
2．3 產生式表示法
2．3．1 產生式可表示的知識種類及其基本形式
2．3．2 知識的表示方法
2．3．3 產生式系統的組成
2．3．4 產生式系統的推理方式
2．3．5 產生式表示法的特點
2．4 語義網路表示法
2．4．1 語義網路的概念及其結構
2．4．2 語義網路中常用的語義联系
2．4．3 語義網路表示知識的方法
2．4．4 用語義網路表示知識的步驟
2．4．5 語義網路表示知識舉例
2．4．6 語義網路表示下的推理過程
2．4．7 語義網路表示法的特點
2．5 框架表示法
2．5．1 框架理論
2．5．2 框架的定義及組成
2．5．3 用框架表示知識的步驟
2．5．4 用框架表示知識舉例
2．5．5 框架表示下的推理方法
2．5．6 框架表示法的特點
2．6 面向對象的表示法
2．6．1 面向對象的基本概念
2．6．2 表示知識的方法
2．7 腳本表示法
2．7．1 腳本的定義與組成
2．7．2 用腳本表示知識的步驟
2．7．3 用腳本表示知識舉例
2．7．4 腳本表示下的推理方法
2．7．5 腳本表示法的特點
2．8 過程表示法
2．8．1 知識的過程表示法
2．8．2 過程表示的問題求解舉例
2．8．3 過程表示法的特點
2．9 狀態空間表示法
2．9．1 問題狀態空間的構成
2．9．2 用狀態空間表示問題的步驟
2．9．3 利用狀態空間求解問題的過程
2．10 與／或樹表示法
2．10．1 問題的分解與等價變換
2．10．2 問題歸約的與／或樹表示
2．10．3 用與／或樹表示問題的步驟
2．10．4 與／或樹表示舉例
習題2
第3章 確定性推理方法
3．1 推理概述
3．1．1 推理的基本概念
3．1．2 推理的方法及其分類
3．1．3 推理的控制策略
3．1．4 推理的衝突消解策略
3．2 命題邏輯
3．2．1 命題
3．2．2 命題公式
3．3 謂詞邏輯
3．3．1 謂詞與個體
3．3．2 謂詞公式
3．3．3 謂詞公式的永真性和可滿足性
3．3．4 謂詞公式的等價性與永真蘊涵
3．3．5 置換與合
3．4 自然演繹推理方法
3．4．1 自然演繹推理的概念
3．4．2 利用演繹推理解決問題
3．4．3 演繹推理的特點
3．5 歸結推理方法
3．5．1 謂詞公式與子句集
3．5．2 Herbrand理論
3．5．3 歸結原理
3．5．4 利用歸結原理進行定理證明
3．5．5 套用歸結原理進行問題求解
3．6 歸結過程的控制策略
3．6．1 引入控制策略
3．6．2 歸結控制策略及其套用舉例
習題3
第4章 不確定推理方法
4．1 不確定推理概述
4．1．1 不確定推理的概念
4．1．2 不確定推理方法的子類
4．1．3 不確定推理中的基本問題
4．2 可信度方法
4．2．1 可信度的概念
4．2．2 知識不確定性的表示
4．2．3 證據不確定性的表示
4．2．4 不確定性的推理計算
4．2．5 可信度方法套用舉例
4．3 主觀Bayes方法
4．3．1 基本Bayes公式
4．3．2 主觀Bayes方法及其推理網路
4．3．3 知識不確定性的表示
4．3．4 證據不確定性的表示
4．3．5 不確定性的推理計算
4．3．6 結論不確定性的合成與更新算法
4．3．7 主觀Bayes方法套用舉例
4．4 證據理論
4．4．1 D—S理論的數學基礎
4．4．2 特定機率分配函式
4．4．3 基於特定機率分配函式的不確定性推理模型
4．4．4 證據理論解題舉例
4．5 模糊推理
4．5．1 模糊集理論與模糊邏輯
4．5．2 模糊知識表示
4．5．3 模糊證據的表示
4．5．4 模糊推理模型
習題4
喜5章 狀態空間搜尋策略
5．1 搜尋的概念及種類
5．2 盲目搜尋策略
5．2．1 狀態空間圖的搜尋策略
5．2．2 寬度優先搜尋
5．2．3 深度優先搜尋
5．2．4 有界深度優先搜尋
5．2．5 代價樹的寬度優先搜尋
5．2．6 代價樹的深度優先搜尋
5．3 啟發式搜尋策略
5．3．1 啟發信息與估價函式
5．3．2 最佳優先搜尋
5．3．3 A算法
習題5
第6章 機器學習
6．1 概述
6．1．1 什麼是機器學習
6．1．2 研究機器學習的意義
6．1．3 機器學習的發展史
6．1．4 機器學習的主要策略及研究現狀
6．2 機器學習系統的基本模型
6．3 機械學習
6．3．1 機械學習的過程
6．3．2 機械學習系統要考慮的問題
6．4 傳授式學習
6．5 類比學習
6．5．1 學習新概念
6．5．2 學習問題的求解方法
6．6 歸納學習
6．6．1 實例學習
6．6．2 觀察與發現學習
6．7 基於解釋的學習
6．7．1 基於解釋學習的工作原理
6．7．2 舉例
6．7．3 領域知識的完善性
6．8 ID3判定樹算法
6．8．1 ID3算法
6．8．2 實例計算
6．8．3 ID3算法的特點
習題6
第Ⅱ篇 套用篇
第7章 自然語言理解
第8章 專家系統
第9章 人工神經網路與遺傳算法
第10章 數據挖掘與主體技術
附錄A 計算機科學與技術綜合考試真題
附錄B 計算機科學與技術綜合考試真題解答
參考文獻
