本書全面系統地介紹了人工智慧的基礎理論、基本方法和套用技術。內容涉及人工智慧型的基本概況和數學基礎、知識表示、基於謂詞的邏輯推理、不確定性理論、搜尋策略、專家系統、神經網路、模式識別、機器學習、自然語言理解、智慧型決策系統以及智慧型計算機等。
基本介紹
版權資訊,內容簡介,目錄,
版權資訊
定價: 21.00 元
內容簡介
《人工智慧的原理與方法》全面系統地介紹了人工智慧的基礎理論、基本方法和套用技術，可作為本科生和研究生相關專業的教材，也可供有關科技人員參考。
目錄
第l章緒論
1.1人工智慧的概念
1.1.1什麼是人工智慧？
1.1.2為什麼要研究人工智慧？
1.2人工智慧的研究目標
1.3人工智慧的研究內容
1.4人工智慧的研究途徑
1.5人工智慧的研究領域
1.5.1問題求解（ProblemSolving）
1.5.2專家系統（ExpertSystem-ES）
1.5.3模式識別（PatternRecognition）
1.5.4機器學習（MachineLearning）
1.5.5自動定理證明（AutomatedMechanicalTheoryProving）
1.5.6自然語言理解（NaturalLanguageUnderstanding）
1.5.7自動程式設計（AutomaticProgramming）
1.5.8智慧型機器人（IntelligentRobot）
1.5.9智慧型決策系統（IntelligentDecisionSystem）
1.5.10人工神經網路（ArtificialNeuralNetwork）
1.6人工智慧的發展概況
習題1
第2章人工智慧語言
2.1概述
2.2函式型程式設計語言LISP
2.2.1LISP語言的數據結構
2.2.2LISP程式結構
2.2.3基本函式
2.2.4LISP語言中的遞歸和循環
2.2.5LISP語言程式舉例
2.3邏輯型程式設計語言PROLOG
2.3.1PROLOG的三種基本語句
2.3.2PROLOG的基本數據結構
2.3.3PROLOG的程式設計原理
2.3.4PROLOG程式套用舉例
2.4面向對象程式設計語言Smalltalk
2.4.1基本概念和對象
2.4.2訊息模式和訊息表達式
2.4.3語句和程式塊
2.4.4程式流程控制
2.4.5類庫和類定義
習題2
第3章人工智慧的數學基礎
3.1命題邏輯與謂詞邏輯
3.1.1命題
3.1.2謂詞
3.1.3謂詞公式
3.1.4謂詞公式的解釋
3.1.5謂詞公式的等價性與永真蘊涵
3.2多值邏輯
3.3機率論
3.3.1隨機現象
3.3.2樣本空間與隨機事件
3.3.3事件機率
3.3.4條件機率
3.3.5全機率公式與Bayes公式
3.4模糊理論
3.4.1模糊概念
3.4.2模糊集合與隸屬函式
3.4.3模糊集的表示方法
3.4.4模糊集的運算
3.4.5模糊集的λ水平截集
3.4.6分解定理與擴張原理
3.4.7模糊關係及其合成
3.4.8模糊變換
習題3
第4章知識與知識表示
4.1知識的基本概念
4.1.1知識的特徵
4.1.2知識的分類和表示
4.2一階謂詞邏輯表示法
4.2.1什麼是一階謂詞？
4.2.2一階謂詞邏輯表示法的特點
4.3產生式表示法
4.3.1產生式系統的定義和組成
4.3.2產生式系統的分類
4.3.3產生式系統的控制策略
4.3.4產生式系統的推理過程
4.4框架表示法
4.4.1框架的概念
4.4.2框架的表達能力
4.4.3基於框架的推理
4.5語義網路表示法
4.5.1語義網路的概念
4.5.2語義網路的表達能力
4.5.3基於語義網路的推理
4.5.4語義網路表示法的特點
4.6過程表示法
4.7腳本表示法
4.8面向對象表示法
4.8.1面向對象的基本概念
4.8.2面向對象表示法的特點
4.9Petri網表示法
習題4
第5章基本謂詞的邏輯推理
5.1謂詞邏輯的演繹推理方法
5.2歸結原理
5.2.1子句
5.2.2代換與合
5.2.3命題邏輯中的歸結原理
5.2.4謂詞邏輯中的歸結原理
5.2.5基於歸結的問題的求解方法
5.2.6歸結策略
5.3與/或形演繹推理
5.3.1與/或形正向演繹推理（FR）
5.3.2與/或形逆向演繹推理（BR）
5.3.3與/或型雙向演繹推理
習題5
第6章不確定性與不確定推理
6.1基本概念
6.1.1什麼是不確定性推理？
6.1.2不確定性推理中的基本問題
6.1.3不確定性推理方法的分類
6.2機率方法
6.2.1經典機率方法
6.2.2逆機率方法
6.3主觀Bayes方法
6.3.1知識不確定性的表示
6.3.2證據不確定性的表示
6.3.3組合證據不確定性的算法
6.3.4不確定性的傳遞算法
6.3.5結論不確定性的合成算法
6.4可信度方法
6.4.1可信度的概念
6.4.2C-F模型
6.4.3帶有闞值限度的不確定性推理
6.5模糊推理
6.5.1模糊命題
6.5.2模糊知識的表示
6.5.3模糊匹配與衝突消解
6.5.4簡單模糊推理的基本模式
習題6
第7章搜尋策略
7.1基本概念
7.1.1什麼是搜尋？
7.1.2狀態圖表示法
7.1.3與/或圖表示法
7.2狀態圖搜尋技術
7.2.1圖搜尋的基本概念
7.2.2寬度優先搜尋
7.2.3深度優先搜尋
7.2.4有限深度優先搜尋
7.2.5啟發式搜尋
第8章專家系統
第9章神經網路
第10章模式識別
第11章機器學習
參考文獻
……
