《人工智慧習題解析與實踐》是2019年9月清華大學出版社出版的圖書，作者是朱福喜、朱麗達。
基本介紹
- 書名：人工智慧習題解析與實踐
- 作者：朱福喜、朱麗達
- ISBN：9787302519669
- 定價：69.80元
- 出版社：清華大學出版社
- 出版時間：2019年9月
內容簡介,圖書目錄,
內容簡介
本書作為作者已出版多次的《人工智慧》教材的配套教輔材料，其章節與原教材基本對應，但內容分為學習目標與要求、知識要點、原教材對應的習題解析、補充題、課堂演示與實驗指導5個部分。其中，學習目標與要求為每章要達到的學習目標；知識點與原教材的內容對應，基本上全面寒紙協廈介紹了人工智慧的理論與技術；習題解析對每章的習題進行了解答；補充題對原教材的習題進行了補充，並給出了解答。
圖書目錄
第1章概論
1.1學習目標與要求
1.2知識要點
1.2.1人工智慧的概念
1.2.2人工智慧的產生及主要學派
1.2.3人工智慧、專家系統和知識工程
1.2.4圖靈測試
1.2.5人工智慧套用系統
1.2.6人工智慧的技術特徵
1.3習題解析
1.4補充習題
1.5課堂演示與實踐指導
第2章用搜尋求解問題的基本原理
2.1學習目標與要求
2.2知識要點
2.2.1搜尋求解問題的基本思路
2.2.2實現搜尋過程的三大要素
2.2.3通過搜尋求解問題的方法
2.2.4問題特徵分析
2.3習題解析
2.4補充習題
2.5課堂演示與實踐指導
2.5.1課堂演示
2.5.2實踐指導： 分啤酒問題
第3章搜尋的基本策略
3.1學習目標與要求
3.2知識要點
3.2.1盲目的搜尋方法
3.2.2啟發式搜尋
3.3習題解析
3.4補充習題
3.5課堂演示與實踐指導
3.5.1課堂演示
3.5.2實踐指導： 傳教士—野人過河問題的實現
第4章良章體圖搜尋策略
4.1學習目標與要求
4.2知識要點
4.2.1或圖搜尋策略
4.2.2與/或圖搜尋
4.3習題解析
4.4補充習題
4.5課堂演示與實踐指導
4.5.1課堂演示
4.5.2實踐指導： 天平稱球
第5章博弈與搜尋
5.1學習目標與要求
5.2知識要點
5.2.1博弈與對策
5.2.2極小極大搜尋算法
5.2.3αβ剪枝算法
5.3習題解析
5.4補充習題
5.5課堂演示與實踐指導
5.5.1課堂演示
5.5.2實踐指導： 人機對戰五子棋遊戲的實現
第6章演化搜尋算法
6.1學習目標與要求
6.2知識要點
6.2.1遺傳算法的基本概念
6.2.2遺傳編碼
6.2.3適應值函式
6.2.4遺傳操作
6.2.5初始化群體
6.2.6控制參數的選取
6.2.7算法的終止準則
6.2.8免疫算法
6.3習題解析
6.4補充習題
6.5課堂演示與實踐指導
6.5.1課堂演示
6.5.2實踐指導： 遺傳算法求解TSP問題
第7章群集智慧型算法
7.1學習目標與要求
7.2知識要點
7.2.1群集智慧型的基本算法介紹
7.2.2群集智慧型與人工魚
7.2.3群集智慧型的優缺點
7.3習題解析
7.4補民乎騙充習題
7.5課堂演示與實踐指導
7.5.1課堂演示棗想鑽
7.5.2實踐指導： 蟻束蘭群算法的模擬實現
第8章記憶型樂拒抹搜尋算法
8.1學習目標與要求
8.2知識要點
8.2.1禁忌搜尋算法
8.2.2和聲搜尋算法
8.3習題解析
第9章基於Agent的搜尋
9.1學習目標與要求
9.2知識要點
9.2.1DAI概述
9.2.2分散式問題求解
9.2.3Agent的定義
9.2.4Agent的分類
9.2.5Agent通信
9.2.6移動Agent
9.2.7典型的移動Agent平台
9.3習題解析
9.4補充習題
9.5實踐指導： 基於Agent實現的分散式計算
第10章知識表示與處理方法
10.1學習目標與要求
10.2知識要點
10.2.1知識表示概述
10.2.2邏輯表示法
10.2.3產生式表示法
10.2.4語義網路表示法
10.2.5框架表示法
10.2.6過程式知識表示
10.3習題解析
10.4補充習題
第11章謂詞邏輯的歸結原理及其套用
11.1學習目標與要求
11.2知識要點
11.2.1命題演算格榜付厚的歸結方法
11.2.2謂詞演算的歸結
11.2.3歸結原理
11.2.4歸結過程的控制策略
11.3習題解析
11.4補充習題
11.5課堂演示與實踐指導
11.5.1課堂演示
11.5.2實踐指導
第12章非經典邏輯的推理
12.1學習目標與要求
12.2知識要點
12.2.1非單調推理
12.2.2DempsterShater(DS)證據理論
12.2.3不確定性推理
12.2.4MYCIN系統的推理模型
12.2.5模糊推理
12.3習題解析
12.4補充習題
第13章機器學習
13.1學習目標與要求
13.2知識要點
13.2.1概述
13.2.2歸納學習
13.2.3基於解釋的學習
13.2.4基於類比的學習
13.3習題解析
13.4補充習題
13.5實踐指導
第14章人工神經網路
14.1學習目標與要求
14.2知識要點
14.2.1人工神經網路的特點
14.2.2人工神經網路的基本原理
14.2.3人工神經網路的基本結構模式
14.2.4人工神經網路互聯結構
14.2.5神經網路模型分類
14.2.6基本的神經網路學習算法介紹
14.2.7典型神經網路簡介
14.2.8人工神經網路與人工智慧其他技術的比較
14.3習題解析
14.4補充習題
14.5實踐指導
第15章數據挖掘與知識發現
15.1學習目標與要求
15.2知識要點
15.2.1數據挖掘
15.2.2Web挖掘
15.2.3文本挖掘
15.3習題解析
15.4補充習題
15.5實踐指導： 利用Weka挖掘關聯規則
第16章專家系統
16.1學習目標與要求
16.2知識要點
16.2.1專家系統概述
16.2.2專家系統中的知識獲取
16.2.3專家系統的解釋機制
16.2.4專家系統開發工具與環境
16.2.5專家系統開發方法
16.3習題解析
16.4補充習題
參考文獻
6.2.5初始化群體
6.2.6控制參數的選取
6.2.7算法的終止準則
6.2.8免疫算法
6.3習題解析
6.4補充習題
6.5課堂演示與實踐指導
6.5.1課堂演示
6.5.2實踐指導： 遺傳算法求解TSP問題
第7章群集智慧型算法
7.1學習目標與要求
7.2知識要點
7.2.1群集智慧型的基本算法介紹
7.2.2群集智慧型與人工魚
7.2.3群集智慧型的優缺點
7.3習題解析
7.4補充習題
7.5課堂演示與實踐指導
7.5.1課堂演示
7.5.2實踐指導： 蟻群算法的模擬實現
第8章記憶型搜尋算法
8.1學習目標與要求
8.2知識要點
8.2.1禁忌搜尋算法
8.2.2和聲搜尋算法
8.3習題解析
第9章基於Agent的搜尋
9.1學習目標與要求
9.2知識要點
9.2.1DAI概述
9.2.2分散式問題求解
9.2.3Agent的定義
9.2.4Agent的分類
9.2.5Agent通信
9.2.6移動Agent
9.2.7典型的移動Agent平台
9.3習題解析
9.4補充習題
9.5實踐指導： 基於Agent實現的分散式計算
第10章知識表示與處理方法
10.1學習目標與要求
10.2知識要點
10.2.1知識表示概述
10.2.2邏輯表示法
10.2.3產生式表示法
10.2.4語義網路表示法
10.2.5框架表示法
10.2.6過程式知識表示
10.3習題解析
10.4補充習題
第11章謂詞邏輯的歸結原理及其套用
11.1學習目標與要求
11.2知識要點
11.2.1命題演算的歸結方法
11.2.2謂詞演算的歸結
11.2.3歸結原理
11.2.4歸結過程的控制策略
11.3習題解析
11.4補充習題
11.5課堂演示與實踐指導
11.5.1課堂演示
11.5.2實踐指導
第12章非經典邏輯的推理
12.1學習目標與要求
12.2知識要點
12.2.1非單調推理
12.2.2DempsterShater(DS)證據理論
12.2.3不確定性推理
12.2.4MYCIN系統的推理模型
12.2.5模糊推理
12.3習題解析
12.4補充習題
第13章機器學習
13.1學習目標與要求
13.2知識要點
13.2.1概述
13.2.2歸納學習
13.2.3基於解釋的學習
13.2.4基於類比的學習
13.3習題解析
13.4補充習題
13.5實踐指導
第14章人工神經網路
14.1學習目標與要求
14.2知識要點
14.2.1人工神經網路的特點
14.2.2人工神經網路的基本原理
14.2.3人工神經網路的基本結構模式
14.2.4人工神經網路互聯結構
14.2.5神經網路模型分類
14.2.6基本的神經網路學習算法介紹
14.2.7典型神經網路簡介
14.2.8人工神經網路與人工智慧其他技術的比較
14.3習題解析
14.4補充習題
14.5實踐指導
第15章數據挖掘與知識發現
15.1學習目標與要求
15.2知識要點
15.2.1數據挖掘
15.2.2Web挖掘
15.2.3文本挖掘
15.3習題解析
15.4補充習題
15.5實踐指導： 利用Weka挖掘關聯規則
第16章專家系統
16.1學習目標與要求
16.2知識要點
16.2.1專家系統概述
16.2.2專家系統中的知識獲取
16.2.3專家系統的解釋機制
16.2.4專家系統開發工具與環境
16.2.5專家系統開發方法
16.3習題解析
16.4補充習題
參考文獻
