人工智能原理与应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

人工智能原理与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目 录3

第一篇 人工智能基本原理3

第一章绪论3

1.1人工智能的诞生及发展3

1.2人工智能的定义4

1.3人工智能研究的方法及途径6

1.3.1人工智能研究的各种学派6

及其理论6

1.3.2实现人工智能的技术路线9

1.4人工智能的研究及应用领域9

1.4.1问题求解10

1.4.2机器学习10

1.4.3专家系统11

1.4.4模式识别11

1.4.5自动定理证明11

1.4.7自然语言理解12

1.4.6自动程序设计12

1.4.8机器人学13

1.4.9人工神经网络13

1.4.10智能检索14

习题一14

第二章知识表示方法15

2.1概述15

2.1.1知识、信息和数据15

2.1.2知识的特性16

2.1.3知识的分类17

2.1.4知识的表示18

2.2一阶谓词逻辑表示法19

2.2.1知识的谓词逻辑表示法19

2.2.2用谓词公式表示知识的步骤20

2.2.3谓词公式表示知识的举例20

2.2.4一阶谓词逻辑表示法的特点24

2.3.1产生式可表示的知识种类25

及其基本形式25

2.3产生式表示法25

2.3.2知识的表示方法26

2.3.3产生式系统的组成27

2.3.4产生式系统的推理方式29

2.3.5产生式表示法的特点30

2.4语义网络表示法30

2.4.1语义网络的概念及其结构31

2.4.2语义网络中常用的语义联系32

2.4.3语义网络表示知识的方法35

2.4.4用语义网络表示知识的步骤40

2.4.5语义网络表示知识举例41

2.4.6语义网络表示下的推理过程45

2.4.7语义网络表示法的特点47

2.5框架表示法48

2.5.1框架理论48

2.5.2框架的定义及组成48

2.5.3用框架表示知识的步骤50

2.5.4框架举例52

2.5.5框架表示下的推理方法55

2.5.6框架表示法的特点57

2.6面向对象的表示法57

2.6.1面向对象的基本概念58

2.6.2表示知识的方法60

2.7脚本表示法61

2.7.1脚本的定义与组成61

2.7.2用脚本表示知识的步骤63

2.7.3用脚本表示知识举例64

2.7.4脚本表示下的推理方法66

2.7.5脚本表示法的特点67

2.8过程表示法67

2.8.1知识的过程表示法67

2.8.2过程表示的问题求解举例69

2.8.3过程表示法的特点70

2.9状态空间表示法71

2.9.1问题状态空间的构成71

2.9.3利用状态空间求解问题72

的过程72

2.9.2用状态空间表示问题的72

步骤72

2.10与／或树表示法74

2.10.1问题的分解与等价变换74

2.10.2问题归约的与／或树表示75

2.10.3用与／或树表示问题的步骤76

2.10.4与／或树表示举例77

习题二78

3.1.1推理的基本概念81

第三章确定性推理方法81

3.1推理概述81

3.1.2推理的方法及其分类82

3.1.3推理的控制策略85

3.1.4推理的冲突消解策略92

3.2命题逻辑93

3.2.1命题94

3.2.2命题公式94

3.3.1谓词与个体96

3.3谓词逻辑96

3.3.2谓词公式97

3.3.3谓词公式的永真性和可满98

足性98

3.3.4谓词公式的等价性与永真100

蕴涵100

3.3.5置换与合一102

3.4自然演绎推理方法105

3.4.1 自然演绎推理的概念105

3.4.2利用演绎推理解决问题106

3.4.3演绎推理的特点107

3.5归结推理方法108

3.5.1谓词公式与子句集108

3.5.2 Herbrand理论112

3.5.3归结原理117

3.5.4利用归结原理进行定理122

证明122

3.5.5应用归结原理进行问题126

求解126

3.6.1引入控制策略128

3.6归结过程的控制策略128

3.6.2归结控制策略及其应用130

举例130

习题三133

第四章不确定性推理方法136

4.1不确定性推理概述136

4.1.1不确定性推理的概念136

4.1.2不确定性推理方法的分类137

问题138

4.1.3不确定性推理中的基本138

4.2可信度方法139

4.2.1可信度的概念140

4.2.2知识不确定性的表示140

4.2.3证据不确定性的表示142

4.2.4不确定性的推理计算143

4.2.5可信度方法应用举例145

4.3主观Bayes方法151

4.3.1基本Bayes公式151

推理网络153

4.3.2主观Bayes方法及其153

4.3.3知识不确定性的表示154

4.3.4证据不确定性的表示155

4.3.5不确定性的推理计算156

4.3.6结论不确定性的合成162

与更新算法162

4.3.7主观Bayes方法应用举例163

4.4证据理论170

4.4.1 D-S理论的数学基础170

4.4.2特定概率分配函数174

4.4.3基于特定概率分配函数的176

不确定性推理模型176

4.4.4证据理论解题举例178

习题四183

第五章状态空间搜索策略186

5.1搜索的概念及种类186

5.1.1搜索的概念186

5.2盲目搜索策略187

5.2.1状态空间图的搜索策略187

5.1.2搜索的种类187

.5.2.2宽度优先搜索策略190

5.2.3深度优先搜索192

5.2.4有界深度优先搜索194

5.2.5代价树的宽度优先搜索196

5.2.6代价树的深度优先搜索198

5.3启发式搜索策略200

5.3.1启发信息与估价函数201

5.3.2最佳优先搜索202

5.3.3 A*算法206

习题五208

第六章机器学习211

6.1概述211

6.1.1什么是机器学习211

6.1.2研究机器学习的意义212

6.1.3机器学习的发展史213

6.1.4机器学习的主要策略214

6.2机器学习系统的基本模型215

6.2.1环境216

6.2.2学习环节217

6.2.3知识库217

6.2.4执行环节218

6.3机械学习218

6.3.1机械学习的过程219

6.3.2机械学习系统要考虑219

的问题219

6.4传授式学习220

6.5类比学习221

6.5.1学习新概念221

6.5.2学习问题的求解方法222

6.6归纳学习223

6.6.1实例学习223

6.6.2观察与发现学习228

6.7基于解释的学习229

6.7.1基于解释学习的工作原理230

6.7.2基于解释学习举例231

6.7.3领域知识的完善性232

习题六233

第二篇 人工智能的应用237

第七章 自然语言理解237

7.1 自然语言及其理解237

7.1.1 自然语言及其构成237

7.1.2自然语言理解的概念239

7.1.3自然语言理解研究的进展240

7.1.4 自然语言理解过程的层次243

7.2词法分析244

7.3句法分析245

7.3.1短语结构语法理论与乔姆245

斯基语法体系245

7.3.2递归转移网络与扩充转移248

网络248

7.3.3词汇功能语法254

7.3.4自动句法分析算法257

7.4语义分析262

7.5.1语料库语言学的崛起265

7.5大规模真实文本的处理265

7.5.2语料库语言学的特点266

及研究对象266

7.5.3汉语语料库加工的基本267

方法267

7.5.4统计学方法的应用及所面临的问题271

7.6基于语料库的自然语言建模271

方法271

7.6.1基于概率分布的语言建模272

建模273

7.6.2基于上下文信息的语言273

7.6.3基于组合思想的语言建模276

7.6.4语言建模的相关问题277

习题七279

第八章专家系统282

8.1专家系统概述282

8.1.1专家系统的产生与发展282

8.1.2专家系统的定义284

8.1.3专家系统的种类284

8.1.4专家系统的一般特点288

8.2专家系统的基本结构290

8.2.1综合数据库及其管理系统290

8.2.2知识库及其管理系统291

8.2.3知识获取机构291

8.2.4推理机292

8.2.5解释器292

8.2.6人－机接口292

8.3.1知识获取的任务293

8.3知识获取293

8.3.2知识获取的主要途径294

8.4专家系统的设计与建造298

8.4.1开发专家系统的基本要求298

8.4.2专家系统建造的步骤300

8.5专家系统的评价304

8.6专家系统开发工具305

8.6.1语言型开发工具306

8.6.2骨架型开发工具307

8.6.3通用型开发工具309

开发工具310

8.6.4开发环境与辅助型310

8.7新一代专家系统的发展313

8.7.1新一代专家系统应具备313

的特征313

8.7.2分布式专家系统314

8.7.3协同式专家系统315

习题八316

9.1.1生物神经元的结构与功能317

特性317

第九章人工神经网络317

特性317

9.1神经网络的基本概念及组成317

9.1.2人工神经网络的组成与319

结构319

9.1.3人工神经网络研究的兴起322

与发展322

9.2.1感知器模型324

9.2感知器模型及其学习算法324

9.2.2单层感知器模型的学习算法325

9.2.3线性不可分问题326

9.2.4多层感知器328

9.3反向传播模型及其学习算法329

9.3.1反向传播模型及其网络329

结构329

9.3.2反向传播网络的学习算法330

9.3.3反向传播计算的举例334

9.4Hopfield模型及其学习算法335

9.4.1Hopfield模型335

9.4.2 Hopfield网络的学习算法337

习题九338

第十章数据挖掘与Agent技术339

10.1数据挖掘及其应用339

10.1.1数据挖掘与知识发现339

10.1.2数据挖掘的概念340

与研究内容340

10.1.3数据挖掘的功能与作用343

10.1.4数据挖掘的模型与算法348

10.1.5数据挖掘的工具352

10.1.6数据挖掘的常用技术比较353

10.1.7数据挖掘的过程354

10.1.8数据挖掘的研究热点与发展356

趋势356

10.2 Agent技术及其应用360

10.2.1 Agent技术的形成与发展360

10.2.2 Agent的定义与体系结构362

10.2.3多Agent系统370

10.2.4面向Agent的程序设计374

10.2.5 Agent技术所面临的挑战377

习题十378

附录380

附录A计算机科学与技术学科综合380

考试人工智能真题380

附录B计算机科学与技术学科综合386

考试人工智能真题参考解答386

参考文献392