普通高等教育“十三五”规划教材 人工智能技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

普通高等教育“十三五”规划教材 人工智能技术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

第1章 绪论1

1.1人工智能的起源与发展1

1.2人工智能学术流派4

1.3人工智能的研究与应用领域6

习题10

第2章 知识表示和推理11

2.1知识和知识表示的基本概念11

2.2命题逻辑14

2.2.1语法14

2.2.2语义（Semantics）15

2.2.3命题演算（Calculas）形式系统16

2.3谓词逻辑17

2.3.1语法18

2.3.2语义21

2.4归结推理25

2.4.1子句集及其简化26

2.4.2海伯伦定理29

2.4.3Robinson归结原理33

2.4.4利用Robinson归结原理实现定理证明38

2.4.5应用归结原理求解问题42

2.5产生式系统43

2.5.1产生式系统的组成部分44

2.5.2产生式系统的控制策略45

2.5.3产生式系统的推理方式46

2.6语义网络表示法47

2.6.1语义网络的结构47

2.6.2基本命题的语义网络表示47

2.6.3语义网络的知识表示方法50

2.6.4语义网络表示法的特点54

2.7框架表示法54

2.8状态空间表示法56

2.9与或图表示法57

习题58

第3章 图搜索技术59

3.1问题的提出59

3.2状态图搜索61

3.2.1状态图搜索分类61

3.2.2穷举式搜索63

3.2.3启发式搜索66

3.2.4A算法及A＊算法69

3.3与或图搜索71

3.3.1与或图71

3.3.2与或图搜索72

3.4博弈图搜索76

3.4.1博弈图76

3.4.2极大极小分析法78

3.4.3剪枝技术80

习题81

第4章 专家系统82

4.1专家系统的概述82

4.1.1专家系统的概念与特点82

4.1.2专家系统和传统程序的区别83

4.1.3专家系统的类型83

4.2专家系统的结构84

4.3专家系统的设计原则与开发过程85

4.3.1专家系统的设计原则85

4.3.2专家系统的开发过程86

4.4专家系统评价87

4.5MYCIN专家系统实例分析88

4.6专家系统开发工具90

4.6.1骨架型开发工具90

4.6.2语言型开发工具91

4.6.3构造辅助工具91

4.6.4支撑环境92

4.7Prolog语言93

4.7.1Prolog语言的特点93

4.7.2基本Prolog的程序结构94

4.7.3Prolog程序的运行机理95

4.7.4Turbo Prolog程序结构97

4.7.5Turbo Prolog的数据与表达式98

4.7.6Visual Prolog介绍103

4.7.7PIE：Prolog的推理机107

习题109

第5章 模糊理论及应用110

5.1模糊理论的产生与发展110

5.2模糊理论的数学基础111

5.2.1经典集合论的基本概念111

5.2.2模糊集合的基本概念112

5.2.3模糊关系与复合运算115

5.3模糊推理117

5.3.1模糊条件语句117

5.3.2模糊推理120

5.4模糊控制系统及模糊控制器122

5.4.1模糊控制系统的基本结构122

5.4.2模糊控制器123

5.4.3模糊控制器的设计124

5.4.4模糊PID控制器的设计130

5.5模糊聚类分析与模糊模式识别133

5.5.1模糊聚类分析134

5.5.2模糊模式识别137

5.6模糊聚类应用案例分析138

习题143

第6章 机器学习和神经网络144

6.1机器学习的基本概念和发展史144

6.2经典机器学习方法145

6.3基于神经网络的学习148

6.3.1神经网络概述148

6.3.2人工神经网络模型149

6.4BP神经网络153

6.4.1网络结构153

6.4.2网络学习算法154

6.4.3BP网络的改进算法156

6.4.4BP神经网络的特点157

6.4.5神经网络应用实例解析158

6.5RBF神经网络160

6.5.1径向基函数160

6.5.2径向基函数网络结构162

6.5.3网络学习算法162

6.5.4RBF网与BP网的对比163

6.6CMAC神经网络164

6.6.1CMAC网络结构164

6.6.2网络学习算法164

6.6.3CMAC网络的特点166

6.7Hopfield神经网络166

6.7.1离散型Hopfield网络167

6.7.2连续型Hopfield网络168

6.8Elman神经网络171

6.8.1Elman神经网络结构171

6.8.2Elman神经网络学习算法172

6.9模糊神经网络172

6.9.1网络结构173

6.9.2学习过程174

6.10其他类型的神经网络介绍175

习题178

第7章 卷积神经网络及TensorFlow应用实践179

7.1卷积神经网络发展简介179

7.2卷积神经网络工作原理179

7.3TensorFlow学习185

7.3.1TensorFlow简介185

7.3.2TensorFlow中的函数和相关运算190

7.3.3卷积函数194

7.3.4池化函数196

7.4利用TensorFlow进行图像处理197

7.4.1图像的读取与存储197

7.4.2图像处理常用函数197

7.5卷积神经网络在MNIST的应用实例201

习题212

第8章 混沌理论与混沌神经网络213

8.1混沌研究的起源与发展213

8.2混沌的基本特性215

8.3通往混沌的道路216

8.4混沌的识别217

8.4.1定性分析法217

8.4.2定量分析法218

8.5混沌应用219

8.6混沌神经网络222

8.6.1暂态混沌神经网络222

8.6.2其他类型的混沌神经网络223

8.6.3G-S混沌神经网络应用实例224

习题228

第9章 智能优化计算229

9.1优化问题的分类229

9.2优化算法分类230

9.3梯度优化计算231

9.4混沌优化231

9.5模拟退火算法234

9.6遗传算法235

9.6.1遗传算法中的关键参数与操作235

9.6.2遗传算法中的基本流程243

9.6.3遗传算法的改进243

9.6.4遗传算法的实现245

9.7蚁群算法248

9.7.1蚁群算法的研究现状248

9.7.2基本蚁群算法的工作原理249

9.8粒子群算法及应用251

9.8.1基本粒子群优化算法252

9.8.2粒子群优化算法的拓扑结构255

9.9鱼群算法简介257

9.10混合优化计算方法简介258

习题259

第10章 智能体与多智能体系统260

10.1智能体的概念与结构260

10.1.1智能体的概念260

10.1.2智能体的结构261

10.2多智能体系统263

10.2.1多智能体系统的特征263

10.2.2多智能体系统的类型264

10.2.3多智能体系统的应用265

习题267

参考文献268