人工智能基础【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

人工智能基础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

第一章 人工智能概述1

第一节 人工智能概况1

一、什么是人工智能1

二、什么是智能1

第二节 人工智能的研究途径3

第三节 人工智能的研究目标4

第四节 人工智能的研究领域5

一、模式识别(Pattem Recognition)5

二、问题求解(Problem Solving)7

三、自然语言理解(Natural Language Understanding)8

四、自动定理证明(Automatic Theorem Proving)8

五、机器视觉(Machine Vision)9

六、自动程序设计(Automatic Programming)10

七、专家系统(Expert System)11

一、人工智能研究的历史回顾12

第五节 人工智能研究的历史回顾及进展12

九、机器人(Robots)12

八、机器学习(Machine Learning)12

二、人工智能研究的进展18

习题一20

第二章 问题求解的基本原理21

第一节 状态空间法问题求解21

一、问题的状态空间表示21

二、状态空间的穷搜索法22

三、启发式搜索法24

第二节 问题归约法27

一、问题归约描述27

二、与或图表示28

三、AO 算法29

第三节 博弈树搜索33

一、极大极小过程34

二、α-β过程35

习题二37

一、谓词逻辑的符号体系39

第一节 一阶谓词逻辑基础39

第三章 基于逻辑的问题求解方法39

二、谓词演算公式40

三、谓词公式的解释40

四、谓词演算的基本等价式及推理规则41

五、谓词逻辑的演绎推理方法42

六、谓词公式的规范化43

七、置换与合一45

一、归结原理简介46

第三节 归结(消解)原理46

第二节 基于一阶谓词逻辑的知识表达46

二、归结原理在问题求解中的应用举例48

第四节 基于规则的演绎推理49

一、基于规则的正向演绎推理(FR)49

二、基于规则的反向演绎推理(BR)50

第五节 时序逻辑51

一、时序逻辑概述51

二、基于系统状态的时序逻辑53

三、基于时序规则的控制领域知识表达--时序规则法55

习题三57

第四章 产生式系统59

第一节 产生式系统概述59

第二节 产生式系统的工作周期60

第三节 产生式系统的控制策略62

一、正向推理62

二、反向推理65

第四节 典型的产生式系统CLIPS68

三、正反向混合推理68

一、CLIPS的基本组成与知识表示69

二、CLIPS的推理机制70

第五节 对产生式系统的评价73

一、ERTE算法74

二、知识库编译74

三、并行处理75

习题四75

一、语义网络的知识表示76

第五章 基于结构化表示的问题求解76

第一节 语义网络76

二、语义网络的推理81

三、语义网络表示的特点与不足83

第二节 框架系统83

一、框架的构成84

二、框架系统的推理86

三、框架表示的特点与不足86

一、关于对象的定义87

第三节 面向对象的表示方法87

二、消息、接口和方法88

三、类(class)88

四、封装与继承90

五、面向对象知识表示与语义网络、框架系统的比较92

习题五93

第六章 不确定知识表示及推理94

第一节 不确定推理概述94

一、不确定性问题的代数模型94

二、几种主要的不确定性推理方法96

第二节 不确定推理方法97

一、确定性因子法97

二、主观Bayes方法101

三、D-S证据理论107

四、可能性理论114

五、信念网络121

第三节 非单调推理122

一、缺省推理123

二、自认识逻辑125

三、界限理论126

四、正确性维持系统128

第四节 粗集理论130

一、RST的概述130

二、粗集理论的不确定性知识表示131

习题六132

二、规划的特性和作用136

一、规划概念136

第一节 规划136

第七章 规划求解系统136

三、系统规划求解的方法与途径138

第二节 机器规划成功性基本原理138

一、概述138

二、总规划的设计与分层规划原理139

三、规划问题求解与最优规划原理140

四、规划的双序求解与诊断141

第三节 规划搜索求解141

一、搜索域的分层规划141

二、分层规划搜索的并行处理142

三、一个实例--魔方问题的规划搜索求解143

第四节 机器人规划问题求解143

一、机器人工作规划及生成方法144

二、规划的执行与操作控制144

第五节 基于谓词逻辑的机器规划设计145

一、机器人行动规划问题分析145

三、机器人过程控制与环境约束145

二、机器人行动规划状态与操作设计146

三、机器人行动规划过程设计148

四、机器人多级规划149

习题七150

一、什么是学习152

二、人类学习与机器学习152

第一节 机器学习的概念152

第八章 机器学习152

第二节 机器学习系统153

一、什么是机器学习系统153

二、一种机器学习系统模型154

第三节 机器学习分类155

一、基于推理策略的分类156

二、基于系统性的分类160

第四节 机器学习的发展简史161

二、从例子学习的两个空间模型162

一、概述162

第五节 从例子中学习162

三、学习单个概念167

四、学习多个概念175

五、学习执行多步任务179

第六节 基于解释的学习180

一、基于解释学习系统的结构181

二、基于解释学习的工作原理181

三、基于解释学习的方法181

第七节 从观察中学习183

习题八192

第九章 数据库中的知识发现193

第一节 引言193

第二节 KDD研究现状194

第三节 KDD的一般机理和理论基础196

一、一般机理196

三、抽取知识的类型和表示197

二、主要研究方法197

四、知识发现状态空间198

五、KDD、数据挖掘及其他相关领域之间的关系199

第四节 KDD系统的基本框架199

一、KDD系统的特点199

二、KDD系统的基本框架200

第五节 数据库发现知识的方法201

习题九202

第六节 KDD所面临的问题和研究方向202

第十章 遗传算法203

第一节 遗传算法的基本概念203

第二节 简单遗传算法203

第三节 图式定理209

第四节 遗传算法应用中的一些基本问题210

一、知识表示(编码)210

二、适应度函数211

三、控制参数和终止判据211

一、改进的选择方法212

第五节 高级遗传算法(RGA)212

二、高级遗传运算和算法213

三、混合遗传算法214

四、并行遗传算法215

第六节 遗传算法(GA)应用举例216

一、GA在TSP(旅行商)问题求解中应用217

二、GA在电网优化规划中的应用217

习题十218

三、GA在木材切割优化中的应用218

第十一章 专家系统概述220

第一节 专家系统简介220

一、专家系统概念及发展动态220

二、专家系统的特点220

三、专家系统应用举例221

第二节 专家系统的基本结构及工作原理223

第三节 专家系统的开发过程225

第四节 PC计算机故障诊断指导专家系统(PCDGES)示例226

习题十一231

第十二章 自然语言处理232

第一节 自然语言处理的一般问题232

一、自然语言处理的概念及意义232

二、自然语言处理的发展简史232

三、自然语言处理领域中的几种思想234

四、自然语言处理的层次235

第二节 语法层：形式语法分析237

一、转换生成语法237

二、扩充转移网络241

第三节 语义层：格语法242

第四节 语用层：篇章算法243

一、篇章结构与文本连贯性243

二、框架理论244

三、修辞结构理论246

第五节 自然语言生成249

一、自然语言生成249

二、语言生成系统特点分析249

三、生成系统结构250

四、系统功能语法251

第六节 自然语言处理系统254

习题十二254

第十三章 计算机视觉256

第一节 图像的理解与分析256

一、关于视觉信息的表像框架256

二、边缘距离的计算258

三、表面方向的确定260

第二节 物体形状的描述与计算262

一、生物形状的广义锥体表示263

二、广义锥体描述的计算263

第三节 机器人三维视觉264

一、视觉系统设计264

二、臂控立体摄像机265

三、三维物体识别系统265

习题十三266

一、Prolog 概述267

第二节 Prolog 语言267

第一节 人工智能语言概述267

第十四章 人工智能语言267

二、PDC Rrolog 简介268

三、Prolog 的三种基本语句269

四、PDC Prolog 程序的基本结构270

五、Prolog 的基本数据结构271

六、Prolog 的基本工作原理273

七、Prolog 程序应用举例274

第三节 LISP 语言289

一、LISP 语言的数据结构290

二、LISP 语言的程序结构与基本函数290

三、LISP 语言中的递归和循环292

四、LISP 在产生式系统中的应用举例292

第四节 小结295

习题十四295

第十五章 人工神经网络297

第一节 人工神经网络(ANN)概述297

一、单层感知机神经网络299

第二节 多层前馈神经网络(BP网络)299

二、多层感知机神经网络概述300

三、多层感知机神经网络(BP网络)的学习算法--反向传播算法301

四、BP网络设计中的一些问题302

五、多层感知机神经网络应用举例--基于神经网络的水净化控制决策系统(WCCD)303

第三节 HOPFIELD 神经网络306

一、HOPFIELD 神经网络概述306

二、离散型HOP网络的基本学习规则307

三、HOP网络的应用309

第四节 海明(Hamming)神经网络312

第五节 自组织特征映射神经网络(SOM)313

习题十五315

第十六章 融合多种智能技术的智能系统317

第一节 概述317

第二节 ES与NN的结合318

一、ES与NN的结合概述318

二、ES与NN结合的一些方法319

三、ES与NN结合举例321

第三节 GA与FZ的集成326

一、概述326

二、使用GA设计FZ系统326

三、使用FZ控制GA系统327

第四节 GA与NN的集成328

第五节 GA与ES的集成330

一、GA与ES的相互辅助330

二、GA与ES的协同332

习题十六333

第十七章 人工智能的发展334

第一节 人工智能的基本问题、主要学派及其观点334

一、人工智能的五大基本问题334

二、人工智能的主要学派335

第二节 人工智能研究的策略336

第三节 人工智能研究的新课题337

参考文献339

后记344