当前: 首页 - 图书专区 - 人工智能
人工智能


  教辅下载
  在线购买
柴玉梅 张坤丽 主编
978-7-111-38401-4
35.00
264
2012年06月12日

计算机 > 人工智能

3024
简体中文
16

教材
高等院校计算机专业人才能力培养规划教材(应用型)








本书主要介绍人工智能的基本理论、基本技术及其应用。全书共分为九章,前五章系统地介绍人工智能的基本内容。其中,第一章概述人工智能基本概念、研究目标、研究途径、研究领域及发展概况等;第二章到第五章是本书的重点,各章都是在介绍知识表示技术的基础上介绍相应的问题求解技术。第二章介绍基于图的知识表示与图搜索技术;第三章介绍基于谓词逻辑的知识表示与逻辑推理技术;第四章介绍不确定性知识表示与不确定性推理技术;第五章介绍产生式表示与专家系统。后四章简要地介绍当前人工智能的几个主要研究领域。其中,第六章介绍几种简单、常用的机器学习方法,并给出应用实例;第七章简要介绍了计算智能中的几种典型方法及其应用;第八章介绍自然语言处理的基本过程及应用;第九章介绍分布式人工智能的基础知识和典型应用案例。后四章是扩展部分,对本科生来说,内容略有难度,可根据学生的程度和掌握情况及课时安排在章节和内容层次上有所删减与选择。
人工智能
柴玉梅 张坤丽 主编
人工智能教材建设是人工智能课程建设的重要环节和基础。到目前为止,国内外出版了大量的人工智能教材,其中不乏优秀之作,为培养本学科的优秀人才发挥了巨大的作用。本书是作者在总结国内外优秀教材的基础上,根据多年从事人工智能课程教学的感受和体会编写而成的,内容通俗易懂且实用,试图使学生通过本课程的学习较清楚地了解人工智能的发展和功用。
本书特点
内容的讲解体现了多角度并有一定的弹性,引用了近年来的一些新观点,引导学生认识到人工智能是一个发展的学科,应该博采众议。
较同类教材,讲解和分析更加细腻,使用大量的例子和图示,并紧密结合实际应用,使学生对人工智能课程的认识由深奥、枯燥转变为易学、有趣。
强调人工智能基本技术之间的联系,由知识表示技术过渡到相应的搜索或推理技术,并介绍相应的技术在一个问题求解系统中的运用,注重问题求解过程的完整性。
引入人工智能的一些新的研究领域和新思想,如为计算智能设计了专门的章节,并注重算法思想的展示;而分布式人工智能讲解则侧重于多智能体系统的实际应用。
设计了实践环节,涵盖了人工智能课程的核心内容并有扩展。
人工智能已经走过了五十余载的历程,虽然历经艰辛与坎坷,但所取得的成绩举世瞩目,如打败国际象棋冠军的“深蓝”和在智力竞猜电视节目中成为王者的“沃森”。人工智能的出现与发展,使得计算机变得越来越“聪明”,从最早的数值计算到今天能在各行各业代替或帮助人们解决更多更复杂问题,计算机求解问题的能力得到了大幅度提高。尤其是近年来,人工智能出现了迅猛发展的势头,新思想、新理论、新技术和新方法不断涌现,使其研究和应用领域在深度和广度上都有了长足的发展。因而,可以说作为一门学科,人工智能已经足够强大和成熟。相应地,加强人工智能课程建设、提高人工智能教学质量以适应人工智能的发展步伐成为时代的要求,而人工智能教材建设就是人工智能课程建设的重要环节和基础。
  到目前为止,国内外出现了大量的人工智能相关教材,其中不乏优秀之作。它们各具特色,将本学科理论和技术的精华呈现给广大学生、科研工作者和人工智能爱好者,为培养本学科优秀人才发挥了巨大的作用。本书的作者也是在汲取这些优秀教材营养的过程中成长的,正是受这些优秀教材的影响和启发以及多年在人工智能课程教学中的感受和体会,按照人工智能教学大纲的要求组织本书,希望它能更加通俗易懂、更加实用,尽可能地回答学生提问最多的问题“学习人工智能课程有什么用?”。
  本教材在内容组织与安排上基于以下几点考虑:
  在结构安排上,考虑了层次性。本书总体上分为两大部分,前五章是人工智能的基础知识,后四章介绍了人工智能当前的一些主要研究领域。根据不同章节对学生的要求不同,前后两部分的写作风格也有一定的不同,前一部分较为详细,后一部分更注重思想及应用的宏观展示。
  在内容组织上,注重人工智能基本技术之间的联系。第2到第5章是人工智能课程较为重要的基础知识介绍,为了使得各种问题求解技术的学习更为具体,每一章都先学习知识表示技术,然后学习相应的搜索或推理技术,并介绍相应技术在一个问题求解系统中的运用。这样,也使得每章内容相对完整和独立。
  在内容讲解上,力求通俗易懂。在原理和方法的讲解过程中,使用大量的图示和实例,使得抽象的内容更加直观、易懂,并通过一些实际案例说明相关知识的应用,尽可能做到将基本理论和实际应用结合在一起,使学生能够了解到所学内容在现实中的用途。
  另外,为了加强课程的实践环节,针对主要内容设计了实验题目。为了帮助学生顺利完成实验并深入理解所学内容,每个实验都给出实验指导和参考代码,供实验课程使用。由于篇幅所限,实验参考代码等电子资源以教辅的形式在华章网站(www.hzbook.com)上提供。
  本教材的编写历时两年,作者查阅了大量资料,对内容组织、结构安排、实例选择等进行了多次讨论和反复修改。柴玉梅编写第1、2、6、7章;张坤丽编写第3、4、5章;贾玉祥编写第8章;王黎明编写第9章;柴玉梅、张坤丽对全书进行了统稿。昝红英、韩英杰老师为本书的编写提出了很多宝贵建议;硕士研究生杨艳艳、刘欣欣、张育培、张利凯和本科生赵芳芳、何莹等为书中的插图和算法实现等做了大量的工作,在此对他们表示衷心的感谢!
  在这里,尤其要感谢黄昌宁教授。黄教授在人工智能领域有着丰富的理论和实践经验,并取得了突出的成就。在百忙之中,黄教授就人工智能教材内容的选取及结构安排提出了指导性的建议,并提供了大量有价值的参考资料。黄教授的指导和建议对本书的成文以及我们以后的教学和科研工作都有重要的作用!
  由于作者水平有限,加之人工智能学科发展迅速,因此,书中不妥和错误之处在所难免,诚恳地希望专家和读者提出宝贵意见,以促进本书的改进和完善。
出版者的话
丛书序言
丛书编委会
前言
教学建议
第1章 绪论1
 1.1 什么是人工智能1
  1.1.1 人工智能1
  1.1.2 智能2
  1.1.3 人工智能的测试3
 1.2 人工智能的研究内容5
  1.2.1 学科结构5
  1.2.2 基本技术6
  1.2.3 基本内容7
 1.3 人工智能的研究目标7
 1.4 人工智能的研究途径和方法7
  1.4.1 传统划分方法7
  1.4.2 现代划分方法9
 1.5 人工智能的研究领域10
  1.5.1 博弈10
  1.5.2 自动定理证明10
  1.5.3 专家系统11
  1.5.4 模式识别12
  1.5.5 机器学习13
  1.5.6 计算智能13
  1.5.7 自然语言处理14
  1.5.8 分布式人工智能15
  1.5.9 机器人15
 1.6 人工智能的发展概况17
  1.6.1 诞生17
  1.6.2 发展17
  1.6.3 现状与发展趋势18
 习题119
第2章 基于图的知识表示与图搜索技术20
 2.1 概述20
  2.1.1 知识与问题求解框架20
  2.1.2 知识表示21
  2.1.3 图搜索技术22
 2.2 状态空间图表示23
  2.2.1 状态空间图23
  2.2.2 隐式状态空间图28
 2.3 状态空间图的盲目搜索30
  2.3.1 广度优先搜索31
  2.3.2 深度优先搜索32
 2.4 状态空间图的启发式搜索34
  2.4.1 启发式搜索算法34
  2.4.2 启发式搜索的A算法和A算法35
  2.4.3 A算法在游戏中的应用41
 2.5 与或图表示及搜索技术43
  2.5.1 与或图表示43
  2.5.2 与或树的盲目搜索46
  2.5.3 与或树的启发式搜索48
 2.6 博弈树及搜索技术51
  2.6.1 博弈树51
  2.6.2 博弈树搜索52
  2.6.3 剪枝技术在博弈问题中的应用56
 习题260
第3章 基于谓词逻辑的知识表示与机器推理技术64
 3.1 机器推理概述64
 3.2 谓词逻辑简介65
  3.2.1 基于命题逻辑的知识表示65
  3.2.2 谓词逻辑65
  3.2.3 基于谓词逻辑的知识表示68
 3.3 自然演绎推理71
 3.4 归结演绎推理73
  3.4.1 子句集73
  3.4.2 命题逻辑中的归结原理77
  3.4.3 替换与合一79
  3.4.4 谓词逻辑中的归结原理81
  3.4.5 利用归结原理求解问题84
  3.4.6 归结策略86
 3.5 归结原理与Prolog语言92
  3.5.1 Horn子句92
  3.5.2 逻辑程序设计语言Prolog94
 3.6 基于规则的演绎推理97
  3.6.1 正向演绎推理97
  3.6.2 反向演绎推理100
  3.6.3 双向演绎推理102
 习题3102
第4章 不确定性知识的表示与推理技术105
 4.1 不确定性知识的表示与推理概述105
  4.1.1 不确定性及其类型105
  4.1.2 不确定性推理106
 4.2 确定性理论108
  4.2.1 知识的不确定性表示108
  4.2.2 证据的不确定性表示110
  4.2.3 不确定性的传播与计算111
  4.2.4 确定性理论的特点及进一步发展112
 4.3 主观贝叶斯方法113
  4.3.1 知识的不确定性表示113
  4.3.2 证据的不确定性表示114
  4.3.3 不确定性的传播与计算115
  4.3.4 主观贝叶斯方法的特点118
 4.4 证据理论118
  4.4.1 D-S理论119
  4.4.2 证据理论的不确定性推理模型123
 4.5 基于贝叶斯网络的推理129
  4.5.1 什么是贝叶斯网络129
  4.5.2 贝叶斯网络推理129
 4.6 模糊推理132
  4.6.1 模糊集合及模糊逻辑132
  4.6.2 简单模糊推理137
 4.7 不确定性推理的应用139
 习题4140
第5章 产生式表示与专家系统142
 5.1 产生式与产生式系统142
  5.1.1 产生式表示142
  5.1.2 产生式系统结构144
  5.1.3 产生式系统工作过程145
 5.2 专家系统概述150
  5.2.1 什么是专家系统151
  5.2.2 专家系统的类型151
  5.2.3 专家系统的发展153
 5.3 专家系统结构及工作过程155
  5.3.1 专家系统的结构155
  5.3.2 专家系统工作过程156
 5.4 专家系统的开发159
  5.4.1 开发步骤和方法159
  5.4.2 知识获取160
  5.4.3 推理机及解释机构设计161
  5.4.4 开发工具及开发环境162
 5.5 专家系统的实例164
 5.6 新型专家系统166
  5.6.1 分布式专家系统166
  5.6.2 协同式专家系统167
  5.6.3 模糊专家系统168
  5.6.4 神经网络专家系统169
 习题5170
第6章 机器学习171
 6.1 概述171
  6.1.1 机器学习的定义171
  6.1.2 机器学习系统的基本结构171
  6.1.3 一个学习系统的例子172
 6.2 概念学习174
  6.2.1 概念学习的FIND-S算法174
  6.2.2 FIND-S算法实例174
 6.3 决策树175
  6.3.1 决策树的表示176
  6.3.2 决策树的学习——ID3算法176
  6.3.3 ID3算法实例178
 6.4 人工神经网络179
  6.4.1 感知器180
  6.4.2 线性单元181
  6.4.3 多层网络和反向传播算法182
  6.4.4 反向传播算法实例183
 6.5 遗传算法186
  6.5.1 遗传算法模型186
  6.5.2 遗传算法实例188
  6.5.3 遗传编程190
  6.5.4 遗传编程举例191
 习题6192
第7章 计算智能194
 7.1 人工免疫算法194
  7.1.1 自然免疫系统194
  7.1.2 人工免疫算法模型195
  7.1.3 人工免疫算法的应用196
 7.2 蚁群算法197
  7.2.1 蚂蚁系统的原理197
  7.2.2 蚁群算法模型198
  7.2.3 蚁群算法的应用200
 7.3 粒子群算法201
  7.3.1 粒子群系统201
  7.3.2 粒子群算法模型201
  7.3.3 粒子群算法的应用202
 7.4 模拟退火算法202
  7.4.1 固体退火过程202
  7.4.2 模拟退火算法模型203
  7.4.3 模拟退火算法的应用204
 习题7204
第8章 自然语言处理205
 8.1 概述205
  8.1.1 自然语言的特点206
  8.1.2 自然语言处理涉及的层次207
 8.2 词法分析208
  8.2.1 英语中词的识别208
  8.2.2 汉语分词209
 8.3 句法分析211
  8.3.1 短语结构语法211
  8.3.2 依存语法212
 8.4 语义分析212
  8.4.1 词义消歧213
  8.4.2 语义角色标注213
 8.5 语言知识库213
  8.5.1 现代汉语语法信息词典214
  8.5.2 知网215
  8.5.3 现代汉语虚词用法知识库216
 8.6 自然语言处理的应用218
  8.6.1 机器翻译218
  8.6.2 信息检索219
 习题8220
第9章 分布式人工智能及其应用221
 9.1 DAI的特点221
  9.1.1 Agent及其特性222
  9.1.2 Agent分类223
  9.1.3 Agent的BDI模型225
  9.1.4 Agent联盟226
  9.1.5 DAI系统特性228
 9.2 多Agent系统228
  9.2.1 多Agent系统分类229
  9.2.2 Agent的学习229
  9.2.3 多Agent通信230
 9.3 分布式问题求解232
  9.3.1 多Agent联合求解过程233
  9.3.2 合同网234
 9.4 并行人工智能235
  9.4.1 并行人工智能的软件支持235
  9.4.2 并行人工智能的硬件支持236
 9.5 分布式人工智能的应用237
  9.5.1 多Agent在军事作战指挥系统中的应用237
  9.5.2 多Agent在智能交通中的应用239
  9.5.3 多Agent在智能大厦中的应用242
 习题9244
实验指导245
 基础实验部分245
  实验一 求解八数码问题245
  实验二 使用极小极大分析方法实现井字棋游戏245
  实验三 实现基于谓词逻辑的归结原理246
  实验四 实现一个基于产生式系统的小型专家系统246
 扩展实验部分247
参考文献248
计算机\人工智能
读者书评
发表评论



高级搜索
Python机器学习
面向机器学习的自然语言标注
发展型机器人:由人类婴儿启发的机器人


版权所有© 2017  北京华章图文信息有限公司 京ICP备08102525号 京公网安备110102004606号
通信地址:北京市百万庄南街1号 邮编:100037
电话:(010)68318309, 88378998 传真:(010)68311602, 68995260
高校教师服务
华章教育微信
诚聘英才
诚聘英才