当前: 首页 - 图书专区 - 人工智能实践教程
人工智能实践教程


  教辅下载
  在线购买
贲可荣 毛新军 张彦铎 郑笛 蔡敦波 编著
978-7-111-53869-1
45.00
343
2016年06月22日

计算机 > 人工智能

1824
简体中文
16

教材
高等学校计算机专业规划教材








本书共分10章,每章包含知识要点、案例分析、思考题及习题。第1章是绪论,概要介绍人工智能研究内容及应用领域、发展动态;第2章概述命题逻辑、谓词逻辑、归结推理、产生式系统、语义网络、框架、脚本等知识表示和推理方法;第3章讨论一般搜索技术,概述了盲目搜索、启发式搜索、问题归约和AND-OR图启发式搜索、博弈等方法和技术;第4章讨论高级搜索,包括爬山法搜索、模拟退火搜索、遗传算法;第5章讨论不确定知识表示和推理;第6章讨论智能体和多智能体系统;第7章讨论自然语言处理技术;第8章讨论机器学习和神经网络;第9章讨论智能规划;第10章讨论机器人学。并将通过网站提供习题解析、实验工具平台和参考答案代码。
人工智能是计算机科学的一个分支,是一门研究机器智能的学科,即用人工的方法和技术,研制智能机器或智能系统来模仿、延伸和扩展人的智能,实现智能行为。
随着智能时代的到来,人工智能课程的作用将越来越重要。传统的人工智能课程注重理论,实践环节相对薄弱,本书作者基于多年的教学和科研实践,将人工智能理论与实践有机融合,编写了本书。本书不仅包含必要的人工智能基础理论知识,还设计了大量的习题和课程大作业,通过这些内容,使读者掌握人工智能的基本方法,并能解决实际问题。
本书给出了27个问题的案例分析,设计了50道思考题。网站https://www.trustie.net/projects/657为本教材提供习题解析、实验工具平台、参考答案代码等。
作者简介
贲可荣,海军工程大学教授、博士生导师,中国计算机学会理论计算机科学专委副主任、软件工程专委委员。《计算机科学与探索》、《计算机工程与科学》、《中国舰船研究》、中国计算机学会《技术动态》编委。主编多部教材。
毛新军,国防科技大学教授、博士生导师,研究方向包括多智能体理论和技术、自适应和自治计算技术、智能软件和机器人软件等,承担软件工程、面向智能体软件工程等本科和研究生课程,出版教材3部。
张彦铎,武汉工程大学教授、副校长,华中科技大学兼职博士生导师,智能机器人湖北省重点实验室主任,研究领域包括智能系统的理论研究与应用开发,获省部级科技进步二等奖2项。2002年创建湖北省第一支机器人足球队,13次荣获世界机器人比赛的冠军。
人工智能是计算机科学的一个分支,是一门研究机器智能的学科,即用人工的方法和技术研制智能机器或智能系统来模仿、延伸和扩展人的智能,实现智能行为。参考文献\[2\]给出了有代表性的人工智能的8种定义(如表1所示)。该表按上下、左右两个维度排列,上面4个定义关注思维过程与推理,下面4个定义则强调行为。左侧的定义根据与人类表现的逼真度来衡量成功与否,右侧的定义则依靠一个称为合理性的理想表现量来衡量。一个系统若能基于已知条件“正确行事”,那么它就是合理的。
表1 组织成四类的人工智能的若干定义
像人一样思考 合理地思考
 “使计算机思考的令人激动的新成就……按完整的字面意思就是:有头脑的机器”(Haugeland,1985)
 “与人类思维相关的活动,诸如决策、问题求解、学习等的‘自动化’”(Bellman,1978) “通过使用计算模型来研究智力”(Charniak & McDermott,1985)
 “使感知、推理和行动成为可能的计算的研究”(Winston,1992)像人一样行动合理地行动 “创造能执行一些功能的机器的技艺,当由人来执行这些功能时需要智能”(Kurzweil,1990)
 “研究如何使计算机能做那些目前人比计算机更擅长的事情”(Rich和Knight,1991) “计算智能研究智能体的设计”(Poole等人,1998)
 “AI……关心人工制品中的智能行为”(Nilsson,1998)
人工智能一般可分为符号智能和计算智能。符号智能是传统人工智能,它以物理符号系统为基础,研究知识表示、获取、推理的过程。运用知识解决问题是符号智能最基本、最重要的特点。20世纪80年代兴起的知识工程侧重研究知识信息处理的方法和技术,促进了人工智能的发展。计算智能以数据为基础,包括神经计算、模糊系统、遗传算法、进化规划等。20世纪90年代兴起的智能信息处理反映了这种综合、交叉的研究趋势。进入21世纪以来,其在机器学习、知识发现、多智能体系统、互联网智能等方面取得了许多重要的进展。
典型应用概述
人工智能的长期目标是建立人类水平的人工智能。人工智能诞生60年来,在崎岖不平的道路上取得了可喜的进展,特别是给与机器学习、数据挖掘、计算机视觉、专家系统、自然语言处理、规划和智能机器人等相关的应用带来了良好的经济效益和社会效益。广泛使用的互联网应用知识表示和推理,构建语义Web,提高了互联网信息的利用率。信息化的必然趋势是智能化,智能革命将开创人类后文明史。如果说蒸汽机创造了工业社会,那么智能机也能实现社会生产的自动化和智能化,促进知识密集型经济的大发展。近年来,人工智能界引人关注的热点不断,如:
●2015年7月26~27日,中国人工智能大会(CCAI 2015)在北京召开。李德毅院士报告的“脑认知的形式化”,讲述了脑认知的神经学方法与物理学方法,指出人脑成长的认知性和社会性,提出了脑认知如何度量的问题;在脑认知的形态上认为记忆认知、计算认知、交互认知是关键,脑认知的核心是记忆认知;报告着重介绍了机器驾驶脑的形式化及其实现思路,划分为感知、认知、行为三个阶段;报告还阐述了机器驾驶脑形式化的普适性,并提出了脑科学和人工智能交叉研究载体的建议。大会设置了机器学习与模式识别、大数据的机遇与挑战、人工智能与认知科学、人工智能与机器人的未来共四场主题论坛。
●李国杰院士在《中国计算机学会通讯》2015年第8期的主编评语中指出:“我们是不是可以从更新、更宽广的角度思考机器学习和类脑计算。”文中提及美国工程院院士霍金斯的观点:大脑不是“计算”出问题的答案,而是从记忆中提取答案。霍金斯猜想:智能的本质是“预测”,并据此提出了智能的“记忆预测框架”。
●美国武装部队研发出一套人工智能界面,能够帮助识别和分类大量的图片,并协助军方寻找潜在的恐怖袭击等威胁。在面对庞大的互联网图片资源时,军方想要的不单单是识别,还需要极高的识别精确度和准确的分类。它最强大的地方莫过于能够处理庞大的图片数据库,识别图片的内容,然后根据内容将所有图片分类(智能界,2015-07-07)。
●语音将再度流行。语音正是我们同我们的互联家庭进行互动的最完美途径。“想象一个场景,你问你的雨伞今天是否会下雨,是否应该带它出门,而你的雨伞回答道,‘当然应该带上我,今天会下雨!’这是一件多么酷的事情。”澳大利亚的维斯认为,机器视觉技术将重新迸发活力,并应用到人们的智能手机中。他举例说,如果你打算带一瓶酒去参加圣诞节的百乐餐,拿出手机就可以捕捉这瓶酒的图像,然后通过视觉搜索就能够得到关于这瓶酒的所有信息,它比文本搜索的准确率高出30%,这将是一种美妙的体验。维斯表示,智能手机的机器视觉将能够比人类更好地识别图像(中国信息产业网,2015-6-30)。
●人工智能与其他商业模式将更加紧密地结合。微软“小冰”是一款人工智能机器人,通过大数据、深度神经网络等技术,超越简单人机对话的自然交互。“小冰”的人机对话轮数可达到23,即每次与用户的对话平均可持续23轮。以往人工智能的内容100%来自搜索引擎大数据构建系统内容,但现在“小冰”已有45%的对话能力来自人机交互中的自我完善和自我学习(新华社,2015-8-21)。
●IBM开发了一款基于云计算的人工智能文本分析工具(Tone Analyzer),能对电子邮件、博客文章以及手机短信进行感情色彩分析,以确定它的措辞是否如实地表达了你的愤怒、肯定、高兴或者悲伤等感情。这一试验性的功能或将改变未来商家和营销人员同消费者、客户的沟通方式(2015-7-20)。阿根廷研究人员开发出一种基于西班牙语的人工智能程序(名为“人格洞察力”),可以分析被测试者的微博、论坛帖子、社交网站的评论或者公开演讲,然后与心理学模型所提供的100个参数进行相关度比对,从而描绘被测试者的人格特征(新华社,2015-8-13)。
●2015世界机器人大会于2015年11月23~25日在国家会议中心(北京)举行,由2015世界机器人论坛、2015世界机器人博览会、2015世界青少年机器人邀请赛三大板块组成。大会围绕世界机器人研究和应用重点领域以及智能社会创新发展,开展高水平的学术交流和最新成果展示。邀请赛包括WRO常规赛和VEX机器人工程挑战赛。
●2015年10月,由GoogleDeepMind开发的人工智能围棋程序AlphaGo(阿尔法狗)以5∶0战胜欧洲围棋冠军樊麾。2016年3月15日,AlphaGo以4∶1战胜世界围棋冠军李世石。
●AlphaGo开发出了自我学习的功能。它最初通过模仿人类玩家,在达到一定熟练程度之后,可以通过与自己对弈来提升棋力。同时,AlphaGo使用蒙特卡洛树搜索,借助值网络与策略网络这两种深层神经网络合作挑选棋步。通过值网络来计算局面,评估大量选点,抛弃某些线路,并通过策略网络选择落点,从而将计算量控制在计算机可完成的范围内。
我们相信,人工智能必将对人类和社会走向智能化起到积极作用。本书特色
随着智能时代的到来,“人工智能”课程将焕发出越来越旺盛的生命力。传统的“人工智能”课程偏重理论,随着智能技术的不断发展,在课程中强化实践内容,理论与实践相结合成为课程发展的主要趋势。为此,我与国防科技大学毛新军教授、武汉工程大学张彦铎教授等人一起撰写了本书。希望读者在学习理论的同时,通过习题、课程大作业掌握人工智能的基本方法,并能将其用于解决实际问题。
本书共分10章,每章包含四方面的内容,一是知识要点,二是案例分析,三是习题解析(因为篇幅问题,解析部分将作为教辅资料提供,使用本书的师生可从华章网站www.hzbook.com下载),四是思考题。第1章是绪论,从人工智能的认知问题出发,介绍本书撰写的指导思想,简要介绍人工智能的研究内容及应用领域、发展动态,案例包括SP先生谜题、NIM问题。第2章讨论知识表示和推理,概述命题逻辑、谓词逻辑、归结推理、产生式系统、语义网络、框架、脚本等知识表示和推理方法,介绍了基于知识系统的框架,案例分析包括传教士和野人问题、量水问题、汉诺塔问题、一个基于逻辑的财务顾问、电路领域的知识工程。第3章讨论一般搜索技术,概述了盲目搜索、启发式搜索、问题归约和AND-OR图启发式搜索、博弈等方法和技术,案例分析包括八皇后问题、洞穴探宝、五子棋等。第4章讨论高级搜索,内容包括爬山法搜索、模拟退火搜索、遗传算法,案例分析分别介绍应用爬山算法、模拟退火算法和遗传算法求解旅行商问题。第5章讨论不确定知识表示和推理,概述了非单调逻辑、主观Bayes方法、确定性理论、证据理论、模糊逻辑和模糊推理,案例分析包括有经纪人的交易、小型动物分类专家系统。第6章讨论了智能体和多智能体系统,概述了智能体与多智能体系统的概念与示例、智能体的体系结构、智能体间的交互与协同、多智能体系统的应用,介绍了多智能体系统的实现方式和多智能体系统开发框架JADE,重点对火星探矿机器人进行了案例分析。第7章讨论自然语言处理技术,概述了词法分析、句法分析、语义分析、大规模真实文本的处理技术,重点介绍了信息搜索、机器翻译、语音识别技术,案例分析包括在线汉英互译举例分析、单词音节划分、人民日报的词频统计、中文语句自动分析、美国地理信息查询系统。第8章讨论机器学习和神经网络,主要介绍基于符号的机器学习方法(包括机械学习、归纳学习、决策树学习、基于范例的学习、解释学习、强化学习)和基于神经网络的学习,案例分析包括感知器分类、非线性可分的分类问题、基于反向传播网络拟合曲线。第9章讨论智能规划,概述了状态空间搜索规划、偏序规划、命题逻辑规划、分层任务网络规划、非确定性规划、多智能体规划,案例分析包括Shakey世界和规划问题的建模与规划系统的求解过程。第10章讨论机器人学,概述了机器人的分类、特性及研究领域、应用与展望,介绍了机器人系统、机器人的编程模式与语言,对机器人足球进行了案例分析。本书既可作为课程教材单独使用,也可与其他人工智能教材(如《人工智能》(第2版)》(参考文献\[1\]等)配套使用。
本书给出了27个问题的案例分析,设计了50道思考题。思考题的设计参考了《人工智能:一种现代的方法(原书第3版)》(参考文献\[2\])、《中国计算机学会通讯》、中国计算机学会“技术动态”等资料,特此致谢。
本书第3、4、9、10章由张彦铎、蔡敦波撰写,第6章由毛新军撰写,郑笛撰写了第7章习题及解析和案例分析部分,其余各章(包括第3章案例分析及部分习题和解析)由贲可荣撰写。全书由贲可荣统稿。张献绘制了部分图形并开发了NIM问题程序,王求真开发并实现了第6章的案例软件,一并致谢。
撰写本书是一项具有挑战性的工作,许多问题没有标准答案,因此本书的答案只能看成参考答案。毛新军教授为本教材建立了网站,网站地址为http://www.trustie.net/projects/657,名称为“人工智能实践教程社区”。我们将通过网站提供实验工具平台、参考答案代码,欢迎读者提出宝贵意见,并在网站讨论专区参与讨论。

贲可荣
前言
教学建议
第1章 绪论1
 1.1 人工智能的基本概念1
 1.2 人类智能与人工智能1
 1.3 人工智能各学派的认知观3
 1.4 人工智能的研究与应用领域4
  1.4.1 智能感知4
  1.4.2 智能推理6
  1.4.3 智能学习8
  1.4.4 智能行动10
 1.5 人工智能发展动态14
 1.6 案例分析17
  1.6.1 SP先生谜题17
  1.6.2 NIM问题18
 1.7 习题22
 1.8 思考题22
第2章 知识表示和推理24
 2.1 概述24
 2.2 命题逻辑25
 2.3 谓词逻辑28
  2.3.1 语法28
  2.3.2 语义30
  2.3.3 谓词逻辑形式系统FC32
 2.4 归结推理33
  2.4.1 命题演算中的归结推理33
  2.4.2 谓词演算中的归结推理35
  2.4.3 谓词演算归结反演的合理性和完备性38
 2.5 产生式系统40
 2.6 知识表示的其他方法43
  2.6.1 语义网络43
  2.6.2 框架45
  2.6.3 脚本46
 2.7 基于知识的系统47
  2.7.1 知识获取47
  2.7.2 知识组织49
  2.7.3 知识应用49
  2.7.4 常识知识和大规模知识处理50
 2.8 案例分析51
  2.8.1 传教士和野人问题51
  2.8.2 量水问题52
  2.8.3 汉诺塔问题57
  2.8.4 一个基于逻辑的财务顾问61
  2.8.5 电路领域的知识工程64
 2.9 习题67
 2.10 思考题70
第3章 搜索技术73
 3.1 概述73
 3.2 盲目搜索方法74
 3.3 启发式搜索76
  3.3.1 启发性信息和评估函数76
  3.3.2 最好优先搜索算法77
  3.3.3 贪婪最好优先搜索算法78
  3.3.4 A算法和A算法79
  3.3.5 迭代加深A算法81
 3.4 问题归约和AND-OR图启发式搜索82
  3.4.1 问题归约的描述82
  3.4.2 问题的AND-OR图表示83
  3.4.3 AO算法85
 3.5 博弈88
  3.5.1 极大极小过程90
  3.5.2 α-β过程92
 3.6 案例分析94
  3.6.1 八皇后问题94
  3.6.2 洞穴探宝95
  3.6.3 五子棋97
 3.7 习题102
 3.8 思考题103
第4章 高级搜索107
 4.1 爬山法搜索107
 4.2 模拟退火搜索109
  4.2.1 模拟退火搜索的基本思想110
  4.2.2 模拟退火算法111
  4.2.3 模拟退火算法关键参数和操作的设计112
 4.3 遗传算法114
  4.3.1 遗传算法的基本思想114
  4.3.2 遗传算法的基本操作115
 4.4 案例分析120
  4.4.1 爬山算法求解旅行商问题120
  4.4.2 模拟退火算法求解旅行商问题121
  4.4.3 遗传算法求解旅行商问题122
 4.5 习题124
 4.6 思考题124
第5章 不确定知识表示和推理125
 5.1 概述125
 5.2 非单调逻辑127
  5.2.1 单调性与非单调性127
  5.2.2 缺省推理逻辑127
  5.2.3 非单调逻辑系统128
  5.2.4 非单调规则129
 5.3 主观Bayes方法130
  5.3.1 全概率公式和Bayes公式131
  5.3.2 主观Bayes方法132
 5.4 确定性理论137
  5.4.1 建造医学专家系统时的问题137
  5.4.2 C-F模型138
 5.5 证据理论142
  5.5.1 假设和证据的不确定性142
  5.5.2 证据的组合函数144
  5.5.3 规则的不确定性145
  5.5.4 不确定性的传递145
  5.5.5 不确定性的组合145
 5.6 模糊逻辑和模糊推理146
  5.6.1 模糊集合及其运算146
  5.6.2 模糊关系147
  5.6.3 模糊逻辑148
  5.6.4 模糊推理148
 5.7 案例分析150
  5.7.1 有经纪人的交易150
  5.7.2 小型动物分类专家系统152
 5.8 习题155
 5.9 思考题157
第6章 智能体和多智能体系统158
 6.1 概述158
  6.1.1 智能体的概念与示例158
  6.1.2 多智能体系统的概念
与示例160
 6.2 智能体的体系结构161
  6.2.1 知识型体系结构161
  6.2.2 反应型体系结构163
  6.2.3 认知型体系结构164
  6.2.4 混合型体系结构167
 6.3 智能体间的交互与协同169
  6.3.1 智能体间的交互方式170
  6.3.2 智能体通信语言ACL171
  6.3.3 交互协议和协同模型174
 6.4 多智能体系统的应用177
  6.4.1 多智能体系统技术的适应系统178
  6.4.2 多智能体系统技术的应用领域179
 6.5 多智能体系统的实现方式181
 6.6 多智能体系统开发框架JADE184
  6.6.1 程序模型186
  6.6.2 可重用开发包186
  6.6.3 开发和运行的支持工具191
 6.7 火星探矿机器人案例分析193
  6.7.1 需求分析193
  6.7.2 设计与实现194
 6.8 习题198
 6.9 思考题199
第7章 自然语言处理技术200
 7.1 自然语言理解的一般问题200
 7.2 词法分析202
 7.3 句法分析202
 7.4 语义分析205
 7.5 大规模真实文本的处理205
 7.6 信息搜索206
 7.7 机器翻译208
 7.8 语音识别210
 7.9 案例分析213
  7.9.1 在线汉英互译举例分析213
  7.9.2 单词音节划分214
  7.9.3 中文文本的词频统计215
  7.9.4 中文语句自动分析218
  7.9.5 美国地理信息查询系统223
 7.10 习题231
 7.11 思考题232
第8章 机器学习和神经网络234
 8.1 机器学习概述234
 8.2 基于符号的机器学习方法236
  8.2.1 机械学习236
  8.2.2 归纳学习237
  8.2.3 决策树学习238
  8.2.4 基于范例的学习240
  8.2.5 解释学习244
  8.2.6 强化学习246
 8.3 基于神经网络的学习247
  8.3.1 神经网络概述247
  8.3.2 基于反向传播网络的学习250
  8.3.3 Hopfield网络模型258
 8.4 知识发现261
 8.5 案例分析262
  8.5.1 感知器分类262
  8.5.2 非线性可分的分类问题264
  8.5.3 基于反向传播网络拟合曲线266
 8.6 习题271
 8.7 思考题274
第9章 智能规划276
 9.1 规划问题276
 9.2 状态空间搜索规划279
 9.3 偏序规划282
 9.4 命题逻辑规划286
 9.5 分层任务网络规划288
 9.6 非确定性规划290
 9.7 多智能体规划292
 9.8 案例分析296
  9.8.1 Shakey世界296
  9.8.2 规划问题的建模与规划系统的求解过程297
 9.9 习题299
 9.10 思考题300
第10章 机器人学301
 10.1 概述301
  10.1.1 机器人的分类302
  10.1.2 机器人的特性303
  10.1.3 机器人学的研究领域303
 10.2 机器人系统304
  10.2.1 机器人系统的组成304
  10.2.2 机器人的工作空间305
  10.2.3 机器人的性能指标307
 10.3 机器人的编程模式与语言308
 10.4 机器人的应用与展望309
  10.4.1 机器人应用310
  10.4.2 机器人发展展望313
 10.5 机器人足球案例分析315
  10.5.1 仿真平台316
  10.5.2 机器人运动程序318
  10.5.3 动作函数321
  10.5.4 足球比赛策略322
  10.5.5 定位球状态的判断方法325
  10.5.6 比赛规则326
 10.6 习题326
 10.7 思考题326
参考文献328
计算机\人工智能
读者书评
发表评论



高级搜索
机器人制作实践指南
面向机器智能的TensorFlow实践
Python机器学习


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