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

人工智能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1

1 绪论1

1.1什么是人工智能1

1.1.1 智能1

1.1.2人工智能2

1.1.3 图灵测试3

1.1.4人工智能的发展简史3

1.2人工智能的研究目标及基本内容6

1.2.1人工智能的研究目标6

1.2.2人工智能研究的基本内容6

1.3.1 以符号处理为核心的方法7

1.3人工智能的研究途径7

1.3.2 以网络连接为主的连接机制方法8

1.3.3 系统集成8

1.4人工智能的研究领域8

1.4.1 专家系统9

1.4.2机器学习9

1.4.3模式识别9

1.4.4 自然语言理解10

1.4.5 自动定理证明10

1.4.6 自动程序设计10

1.4.11 分布式人工智能11

1.4.10人工神经网络11

1.4.9 智能决策支持系统11

1.4.8博弈11

1.4.7机器人学11

本章小结13

思考题与习题13

2知识表示14

2.1知识与知识表示概述15

2.1.1什么是知识15

2.1.2知识的特性16

2.1.3知识分类和知识表示概述17

2.2谓词逻辑表示法19

2.2.1命题和谓词19

2.2.2命题和谓词逻辑21

2.2.3谓词公式的解释24

2.2.4谓词公式的永真性、可满足性与不可满足性25

2.2.5谓词逻辑的知识表示及其特性26

*2.2.6谓词逻辑的演算律30

2.3产生式表示法32

2.3.1 产生式的知识表示33

2.3.2 产生式系统求解及其控制策略35

2.3.3产生式知识表示法的应用特点39

2.4语义网络表示法41

2.4.1语义网络知识表示41

2.4.2语义网络推理及其知识表示特性44

2.5.1框架知识表示系统46

2.5框架表示法46

2.5.2框架知识表示的组织结构形式47

2.5.3框架的推理及其知识表示特性50

*2.6过程表示法53

2.6.1什么是过程表示法53

2.6.2过程表示法的推理形式53

2.6.3过程表示法的应用特性55

*2.7 Petri网表示法56

2.7.1 Petri网及其表示知识的方法56

2.7.2一个实例——使用Petri网建模的知识表示57

2.7.3 Petri网表示法的特点58

2.8.1 面向对象知识表示概念59

*2.8面向对象表示法59

2.8.2 面向对象的知识表示方法60

2.8.3对象模型技术概述62

本章小结63

思考题与习题64

3搜索与启发式推理67

3.1概述67

3.1.1人工智能推理与搜索67

3.1.2 问题的状态空间图搜索求解69

3.1.3搜索效率71

3.2.1 状态、操作和状态空间72

3.2 状态空间表示法及其解的搜索72

*3.2.2典型问题的状态空间图搜索求解分析74

3.3状态空间的盲目搜索策略80

3.3.1 广度优先搜索80

3.3.2深度优先搜索83

3.3.3有界深度优先搜索86

3.3.4代价树的推进搜索87

3.4启发式搜索原理91

3.4.1启发式策略91

3.4.2估价函数和启发函数92

3.5启发式搜索法94

3.5.1瞎子爬山法95

3.5.2全局择优搜索法97

3.5.3 图的有序搜索及其A与A*搜索算法101

3.6与／或树的启发式搜索104

3.6.1 与／或树、搜索树及其解树104

3.6.2与／或树的代价计算及其计算策略分析106

3.6.3与／或树的有序搜索107

3.7博弈对策110

3.7.1博弈思想及其博弈树110

3.7.2博弈树的有序搜索策略112

本章小结115

思考题与习题117

4.1.1什么是推理122

4推理122

4.1推理的基本概念122

4.1.2推理方法及分类123

4.2推理的控制策略126

4.2.1 正向推理控制策略126

4.2.2逆向推理控制策略128

4.2.3混合推理控制策略130

4.2.4其他相关问题131

4.3模式匹配131

4.3.1 置换131

4.3.2合一131

4.3.4差异集合132

4.3.3最通用（一般）合一者132

4.3.5合一算法133

4.4冲突消解策略134

4.5归结演绎推理135

4.5.1 自然演绎推理135

4.5.2子句和子句集合137

4.5.3海伯伦理论140

4.5.4鲁宾逊归结（消解）原理146

4.6基于规则的演绎推理155

4.6.1规则正向演绎推理155

4.6.2规则逆向演绎推理159

4.6.3规则双向演绎推理162

4.7不确定推理和非单调推理163

4.7.1什么是不确定推理164

4.7.2不确定性推理中的基本问题165

4.7.3不确定性推理方法168

4.7.4非单调推理184

本章小结191

思考题与习题191

5专家系统195

5.1基本概念195

5.1.1什么是专家系统195

5.1.2专家系统的产生与发展197

5.1.3 专家系统的分类199

5.2专家系统的一般结构202

5.2.1人机接口203

5.2.2知识获取机构203

5.2.3知识库及其管理系统204

5.2.4推理机204

5.2.5数据库及其管理系统204

5.2.6 解释机构204

5.3专家系统与常规的计算机程序系统区别205

5.4建造专家系统206

5.4.1 专家系统的建造原则206

5.4.2 专家系统的开发过程208

5.4.3专家系统的评价213

5.5专家系统的开发工具215

5.5.1人工智能语言216

5.5.2 专家系统外壳220

5.5.3 通用型专家系统工具222

5.5.4专家系统开发环境224

5.6专家系统举例225

5.6.1动物识别系统225

5.6.2 专家系统MYCIN226

本章小结231

思考题与习题232

6机器学习233

6.1机器学习概述234

6.1.1 什么是机器学习234

6.1.2机器学习的意义235

6.1.3机器学习研究的发展236

6.1.4机器学习的目标237

6.2机器学习的模型、策略和方法237

6.2.1 简单的学习模型237

6.2.2主要的学习策略239

6.2.3基本的学习方法240

6.3学习方法的比较和展望248

6.3.1 各种学习方法的比较248

本章小结249

6.3.2机器学习的展望249

思考题与习题250

7 人工神经网络251

7.1基本概念251

7.1.1 什么是神经网络251

7.1.2脑神经信息活动的特征252

7.1.3神经网络研究的目的和意义253

7.1.4神经网络研究的发展简史253

7.2神经网络基本模型256

7.2.1 生物神经元的结构256

7.2.2 M-P模型257

7.2.3感知机模型258

7.2.4 B-P模型261

7.2.5 Hopfield模型265

7.2.6 自适应谐振理论268

7.3神经网络在专家系统中的应用271

7.3.1 神经网络与专家系统的互补性271

7.3.2基于神经网络的知识表示273

7.3.3基于神经网络的推理275

7.4神经网络应用实例276

本章小结278

思考题与习题279

附录动物识别专家系统280

参考文献293