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

人工智能教程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 人工智能概述1

1.1.1 什么是人工智能1

1.1.2 什么是自然智能2

1.2 人工智能的发展史3

1.2.1 第一阶段--孕育期(1956年以前)3

1.2.2 第二阶段--人工智能基础技术的研究和形成(1956年--1970年)5

1.2.3 第三阶段--发展和实用化阶段(1971年--1980年)5

1.2.4 第四阶段--知识工程与专家系统(1980年至今)7

1.3 人工智能的研究领域9

1.3.1 专家系统(Expert System)9

1.3.2 自然语言处理(Natural Language Processing)9

1.3.3 机器学习(Machine Learning)10

1.3.4 自动定理证明(Automatic Theorem Proving)11

1.3.5 分布式人工智能(Distributed Artificial Intelligence)11

1.3.6 机器人(Robots)12

1.3.7 模式识别(Pattern Recognition)13

1.3.8 博弈(Game Playing)14

1.3.9 计算机视觉(Computer Vision)14

1.3.10 人工神经网络(Artificial Neural Network)15

习题115

第2章 知识表达技术16

2.1 知识的概念与含义16

2.2 知识类型和知识模型的变换16

2.2.1 知识类型17

2.2.2 知识模型的变换17

2.3 状态空间表达法18

2.3.1 状态空间表达法的概念18

2.3.2 状态空间表达法的例子19

2.4 与/或图表达法20

2.4.1 与/或图表达法的概念20

2.4.2 与/或图表达法的例子21

2.5 产生式系统22

2.5.1 产生式系统的基本结构22

2.5.2 产生式系统的表示24

2.5.3 产生式系统的例子25

2.6. 知识的逻辑表达方法27

2.6.1 命题逻辑28

2.6.2 谓词逻辑31

2.6.3 一阶谓词逻辑表达方法32

2.6.4 谓词逻辑表达法的特性和应用34

2.7 语义网络35

2.7.1 语义网络的概念和特性35

2.7.2 语义网络的知识表示36

2.8 框架表达法42

2.8.1 框架的构成42

2.8.2 框架系统与产生式系统的结合46

2.9 特征表表达法49

2.10 面向对象的表示50

2.10.1 对象、消息和方法50

2.10.2 类、类层次和继承性51

2.10.3 面向对象知识表示与语义网络、框架系统的比较52

习题253

第3章 基本的问题求解方法55

3.1 状态空间搜索概述55

3.1.1 图的概念55

3.1.2 状态空间的图描述56

3.1.3 问题的状态空间的图描述56

3.1.4 将问题求解定义为状态空间搜索58

3.1.5 搜索的基本概念60

3.2 盲目的图搜索策略61

3.2.1 搜索策略概述61

3.2.2 回溯策略62

3.2.3 宽度优先搜索65

3.2.4 深度优先搜索67

3.2.5 图搜索70

3.3 启发式图搜索策略71

3.3.1 启发式策略71

3.3.2 启发信息和估价函数73

3.3.3 启发式图搜索法--A及A 搜索算法75

3.3.4 A 搜索算法的讨论78

3.4 与/或图搜索80

3.4.1 与/或图的概念80

3.4.2 AO及AO 搜索算法82

3.4.3 博弈树搜索86

3.5 通用问题求解技术简介93

3.5.1 概述93

3.5.2 GPS系统94

3.6 中间-结局分析法95

3.6.1 概念95

3.6.2 中间-结局分析法分析步骤96

3.6.3 讨论97

3.7 生成与测试98

3.8 约束与满足99

习题3102

第4章 基本的推理技术104

4.1 推理技术概述104

4.1.1 推理的概念和类型104

4.1.2 推理的控制策略106

4.2 归结反演系统110

4.2.1 归结原理110

4.2.2 归结反演114

4.2.3 归结反演的控制策略116

4.2.4 应用归结反演求取问题的答案118

4.3 基于规则的演绎推理120

4.3.1 正向演绎推理120

4.3.2 反向演绎推理125

4.3.3 双向演绎推理127

习题4128

第5章 不精确推理130

5.1 概述130

5.2 概率方法132

5.2.1 概率论基础132

5.2.2 概率推理模型134

5.3 主观Bayes方法135

5.3.1 不确定性的表示135

5.3.2 主观Bayes方法推理的基本算法137

5.4 可信度方法142

5.4.1 基于可信度的不确定性的表示142

5.4.2 可信度方法推理的基本算法144

5.5 模糊推理147

5.5.1 模糊理论基础147

5.5.2 语言变量及模糊推理150

习题5151

第6章 PROLOG语言153

6.1 PROLOG语言概述153

6.1.1 PROLOG语言的发展153

6.1.2 PROLOG语言的特点153

6.2 PROLOG语言的结构154

6.2.1 数据结构154

6.2.2 程序结构155

6.3 PROLOG语言的内部谓词157

6.3.1 比较类157

6.3.2 表达式类157

6.3.3 输入输出类158

6.3.4 文件操作类158

6.3.5 控制谓词类159

6.3.6 复杂目标类159

6.3.7 项类159

6.3.8 结构分量类159

6.3.9 项维护类160

6.4 PROLOG语言的搜索策略161

6.4.1 例化与匹配161

6.4.2 回溯控制162

6.4.3 搜索策略164

6.5 谓词!的讨论165

6.5.1 谓词!的作用165

6.5.2 用法及举例167

6.6. PROLOG程序设计169

6.6.1 数学函数170

6.6.2 八皇后问题171

6.6.3 专家系统示意173

6.7 PROLOG语言与C语言的连接176

6.7.1 语言条件176

6.7.2 外部谓词说明176

6.7.3 参数传递176

6.7.4 外部C语言子程序177

6.7.5 两个限制178

习题6179

第7章 专家系统181

7.1 专家系统的定义与分类181

7.1.1 专家系统的定义与特点181

7.1.2 专家系统的类型183

7.2 专家系统的结构与工作原理187

7.2.1 专家系统的一般结构187

7.2.2 专家系统的工作原理187

7.3 知识获取189

7.3.1 知识获取的任务190

7.3.2 知识获取的模式191

7.4 专家系统的建立192

7.4.1 适于专家系统求解的问题192

7.4.2 专家系统的设计原则与开发步骤193

7.4.3 专家系统的评价196

7.5 专家系统实例197

7.5.1 动物识别专家系统197

7.5.2 医学专家系统--MYCIN199

7.5.3 地质勘探专家系统--PROSPECTOR207

7.6 专家系统的开发工具210

7.6.1 用于开发专家系统的程序设计语言210

7.6.2 骨架系统210

7.6.3 通用型知识表达语言214

7.6.5 专家系统开发环境214

习题7215

第8章 机器学习216

8.1 机器学习概述216

8.1.1 机器学习的基本概念216

8.1.2 机器学习的主要策略216

8.1.3 机器学习系统的基本结构217

8.1.4 机器学习系统的主要特性219

8.2 机械学习221

8.3.1 机械学习的模式及主要问题221

8.3.2 机械学习应用举例222

8.3 相关产生式学习系统224

8.3.1 相关产生式的概念224

8.3.2 相关产生式学习方式224

8.4 示例学习225

8.4.1 示例学习模型226

8.4.2 基于示例学习的一般过程227

8.4.3 示例的表示229

8.4.4 示例复用231

8.4.5 示例保存232

8.5 类比学习232

8.5.1 类比学习的概念232

8.5.2 类比学习的表示与求解234

8.6 几种类比学习系统介绍235

8.6.1 转换类比学习系统235

8.6.2 派生类比学习240

8.6.3 因果关系型类比学习240

8.6.4 联想类比学习243

8.7 归纳学习244

8.7.1 归纳学习概述244

8.7.2 归纳学习的一般模式245

8.7.3 类型定义245

8.7.4 结构归纳学习及示例246

8.7.5 基于决策树的归纳学习方法250

习题8252

第9章 人工神经网络253

9.1 人工神经网络概述253

9.2 人工神经元模型254

9.3 人工神经网络结构及工作方式255

9.4 神经网络的学习方法257

9.4.1 学习方式257

9.4.2 学习规则257

9.4.3 学习与自适应258

9.5 前馈型神经网络259

9.5.1 前馈型神经网络结构259

9.5.2 利用BP算法进行网络训练261

9.6 神经联想记忆与Hopfield网络266

9.6.1 神经联想记忆266

9.6.2 Hopfield网络267

9.6.3 Hopfield网络的一个范例272

习题9274

参考文献275