人工智能原理与应用基础教程2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

人工智能原理与应用基础教程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

第一章 人工智能概论1

1.1人工智能的概念与目标1

1.1.1什么是人工智能1

1.1.2人工智能的研究目标1

1.2人工智能的研究途径与方法2

1.2.1结构模拟，神经计算2

1.2.2功能模拟，符号推演2

1.2.3行为模拟，控制进化3

1.3人工智能的分支领域4

1.3.1从模拟脑功能角度划分的分支领域4

1.3.2从实现技术角度划分的分支领域7

1.3.3从应用领域角度划分的分支领域7

1.3.4从应用系统角度划分的分支领域11

1.3.5从计算机系统的结构特征角度划分的分支领域12

1.3.6从实现工具与环境角度划分的分支领域13

1.4人工智能的基本技术13

1.4.1推理技术13

1.4.2搜索技术14

1.4.3知识表示与知识库技术15

1.4.4归纳技术15

1.4.5联想技术15

1.5人工智能的发展概况16

1.5.1人工智能学科的产生16

1.5.2符号主义途径发展概况16

1.5.3连接主义途径发展概况18

1.5.4当前发展趋势19

1.5.5我国人工智能发展简况20

习题一20

第二章 人工智能程序设计语言21

2.1综述21

2.1.1 函数型语言21

2.1.2逻辑型语言21

2.1.3面向对象语言22

2.1.4混合型语言22

2.2函数型程序设计语言LISP23

2.2.1 LISP的程序结构与运行机制23

2.2.2 S—表达式24

2.2.3基本函数25

2.2.4自定义函数27

2.2.5程序举例28

2.3逻辑型程序设计语言PROLOG29

2.3.1 PROLOG的语句29

2.3.2 PROLOG程序30

2.3.3 PROLOG的运行机理32

2.4 Turbo PROLOG程序设计34

2.4.1 Turbo PROLOG的程序结构35

2.4.2 Turbo PROLOG的数据与表达式36

2.4.3输入与输出40

2.4.4分支与循环41

2.4.5动态数据库43

2.4.6表处理与递归43

2.4.7回溯控制46

2.4.8程序举例47

2.5面向对象程序设计语言Smalltalk51

2.5.1基本概念51

2.5.2基本对象52

2.5.3消息模式52

2.5.4消息表达式53

2.5.5消息表达式序列——语句54

2.5.6程序块54

2.5.7程序流程控制55

2.5.8类库55

2.5.9类定义56

2.5.10继承58

2.5.11 Smalltalk的程序结构和运行机理58

习题二61

第三章 基于谓词逻辑的机器推理62

3.1一阶谓词逻辑62

3.1.1谓词、函数、量词62

3.1.2谓词、公式63

3.1.3谓词逻辑中的形式演绎推理64

3.2归结演绎推理67

3.2.1子句集67

3.2.2命题逻辑中的归结原理69

3.2.3替换与合一71

3.2.4谓词逻辑中的消解原理74

3.3应用归结原理求取问题答案76

3.4归结策略78

3.4.1问题的提出78

3.4.2几种常用的归结策略80

3.4.3归结策略的类型84

3.5归结反演程序举例85

3.6 Horn子句归结与逻辑程序87

3.6.1子句的蕴含表示形式87

3.6.2 Horn子句与逻辑程序88

3.7非归结演绎推理89

3.7.1 Bledsoe自然演绎法90

3.7.2基于规则的演绎推理90

3.7.3王浩算法90

习题三91

第四章 图搜索技术93

4.1状态图搜索93

4.1.1状态图93

4.1.2状态图搜索94

4.1.3穷举式搜索97

4.1.4启发式搜索99

4.1.5加权状态图搜索101

4.1.6启发式图搜索的A算法和A算法102

4.1.7状态图搜索策略小结104

4.2状态图问题求解104

4.2.1问题的状态图表示104

4.2.2状态图问题求解程序举例108

4.3与或图搜索113

4.3.1与或图113

4.3.2与或图搜索115

4.3.3启发式与或树搜索117

4.4与或图问题求解121

4.4.1问题的与或图表示121

4.4.2与或图问题求解程序举例122

4.5博弈树搜索123

4.5.1博弈树的概念124

4.5.2极大极小分析法124

习题四126

第五章 产生式系统128

5.1产生式规则128

5.1.1产生式规则128

5.1.2基于产生式的推理模式129

5.2产生式系统129

5.2.1产生式系统的组成129

5.2.2产生式系统的运行过程130

5.2.3控制策略与常用算法130

5.3产生式系统与图搜索133

5.4产生式系统的应用134

5.5产生式系统的程序实现134

5.5.1产生式规则的程序语言实现134

5.5.2规则库的程序实现136

5.5.3动态数据库的程序实现137

5.5.4推理机的程序实现137

习题五137

第六章 知识表示139

6.1知识及其表示139

6.1.1什么是知识139

6.1.2知识表示140

6.1.3知识表示的语言实现141

6.2框架141

6.2.1框架的概念141

6.2.2框架的表达能力143

6.2.3基于框架的推理144

6.2.4框架的程序语言实现145

6.3语义网络146

6.3.1语义网络的概念146

6.3.2语义网络的表达能力146

6.3.3基于语义网络的推理150

6.3.4语义网络的程序语言实现150

6.4面向对象知识表示151

习题六153

第七章 不确定性处理155

7.1不确定性及其类型155

7.2不确定性知识的表示156

7.2.1随机性知识的表示156

7.2.2模糊性知识的表示157

7.2.3模糊集合159

7.2.4多值逻辑161

7.2.5真度逻辑161

7.2.6非单调逻辑162

7.2.7时序逻辑163

7.3不确定性推理的一般模式163

7.4确定性理论164

7.5证据理论165

7.5.1基本概念165

7.5.2基于证据理论的不确定性推理168

7.6模糊推理170

7.6.1语言变量，语言值170

7.6.2用模糊（关系）集合表示模糊规则170

7.6.3模糊关系合成172

7.6.4基于关系合成的模糊推理173

7.6.5模糊推理的应用与发展174

习题七175

第八章 专家系统176

8.1专家系统的概念176

8.1.1什么是专家系统176

8.1.2专家系统的特点177

8.1.3专家系统的类型177

8.1.4专家系统与知识系统178

8.1.5专家系统与知识工程178

8.1.6专家系统与人工智能179

8.2专家系统的结构179

8.2.1一般结构179

8.2.2实际结构180

8.3专家系统的应用与发展概况182

8.3.1专家系统的意义182

8.3.2专家系统的应用182

8.3.3专家系统的发展概况183

8.4专家系统实例187

8.4.1 PROSPECTOR的功能187

8.4.2知识表示189

8.4.3主观贝叶斯推理模型194

8.4.4控制策略199

8.5专家系统设计与实现200

8.5.1一般步骤与方法200

8.5.2知识获取201

8.5.3知识表示与知识描述语言设计202

8.5.4知识库与知识库管理系统设计202

8.5.5推理机与解释功能设计204

8.5.6系统结构设计205

8.5.7人机界面设计207

8.6专家系统开发工具与环境208

8.6.1专家系统开发工具208

8.6.2专家系统开发环境210

8.7新一代专家系统研究211

8.7.1概述211

8.7.2模糊专家系统212

8.7.3神经网络专家系统212

习题八213

第九章 机器学习214

9.1符号学习214

9.1.1记忆学习214

9.1.2传授学习215

9.1.3演绎学习216

9.1.4类比学习216

9.1.5示例学习216

9.1.6发现学习218

9.1.7解释学习218

9.2神经网络学习220

9.2.1生物神经元220

9.2.2人工神经元221

9.2.3神经网络222

9.2.4神经网络的特征与功能223

9.2.5神经网络学习224

9.2.6神经网络模型226

9.2.7 BP网络及其学习举例227

习题九229

第十章 自然语言理解230

10.1简单句理解230

10.1.1理解的实现过程230

10.1.2语法分析231

10.1.3语义分析233

10.2复合句理解233

10.3转换文法和转换网络235

习题十237

上机实习指导238

实习一PROLOG语言编程练习238

实习二 图搜索问题求解239

实习三 小型专家系统（原型）设计239

参考文献243