人工智能高级技术导论2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

人工智能高级技术导论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 绪论1

1.1 人工智能研究的发展1

1.2 人工智能应用研究的发展趋势5

1.3 基于知识的软件智能化技术7

1.3.1 知识处理技术的深化7

1.3.2 对KB系统现状的反思9

1.3.3 软件智能化实践11

1.3.4 开发人工智能高级技术13

本章小结17

习题17

参考文献18

第二章 基于知识的问题求解19

2.1 知识表示19

2.2 问题求解26

2.2.1 问题求解的基本方法26

2.2.2 问题求解的组织36

2.3 KB系统39

2.3.1 KB系统的一般概念39

2.3.2 知识获取和KB系统开发41

2.3.3 KB系统开发工具和环境43

2.4 知识级分析44

2.4.1 表示和知识44

2.4.2 计算机系统的功能分级45

2.4.3 知识级46

2.4.4 知识级细节46

2.4.5 结论49

2.5 符号推理的高级技术50

2.5.1 基于假设的推理50

2.5.2 从属和辩证51

2.5.3 约束满足52

2.5.4 元推理53

本章小结54

习题57

参考文献58

第三章 KB系统的高级技术59

3.1 开发的必要性59

3.2 定性物理方法60

3.2.1 定性演算61

3.2.2 用定性演算推理行为65

3.2.3 典型的定性物理方法69

3.3 基于模型的推理（MBR）69

3.3.1 因果建模70

3.3.2 不精确模型73

3.4 深、浅层推理的综合75

3.4.1 一个实例——动态系统的适应性多级诊断建模77

3.4.2 综合深、浅层推理的技术81

3.5 问题求解的结构化模型83

3.5.1 问题求解建模83

3.5.2 知识获取工具的开发工具87

3.6 功能化体系结构88

3.6.1 常见任务88

3.6.2 诊断推理中的常见任务举例89

3.6.3 常见任务工具集90

3.6.4 功能化体系结构方式的评价90

3.7 知识级问题求解建模91

3.7.1 知识获取观点92

3.7.2 中间模型94

3.7.3 专门知识建模96

3.7.4 可重用的专门知识元素103

3.7.5 知识变异103

3.7.6 结构保留设计104

3.7.7 知识获取过程105

3.7.8 结论105

本章小结106

习题109

参考文献111

第四章 非单调推理和软计算113

4.1 传统逻辑系统的局限性113

4.2 非单调推理114

4.2.1 非单调推理简介115

4.2.2 非单调推理的形式化方法117

4.2.3 真值维持系统123

4.2.4 约束满足问题131

4.3 不确定推理138

4.3.1 主观Bayes方法138

4.3.2 确定性方法144

4.3.3 D-S证据理论148

4.3.4 应用不确定推理的准则153

4.4 模糊逻辑和模糊推理153

4.4.1 模糊逻辑154

4.4.2 模糊推理156

4.4.3 模糊控制160

4.4.4 应用模糊逻辑时的问题163

4.5 神经网络163

4.5.1 神经元和神经网络164

4.5.2 面向映射变换的BP网166

4.5.3 面向联想记忆的神经网络170

4.5.4 神经网络的实现技术175

本章小结178

习题181

参考文献185

第五章 基于范例的推理187

5.1 基于范例的推理系统187

5.1.1 研究动机187

5.1.2 CBR系统分类188

5.1.3 应用例——基于范例的服务调度190

5.2 范例表示和索引192

5.2.1 范例的内容192

5.2.2 范例索引193

5.3 检索、改编和辩证196

5.3.1 范例检索和存储更新196

5.3.2 解答改编197

5.3.3 解答辩证199

5.4 基于范例的学习199

5.4.1 学习方式200

5.4.2 学习方法的比较200

5.5 基于范例的推理应用201

5.5.1 某些CBR应用系统201

5.5.2 集成CBR和其他信息处理技术201

5.6 结论204

本章小结204

习题206

参考文献207

第六章 关于时间和空间的推理208

6.1 伴有时间的推理208

6.1.1 时间和逻辑209

6.1.2 时间概念及其表示210

6.1.3 实现伴有时间的推理211

6.1.4 基于时态逻辑的RWT理论框架212

6.2 时间的不确定性和分支215

6.2.1 关于事件时间的不完全知识215

6.2.2 时间分支219

6.3 关于空间的推理220

6.3.1 空间概念及其表示220

6.3.2 空间搜索221

6.3.3 多层次空间表示224

6.4 关于形状的推理226

6.5 时空推理小结227

本章小结229

习题230

参考文献231

第七章 机器学习研究与应用的新进展232

7.1 贝叶斯网络233

7.1.1 贝叶斯网络的定义233

7.1.2 贝叶斯网络的语义234

7.1.3 贝叶斯网络中的推理237

7.1.4 贝叶斯网络的学习240

7.2 隐马尔可夫模型244

7.2.1 马尔可夫链245

7.2.2 隐马尔可夫模型的定义245

7.2.3 隐马尔可夫模型的基本算法246

7.2.4 学习算法EM248

7.3 统计学习理论248

7.3.1 小样本统计学理论249

7.3.2 支持向量机251

7.3.3 支持向量机的应用研究256

7.4 粗糙集理论256

7.4.1 粗糙集理论的基本概念257

7.4.2 决策表约简259

7.4.3 决策规则的挖掘262

7.5 聚类分析263

7.5.1 聚类分析的预处理264

7.5.2 聚类方法的分类265

7.5.3 基于划分的k-平均和k-中心点算法266

7.6 复杂类型数据的挖掘268

7.6.1 空间数据挖掘268

7.6.2 图像数据挖掘269

7.6.3 时序数据挖掘271

7.6.4 文本数据挖掘273

7.6.5 Web挖掘275

本章小结278

习题281

参考文献285

第八章 Agent技术和信息基础设施智能化287

8.1 Agent技术的研究和发展288

8.1.1 Agent技术的形成288

8.1.2 Agent的基本特征289

8.1.3 Agent技术的研究现状290

8.1.4 Agent分类概观294

8.2 多Agent协作296

8.2.1 合作型Agent体系结构ARCHON296

8.2.2 多Agent协作的建立298

8.2.3 合作的协调307

8.2.4 Agent社会320

8.3 Agent通信323

8.3.1 信息和知识共享324

8.3.2 Agent交互协议328

8.3.3 通信促进服务331

8.4 信息基础设施的智能化334

8.4.1 技术挑战334

8.4.2 智能系统的作用336

8.4.3 虚拟组织的信息基础设施340

本章小结346

习题350

参考文献352

第九章 新一代网络计算的技术基础及其智能化355

9.1 新一代网络计算技术概述356

9.1.1 语义Web357

9.1.2 网格计算358

9.1.3 自治计算361

9.2 语义Web的实现技术和本体工程363

9.2.1 语义Web的实现技术363

9.2.2 基于本体的知识系统376

9.3 网格计算的技术基础390

9.3.1 支持可伸缩虚拟组织的网格体系结构390

9.3.2 开放的网格服务体系结构393

9.3.3 网格计算的基础设施402

9.3.4 网格计算技术的新进展404

9.4 自治计算的技术基础411

9.4.1 自治计算的开发411

9.4.2 基于政策的自主管理422

9.4.3 支持Agent社交活动的方法体系435

本章小结452

习题455

参考文献457