人工智能原理与应用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　什么是人工智能1

1.1.1　智能的解释1

1.1.2　人工智能的解释3

1.1.3　计算机与人工智能6

1.1.4　人类智能与人工智能6

1.1.5　人工智能的研究目标7

1.1.6　人工智能中的通用问题求解方法8

1.2　人工智能的发展简史9

1.3　人工智能的研究方法及基本内容12

1.3.1　人工智能的研究方法12

1.3.2　人工智能研究的基本内容15

1.4　人工智能的基本技术17

1.5　人工智能的主要研究领域及实践18

1.5.1　人工智能的主要研究领域18

1.5.2　人工智能实践24

1.6　人工智能在中国25

1.6.1　数学机械化25

1.6.2　机器学习26

1.6.3 自动推理26

1.6.4　时间和空间知识表示和推理27

1.6.5 自然语言处理27

1.6.6　智能体技术及应用28

1.6.7　图像识别29

习题30

第2章　知识及知识的表示31

2.1　概述31

2.1.1　知识的基本概念31

2.1.2　知识表示33

2.2　一阶谓词逻辑表示法34

2.2.1　知识的谓词逻辑表示法34

2.2.2　谓词逻辑表示知识举例36

2.2.3　一阶谓词逻辑表示法的特点38

2.3　产生式表示法39

2.3.1　产生式的基本形式39

2.3.2　产生式表示知识的方法39

2.3.3　产生式系统的组成40

2.3.4　产生式系统的推理方式41

2.3.5　产生式系统应用举例42

2.3.6　产生式表示法的特点43

2.4　框架表示法44

2.4.1　框架的构成45

2.4.2　框架表示知识举例46

2.4.3　框架系统的推理49

2.4.4　框架表示法的特点50

2.5　语义网络表示法50

2.5.1　语义网络的概念及结构50

2.5.2　语义网络的基本语义联系51

2.5.3　语义网络表示知识的方法及步骤54

2.5.4　语义网络知识表示举例57

2.5.5　语义网络的推理过程59

2.5.6　语义网络表示法的特点59

2.6　面向对象表示法60

2.6.1　面向对象的基本概念60

2.6.2　面向对象的知识表示61

2.6.3　面向对象的知识表示举例62

习题63

第3章　经典逻辑推理65

3.1　概述65

3.1.1　推理定义65

3.1.2　推理方式及分类66

3.2　推理的逻辑基础68

3.2.1　谓词公式的解释68

3.2.2　谓词公式的等价性与永真蕴含性69

3.2.3　置换与合一70

3.2.4　谓词公式的范式73

3.3　产生式系统推理73

3.3.1　产生式系统的基本结构73

3.3.2　推理方向75

3.3.3　冲突消解策略78

3.4　自然演绎推理79

3.4.1 自然演绎推理的基本概念79

3.4.2　利用演绎推理解决问题80

3.5　归结演绎推理82

3.5.1　子句集及其化简82

3.5.2 Herbrand理论84

3.5.3　Robinson归结原理85

3.5.4　应用归结原理证明问题87

3.5.6　用归结原理求解问题89

3.5.7　归结策略92

习题94

第4章　不确定性推理97

4.1　不确定性推理中的基本问题97

4.2　不确定性推理方法分类100

4.3　概率方法101

4.3.1　经典概率方法101

4.3.2　Bayes定理101

4.3.3　逆概率方法的基本思想102

4.3.4　逆概率方法的优缺点103

4.4　主观Bayes方法104

4.4.1　知识不确定性的表示104

4.4.2　证据不确定性的表示105

4.4.3　不确定性的传递算法106

4.4.4　结论不确定性的合成算法108

4.4.5　例子108

4.4.6 主观Bayes方法的主要优缺点111

4.5　可信度方法112

4.5.1　可信度概念112

4.5.2　C-F模型112

4.5.3　可信度方法应用举例115

4.6　证据理论118

4.6.1　基本概念118

4.6.2　D-S理论120

4.6.3　知识的不确定性的表示125

4.6.4　证据的不确定性的表示125

4.6.5　例子127

4.6.6　证据理论的主要优缺点128

习题128

第5章　搜索问题求解131

5.1　基本概念131

5.2　状态空间搜索132

5.2.1　问题的状态空间表示132

5.2.2　状态空间的穷搜索法134

5.2.3　启发式搜索法138

5.3　问题归约法141

5.3.1　问题归约描述141

5.3.2　与或图表示141

5.3.3　AO算法143

5.4　博弈树搜索146

5.4.1　极大极小过程148

5.4.2　α-β过程149

习题152

第6章　遗传算法154

6.1　遗传算法简介154

6.1.1　遗传算法的起源154

6.1.2　遗传算法的基本思想156

6.1.3　遗传算法的主要特点157

6.1.4　遗传算法的应用158

6.2　函数优化实例160

6.2.1 问题描述160

6.2.2　种群的初始化160

6.2.3　选择策略161

6.2.4　遗传算子163

6.3　基本遗传算法164

6.3.1　编码表示165

6.3.2　适应度函数166

6.3.3　选择策略167

6.3.4　遗传算子的设计170

6.4　遗传算法的应用举例173

6.4.1　函数最优化问题173

6.4.2　旅行商问题176

6.4.3　排课表问题182

习题185

第7章　人工智能在教育教学领域中的应用187

7.1　遗传算法在教育教学领域中的应用187

7.1.1　基于遗传算法的智能组卷策略187

7.1.2 基于遗传算法和模糊综合评价的课堂效果评价方法190

7.1.3　基于遗传算法的网络教学资源共享优化调度193

7.2　专家系统在教育教学领域中的应用196

7.2.1　智能教学专家系统的形式化模型196

7.2.2　计算机编程辅助教学专家系统的构建200

7.2.3　专家系统在计算机辅助教学系统中的应用203

7.2.4　智能计算机辅助教学系统中学生模型库的设计207

7.2.5　计算机智能导师系统的知识表示209

7.3　数据挖掘在教育教学领域中的应用214

7.3.1　数据挖掘在本科教学评估中的应用214

7.3.2　关联规则挖掘在学分制教学管理中的应用217

7.3.3 多维关联规则挖掘在高校就业领域中的应用219

7.4　神经网络在教育教学领域中的应用223

7.4.1　神经网络在教学工作水平评估中的应用223

7.4.2　基于BP神经网络的编译原理学绩评估方法226

附录　简单函数优化的遗传算法C代码231

参考文献239