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

人工智能技术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　概论1

1.1　人工智能1

1.1.1 智能1

1.1.2　人工智能的定义1

1.1.3　人工智能的发展简史2

1.1.4　人工智能的目标与表现形式4

1.1.5　人工智能的研究途径5

1.1.6　人工智能的研究领域7

1.2　智能工程9

1.2.1　智能工程的提出10

1.2.2　智能工程与人工智能10

1.2.3　智能制造系统11

1.3　智能控制11

1.3.1　智能控制的发展概况11

1.3.2　智能控制系统的基本结构13

1.3.3　智能控制的结构理论14

1.3.4　智能控制的特点16

1.3.5　智能控制研究的数学工具17

1.3.6　智能控制的主要研究内容17

习题和思考题18

第2章　知识表示技术19

2.1　概述19

2.1.1　知识、信息和数据19

2.1.2　知识的特性19

2.1.3　知识的分类20

2.1.4　知识的表示21

2.2　逻辑表示法21

2.2.1　命题逻辑22

2.2.2　谓词逻辑25

2.2.3　谓词逻辑表示法的特点30

2.3　语义网络表示法30

2.3.1　语义网络的概念30

2.3.2　语义网络表示知识的方法及步骤31

2.3.3　语义网络中常用的语义联系33

2.3.4　语义网络表示下的推理过程34

2.3.5　语义网络表示法的特点35

2.4　框架表示法35

2.4.1　框架结构及知识表示35

2.4.2　基于框架的推理39

2.4.3　框架表示法的特点39

2.5　产生式表示法40

2.5.1　产生式的基本形式40

2.5.2　产生式系统40

2.5.3　产生式系统示例41

2.5.4　产生式表示法的特点43

2.6　状态空间表示法43

2.6.1　状态空间表示法的描述43

2.6.2　状态空间表示法示例44

2.7　问题归约法46

2.7.1　问题归约描述46

2.7.2　与或图表示法48

2.8　面向对象表示法50

2.8.1　面向对象的基本概念51

2.8.2　面向对象的知识表示52

习题和思考题52

第3章　知识推理技术55

3.1　推理方式及其分类55

3.1.1　演绎推理、归纳推理、默认推理55

3.1.2　确定性推理、不确定性推理57

3.1.3　单调推理、非单调推理57

3.1.4　定性推理57

3.2　推理的控制策略57

3.2.1 正向推理58

3.2.2　反向推理59

3.2.3　正反向推理61

3.3　搜索策略61

3.3.1　状态空间的一般搜索过程61

3.3.2　宽度优先搜索策略63

3.3.3　深度优先搜索策略64

3.3.4　启发式搜索策略66

习题和思考题71

第4章　模糊逻辑技术73

4.1　模糊逻辑的数学基础73

4.1.1　模糊集合73

4.1.2　模糊集合的表示方法74

4.1.3　模糊集合的运算75

4.1.4　隶属函数确定方法76

4.1.5　模糊关系79

4.2　模糊逻辑的推理82

4.2.1　模糊命题82

4.2.2　模糊逻辑83

4.2.3　模糊语言84

4.2.4　模糊推理88

4.3　模糊控制系统概述93

4.3.1　模糊控制系统的构成94

4.3.2　模糊控制系统的原理94

4.4　模糊控制器原理99

4.5　模糊控制器设计基础104

4.6　双入单出模糊控制器设计106

4.6.1　模糊化107

4.6.2　模糊控制规则、模糊关系的推理108

4.6.3　清晰化111

4.6.4　控制表计算程序111

习题和思考题112

第5章　神经网络技术115

5.1　神经网络基础115

5.1.1　生物神经元结构115

5.1.2　神经元数学模型116

5.2　神经网络的结构和学习规则117

5.2.1　神经网络的结构117

5.2.2　神经网络的学习119

5.2.3　神经网络的记忆120

5.3　典型前向网络——BP网络120

5.3.1　感知机120

5.3.2　BP网络121

5.4　典型反馈网络——Hopfield网络123

5.4.1　离散型Hopfield网络124

5.4.2　连续型Hopfield网络125

5.5　应用神经网络产生模糊集的隶属函数126

5.6　神经网络控制原理130

5.6.1　神经网络控制的基本思想130

5.6.2　神经网络在控制中的作用131

5.7　神经网络在工程中的应用131

5.7.1　基于神经网络的系统辨识131

5.7.2　基于神经网络的自适应控制133

5.8　单神经元控制的直流调速系统136

5.8.1　系统组成136

5.8.2　单神经元控制器及其学习算法设计136

5.8.3　单神经元直流调速系统参数设计137

5.9　模糊神经网络138

5.9.1　模糊系统的标准模型138

5.9.2　模糊神经网络的结构139

5.9.3　学习算法141

5.9.4　应用模糊神经网络在线检测参数143

习题和思考题145

第6章　遗传算法148

6.1　遗传算法的基本原理148

6.1.1　遗传算法的基本遗传学基础148

6.1.2　遗传算法的原理和特点148

6.1.3　遗传算法的基本操作149

6.2　遗传算法的模式理论154

6.2.1　模式154

6.2.2　复制对模式的影响155

6.2.3　交叉对模式的影响156

6.2.4　变异对模式的影响157

6.2.5　遗传算法有效处理的模式数量158

6.3　遗传算法应用中的一些基本问题159

6.3.1 目标函数值到适值形式的映射159

6.3.2　适值的调整160

6.3.3　编码原则161

6.3.4　多参数级联定点映射编码162

6.4　高级遗传算法163

6.4.1　改进的复制方法164

6.4.2　高级GA算法165

6.5　基于遗传算法的模糊控制167

6.6　免疫遗传算法170

6.6.1　免疫遗传算法的基本概念170

6.6.2　免疫算子的机理与构造172

6.6.3　TSP问题的免疫遗传算法174

习题和思考题175

第7章　专家系统176

7.1　专家系统的概念176

7.1.1　什么是专家系统176

7.1.2　专家系统的产生和发展176

7.1.3　专家系统的特点177

7.1.4　专家系统的类型178

7.1.5　专家系统与知识系统178

7.1.6　专家系统与知识工程179

7.2　专家系统的结构与工作原理179

7.2.1　专家系统的一般结构179

7.2.2　专家系统的工作原理179

7.3　知识的获取181

7.3.1　知识获取的方式182

7.3.2　知识获取的步骤183

7.4　专家系统的建造与评价184

7.4.1　专家系统的建造原则184

7.4.2　专家系统的建造步骤185

7.4.3　专家系统的评价186

7.5　专家系统设计举例188

7.5.1　动物识别系统188

7.5.2　专家生产指导系统189

7.6　专家控制系统198

7.6.1　专家控制系统的工作原理199

7.6.2　专家控制系统的类型203

7.6.3　直接专家控制系统203

7.6.4　间接专家控制系统207

7.6.5　实时专家控制系统211

7.7　新一代的专家系统217

7.7.1　深层知识专家系统218

7.7.2　模糊专家系统218

7.7.3　神经网络专家系统218

7.7.4　大型协同分布式专家系统219

7.7.5　网上专家系统219

习题和思考题219

第8章　机器学习221

8.1　机器学习的基本概念221

8.1.1　什么是机器学习221

8.1.2　学习系统222

8.1.3　机器学习的主要策略222

8.1.4　机器学习系统的基本结构223

8.2　机械学习224

8.2.1　机械学习的模式224

8.2.2　机械学习的主要问题225

8.3　指导学习225

8.4　类比学习226

8.4.1　类比推理226

8.4.2　属性类比学习227

8.4.3　转换类比学习228

8.5　归纳学习229

8.5.1　实例学习229

8.5.2　观察与发现学习234

8.6 解释学习234

8.6.1　解释学习的概念235

8.6.2　解释学习的过程235

8.6.3　解释学习的例子236

8.6.4　领域知识的完善性236

8.7　知识发现与数据挖掘237

8.7.1　知识发现238

8.7.2　数据挖掘概述239

8.7.3　数据挖掘技术简介241

8.8　学习控制系统246

8.8.1　基于模式识别的学习控制247

8.8.2　反复学习控制247

8.8.3 自学习控制系统249

习题和思考题250

第9章　群集智能251

9.1　群集智能概述251

9.1.1　群集智能的基本概念252

9.1.2　群集智能研究方法的主要优缺点254

9.1.3　群集智能的底层机制255

9.1.4　群集智能不同算法的比较255

9.2　蚁群算法257

9.2.1　蚁群算法的生物原型257

9.2.2　基本蚁群算法的原理259

9.2.3　蚁群优化算法的特点及收敛性260

9.2.4　基本蚁群算法的数学模型261

9.2.5　蚁群算法的参数设置262

9.2.6　改进的蚁群算法263

9.3　粒子群优化算法269

9.3.1　粒子群优化算法的生物原型269

9.3.2　标准粒子群优化算法270

9.3.3　改进粒子群优化算法270

9.3.4　改进粒子群算法对BP神经网络的优化272

9.4　人工鱼群算法274

9.4.1　人工鱼群算法的来源274

9.4.2　基本人工鱼群算法277

9.4.3　改进人工鱼群算法283

9.4.4　改进人工鱼群算法优化BP神经网络284

9.4.5　改进人工鱼群算法优化BP神经网络的在线运行290

习题和思考题291

参考文献293