人工智能及应用

图书标准信息

• 作者 鲁斌；刘丽；李继荣；姜丽梅
• 出版社 清华大学出版社
• 出版时间 2017-04
• 版次 1
• ISBN 9787302450337
• 定价 59.50元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 408页
• 字数 643千字

【内容简介】

本书系统介绍人工智能的基本原理、方法和应用技术，全面地反映了国内外人工智能研究领域的进展和热点。全书共11章，主要包括人工智能的基本概念、知识表示技术、搜索策略、逻辑推理技术、不确定性推理方法、专家系统、机器学习、模式识别、Agent和多Agent系统、人工智能程序设计语言以及人工智能在电力系统中的应用。内容由浅入深、循序渐进，条理清晰，各章均有大量的例题和习题，便于读者掌握和巩固所学知识，使其具备应用人工智能技术解决实际问题的能力。
  本书可用作高等学校计算机类和电气信息类相关专业高年级本科生和研究生的教材或教学参考书，也可供其他教学、研究、设计和技术开发人员参考。

【作者简介】

鲁斌，博士，副教授，硕士生导师，中国人工智能学会委员，河北省机器学习学会理事，研究方向主要是人工智能及其在电力系统中的应用、分布式能源系统等。

【目录】

目录

第1章绪论1

1.1人工智能的基本概念1

1.1.1智能的概念1

1.1.2现代人工智能的兴起3

1.1.3人工智能的定义3

1.1.4其他相关的概念4

1.1.5图灵测试和中文房间问题5

1.2人工智能的发展历程9

1.2.1孕育期(1956年之前)9

1.2.2形成期(1956—1969年)10

1.2.3发展期(1970年之后)11

1.3人工智能的研究目标13

1.4人工智能的学术流派14

1.4.1符号主义、连接主义与行为主义14

1.4.2传统人工智能与现场人工智能15

1.4.3弱人工智能与强人工智能16

1.4.4简约与粗陋16

1.5人工智能的研究和应用领域17

1.5.1专家系统18

1.5.2自然语言理解19

1.5.3机器学习20

1.5.4分布式人工智能20

1.5.5人工神经网络21

1.5.6自动定理证明22

1.5.7博弈23

1.5.8机器人学23

1.5.9模式识别24

1.5.10自动程序设计24

1.5.11智能控制25

1.5.12智能决策支持系统25

1.5.13智能电网26

本章小结26

习题27第2章知识表示28

2.1概述28

2.1.1知识概述28

2.1.2知识的性质29

2.1.3知识的分类30

2.1.4知识表示32

2.1.5知识表示观33

2.2一阶谓词逻辑表示法36

2.2.1一阶谓词逻辑表示法的逻辑基础36

2.2.2一阶谓词逻辑表示知识的步骤38

2.2.3一阶谓词逻辑表示法的特点40

2.3产生式表示法41

2.3.1产生式表示的方法42

2.3.2产生式系统的基本结构43

2.3.3产生式系统的推理方式45

2.3.4产生式表示法的特点48

2.4语义网络表示法48

2.4.1语义基元48

2.4.2基本语义关系49

2.4.3关系的表示51

2.4.4情况、动作和事件的表示53

2.4.5谓词连接词的表示53

2.4.6量词的表示54

2.4.7基于语义网络的推理55

2.4.8语义网络表示法的特点57

2.5框架表示法57

2.5.1框架的一般结构58

2.5.2框架系统61

2.5.3基于框架的推理61

2.5.4框架表示法的特点63

2.6脚本表示法63

2.6.1概念依赖理论63

2.6.2脚本表示方法64

2.6.3脚本表示法的特点66

2.7过程表示法66

2.7.1陈述性知识表示与过程性知识表示66

2.7.2过程知识表示方法67

2.7.3过程表示的问题求解过程67

2.7.4过程表示的特点68

2.8Petri网表示法69

2.8.1表示知识的方法69

2.8.2Petri网表示法的特点71

本章小结72

习题72第3章搜索策略74

3.1概述74

3.1.1搜索概述74

3.1.2搜索的主要过程75

3.1.3搜索策略的分类75

3.1.4搜索的方向75

3.1.5主要的搜索策略76

3.2状态空间知识表示方法76

3.2.1状态空间表示法77

3.2.2状态空间图79

3.3状态空间的盲目搜索81

3.3.1回溯策略82

3.3.2一般的图搜索策略88

3.3.3深度优先搜索策略92

3.3.4宽度优先搜索策略95

3.4状态空间的启发式搜索98

3.4.1启发性信息与评价函数99

3.4.2A算法101

3.4.3分支界限法104

3.4.4动态规划法107

3.4.5爬山法108

3.4.6A?算法109

3.5与/或图搜索117

3.5.1与/或图表示法117

3.5.2与/或图的搜索策略121

3.5.3与/或树的搜索策略125

3.6博弈树搜索131

3.6.1博弈概述131

3.6.2Grundy博弈132

3.6.3极大极小搜索法133

3.6.4α-β剪枝方法134

本章小结136

习题137第4章逻辑推理140

4.1概述140

4.1.1推理和推理方法140

4.1.2推理控制策略140

4.1.3经典逻辑推理141

4.2命题逻辑142

4.2.1命题公式的解释143

4.2.2等价式143

4.2.3范式144

4.2.4命题逻辑的推理规则145

4.2.5命题逻辑的归结方法147

4.3谓词逻辑151

4.3.1谓词公式的解释151

4.3.2谓词等价公式与范式152

4.3.3谓词逻辑的推理规则155

4.3.4谓词逻辑的归结方法156

4.4非单调逻辑164

4.4.1非单调推理164

4.4.2封闭世界假设、限制和最小模型165

4.4.3默认逻辑167

4.4.4溯因推理168

4.4.5真值维护系统169

4.5多值逻辑和模糊逻辑170

本章小结172

习题172第5章不确定性推理175

5.1概述175

5.1.1不确定性推理概述175

5.1.2不确定性的表现176

5.1.3不确定性推理要解决的基本问题177

5.1.4不确定性推理方法的分类179

5.2确定性理论179

5.2.1可信度的基本概念180

5.2.2表示问题180

5.2.3计算问题183

5.2.4带有阈值限度的不确定性推理185

5.2.5带有权重的不确定性推理187

5.2.6确定性理论的特点188

5.3主观Bayes方法188

5.3.1证据不确定性的表示188

5.3.2知识不确定性的表示189

5.3.3组合证据的不确定性191

5.3.4结论不确定性的更新192

5.3.5结论不确定性的合成193

5.3.6主观Bayes方法的特点195

5.4证据理论195

5.4.1D\|S理论195

5.4.2一个特殊的概率分配函数200

5.4.3表示问题203

5.4.4计算问题203

5.4.5证据理论的特点206

5.5贝叶斯网络206

5.5.1贝叶斯网络概述207

5.5.2基于贝叶斯网络的不确定性知识表示208

5.5.3基于贝叶斯网络的推理模式209

5.5.4基于贝叶斯网络的不确定性推理的特点211

5.6模糊推理211

5.6.1模糊理论的基本概念212

5.6.2表示问题218

5.6.3计算问题219

5.6.4模糊推理的特点226

本章小结226

习题227第6章专家系统229

6.1概述229

6.1.1专家系统发展历程229

6.1.2专家系统特点230

6.1.3专家系统的类型231

6.1.4新型专家系统233

6.2专家系统结构234

6.3专家系统设计237

6.3.1专家系统的设计步骤237

6.3.2知识获取239

6.3.3知识库设计和知识管理241

6.3.4推理机设计243

6.3.5解释功能设计244

6.3.6系统结构设计245

6.3.7专家系统的评价245

6.4专家系统应用案例246

6.4.1动物识别专家系统246

6.4.2PROSPECTOR系统249

6.5开发工具与环境251

6.5.1程序设计语言252

6.5.2骨架系统252

6.5.3知识表示语言253

6.5.4辅助型工具254

6.5.5专家系统开发环境254

本章小结255

习题255第7章机器学习256

7.1概述256

7.1.1机器学习的定义256

7.1.2机器学习的发展257

7.1.3机器学习分类259

7.1.4归纳学习260

7.2决策树学习261

7.2.1决策树261

7.2.2决策树构造算法263

7.2.3决策树的归纳偏置264

7.3变型空间学习266

7.3.1泛化和特化266

7.3.2候选删除算法268

7.4基于解释的学习271

7.4.1基本概念271

7.4.2基于解释的学习方法272

7.5人工神经网络274

7.5.1基本概念275

7.5.2感知器280

7.5.3多层神经网络282

7.5.4Hopfield神经网络287

7.5.5双向相关记忆290

7.5.6自组织神经网络293

7.6进化计算298

7.6.1模拟自然进化298

7.6.2遗传算法299

7.6.3进化策略304

7.6.4遗传编程305

本章小结307

习题308第8章模式识别310

8.1概述310

8.1.1模式识别的发展与应用310

8.1.2模式识别系统311

8.1.3模式识别方法314

8.1.4模式识别实例317

8.2线性分类器319

8.2.1感知器准则320

8.2.2最小均方误差320

8.2.3Fisher准则321

8.2.4支持向量机323

8.3贝叶斯决策理论327

8.3.1最小错误贝叶斯决策规则327

8.3.2最小风险贝叶斯决策规则328

8.3.3正态分布的贝叶斯分类329

8.3.4密度估计的参数法330

8.3.5密度估计的非参数法331

8.4聚类分析333

8.4.1动态聚类法333

8.4.2层次聚类法334

本章小结335

习题336第9章Agent和多Agent系统337

9.1概述337

9.2Agent理论 339

9.2.1Agent的基本概念339

9.2.2Agent的特性340

9.2.3Agent的内部结构341

9.2.4Agent类型344

9.2.5Agent的实现工具345

9.3多Agent系统346

9.3.1多Agent的结构模型346

9.3.2通信方式348

9.3.3通信语言349

9.3.4协调与协作350

9.4MAS的应用案例354

9.5Agent技术应用355

本章小结357

习题357第10章人工智能程序设计语言358

10.1概述358

10.1.1LISP语言简介358

10.1.2PROLOG语言简介359

10.2表处理语言LISP359

10.2.1LISP的基本元素360

10.2.2LISP的运行机制360

10.2.3LISP的基本函数361

10.2.4LISP的表处理364

10.2.5LISP的应用实例369

10.3逻辑程序设计语言PROLOG373

10.3.1Horn子句373

10.3.2PROLOG程序的语句374

10.3.3PROLOG的推理机制374

10.3.4PROLOG的表结构376

10.3.5PROLOG的应用实例378

本章小结382

习题383第11章人工智能在电力系统中的应用384

11.1概述384

11.2人工智能在电力系统故障诊断中的应用385

11.2.1电网故障诊断原理386

11.2.2贝叶斯网络建模388

11.2.3贝叶斯网络故障诊断推理388

11.2.4改进的贝叶斯网络故障诊断模型389

11.2.5其他智能故障诊断技术的应用390

11.3人工智能在电力巡检中的应用391

11.3.1电力设备巡检391

11.3.2巡检机器人392

11.3.3系统实时监控后台393

11.3.4路径规划管理395

11.3.5设备状态识别396

11.3.6Agent技术397

11.4人工智能在电力大数据分析中的应用400

11.4.1大数据基本概念400

11.4.2电力大数据的来源401

11.4.3大数据分析与人工智能402

11.4.4电力大数据分析典型应用场景403

本章小结406参考文献407