消息 首页 搜索 举报
  • 人工智能基础(高职高专公共基础课规划教材)9787121378133
21年品牌 40万+商家 超1.5亿件商品

人工智能基础(高职高专公共基础课规划教材)9787121378133

正版图书，可开发票，请放心购买。

￥ 40.5 7.5折 ￥ 54 全新

仅1件

广东广州
认证卖家担保交易快速发货售后保障

作者邵明东,李伟,张艺耀

出版社电子工业出版社

ISBN9787121378133

出版时间2019-04

装帧平装

开本16开

定价54元

货号9884562

上书时间2024-12-22

哲仁书店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
商品描述
作者简介
邵明东，自1986年至今，承担计算机应用技术专业的专业课程教学与实训工作，先后讲授过《BASIC语言》《PASCAL语言程序设计》《C语言程序设计》《dBASE》《FoxBASE》《FoxPro》《Visual FoxPro》《数据库概论》《管理系统》《数据结构》《软件工程》《操作系统原理》《操作系统应用》《计算机应用基础》《PhotoShop平面图像处理》《网络技术基础》等课程。

目录
目?录
第1章?人工智能概述
1.1?人工智能概况
??   1.1.1?人工智能定义
??   1.1.2?人工智能的研究领域
??   1.1.3?人工智能的发展
1.2?人工智能的价值
??   1.2.1?人工智能的应用价值
??   1.2.2?人工智能的社会价值
1.3?人工智能的应用领域
1.4?人工智能的未来与展望
第2章?知识表示和知识图谱
2.1?知识与知识表示
??   2.1.1?知识
??   2.1.2?知识表示
??   2.1.3?常用的知识表示方法
2.2?知识图谱
??   2.2.1?知识图谱的定义
??   2.2.2?知识图谱的架构
??   2.2.3?知识图谱的应用
??   2.2.4?知识图谱的总结与展望
第3章 机器学习
3.1?机器学习概述
??   3.1.1 基本含义
??   3.1.2 发展历程
??   3.1.3 相关学科
??   3.1.4?应用场景
3.2?机器学习的类型
3.3?机器学习的方法
??   3.3.1 监督学习的算法
??   3.3.2 无监督学习的算法
3.4 机器学习的工具
第4章?人工神经网络与深度学习
4.1?神经网络的发展概况
4.2?神经元
??   4.2.1?生物神经元结构
??   4.2.2?人工神经元
4.3?人工神经网络
??   4.3.1?人工神经网络的基本特征
??   4.3.2?几种典型的人工神经网络模型
??   4.3.3?人工神经网络的发展方向
??   4.3.4?人工神经网络的应用
4.4?深度学习
??   4.4.1?深度学习的定义
??   4.4.2?卷积神经网络的结构
??   4.4.3?卷积神经网络的训练过程
??   4.4.4?深度学习的应用
第5章 智能识别
5.1?计算机视觉
5.2?图像识别
5.3?模式识别
??   5.3.1 模式识别概述
??   5.3.2 模式识别的基本方法
5.4?语音识别
5.5?生物特征识别
第6章?自然语言处理
6.1?自然语言处理概述
??   6.1.1?自然语言处理的基本概念
??   6.1.2?自然语言处理的发展
??   6.1.3?自然语言处理的难点
6.2?自然语言处理过程的层次任务
6.3 自然语言处理中的几种不同方法
??   6.3.1 基于规则的专家系统
??   6.3.2 基于统计的学习方法
??   6.3.3 基于深度学习的方法
6.4 中文语料库
6.5 自然语言处理的应用
第7章 专家系统
7.1?专家系统概述
7.2?专家系统的基本结构与工作原理
7.3?专家系统的开发工具
7.4?专家系统的设计与实现
??   7.4.1?专家系统的基本设计思想
??   7.4.2?专家系统设计的关键问题
??   7.4.3 专家系统的构造原则
??   7.4.4 专家系统的主要设计步骤
??   7.4.5 专家系统选择的原则
??   7.4.6 专家系统开发的基本步骤
第8章 智能体与智能机器人
8.1?智能体
??   8.1.1?分布式人工智能
??   8.1.2?智能体的概念
??   8.1.3?智能体的特性
??   8.1.4?智能体的结构
??   8.1.5?智能体结构分类
??   8.1.6?Agent的应用
8.2?多智能体
??   8.2.1?多智能体系统
??   8.2.2?多智能体系统的模型结构
??   8.2.3?多智能体协商
??   8.2.4?多智能体系统应用领域
8.3?智能机器人
??   8.3.1?智能机器人的发展历程
??   8.3.2?智能机器人的分类
??   8.3.3?智能机器人的结构
??   8.3.4?智能机器人的研究方向
第9章?Python语言
9.1?人工智能语言
??   9.1.1?常用的人工智能语言
??   9.1.2?其他AI编程语言
9.2?Python语言基础
??   9.2.1?Python语言概述
??   9.2.2?Python开发环境搭建
??   9.2.3?运行Python
??   9.2.4?Python语句与编程基础
??   9.2.5?变量与运算符
??   9.2.6?字符串、列表、元组、字典
??   9.2.7?函数
9.3?Python语言中的AI库
9.4?Python语言在AI领域中的应用
9.5?Python AI开源项目
第10章?人工智能案例设计与实现
10.1?智能聊天机器人
10.2?智能识别手写数字
??   10.2.1?背景知识
??   10.2.2?功能设计
??   10.2.3?编码实现
??   10.2.4?功能测试

参考文献

内容摘要
2-1知识与知识表示   

人类之所以有智能行为是因为其拥有知识，智能活动过程其实就是一个获得并运用知识的过程，要使机器系统具有人的智能与能力，则必须以人的知识为基础，知识是人工智能的基石。但人类的知识要用适当的模式表示出来，才能够存储到计算机中并被识别和运用，本节将对人工智能中常用的几种知识表示方法进行介绍，为后续学习奠定基础。 

2．1．1知识 

机器可以模仿人类的视觉、听觉等感知能力，但这种感知能力不是人类的专属。动物也具备感知能力，甚至某些感知能力比人类更强，比如狗的嗅觉，机器在某些方面也可以比人类更强。但认知是人类的专属能力，也是机器实现人工智能的核心所在，知识的价值就在于可以让机器在感知能力的基础上形成认知能力。因此，什么是知识?这是人工智能首先要解决的问题。   

知识是人类在实践中认识客观世界(包括人类自身)的成果，它包括事实、信息的描述或在教育和实践中获得的技能。知识是人类从各个途径中获得的并经过提升、总结与凝练的系统的认识。人们把实践中获得的信息关联在一起，形成的信息结构就是知识。信息之间有多种关联形式，其中用得最多的是“如……则……”表示的关联形式，它反映了信息之间的因果关系，在人工智能中，这种知识被称为“规则”。例如，把红灯亮和停止行走两个信息关联在一起，就得到如下知识点：如果红灯亮，则停止行走。还有一种类型的知识称为“事实”，比如“太阳是圆的”也是一条知识点，它反映了“太阳”和“圆”之间的关系，这是一个事实性知识。   

在人工智能中，通常从知识的作用及表示来划分，把问题求解所需的知识分为3种类型： 

(1)叙述性知识。有关系统状态、环境和条件、问题的概念、定义和事实的知识。   

(2)过程性知识。有关系统状态变化、问题求解过程的操作、演算和行动的知识。  

(3)控制性知识。有关如何选择操作、演算和行动的比较、判断、管理和决策的知识。   

例如，对于上班是自己开车还是乘坐公交的问题，有关知识可以归纳如下。   

叙述性知识：上班、汽车、公交、时间、费用。   

过程性知识：开车、坐公交。   

控制性知识：自己开车较快、较贵；坐公交较慢、较便宜。   

2．1．2知识表示   

提到人工智能问题，知识如何表示的问题就浮出了水面。为了处理知识、产生智能结 果，人工智能系统需要获得和存储知识，从而也就需要能够识别和表示该知识。选择何种表示方法与所要解决和理解问题的本质紧密相关。正如专家所评论的，一种好的表示选择与为特定问题设计的算法或解决方案一样重要。良好和自然的表示方法有利于快速得到可理解的解决方案。同样，差的表示方法可能让人窒息。   

知识表示是知识的符号化和形式化的过程，是用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识表示可以看成是一组描述事物的约定，以把人类知识表示成机器能处理的数据结构。人工智能问题的求解是以知识表示为基础的，如何将已获得的知识以计算机内部代码形式加以合理描述、存储、有效利用就是知识表示应该解决的问题。目前已经提出了许多种知识表示的方法，比较常见的有谓词逻辑表示法、产生式表示法、状态空间表示法、框架表示法、语义网络表示法等，具体选择哪种知识表示方法，应从以下几个方面进行考虑：   

·充分表示领域知识。   

·有利于对知识的利用。   

·便于对知识的组织、维护与管理。   

·便于理解和实现。   

下面分别列举常用的知识表示方法。   

2．1．3常用的知识表示方法   

1．逻辑表示法   

逻辑表示法以谓词形式来表示动作的主体、客体，是一种叙述性知识表示方式。利用逻辑公式，人们能描述对象、性质、状况和关系，主要分为命题逻辑和谓词逻辑。   

逻辑表示法主要用于自动定理的证明，而其中谓词逻辑的表现方式与人类自然语言比较接近，适用于自然而精确地表达人类思维和推理的有关知识，是最基本的知识表达方法。

例：用谓词逻辑表示知识“所有教师都有自己的学生”。   

首先定义谓词：’reacher(x)：表示x是教师。   

Student(y)：表示y是学生。    ’

reaches(x，y)：表示x是y的老师。   

此时，该知识可用谓词表示为：(Vx)(|y)(’leacher_(x)_’Feachers(x，y)^Student(y))。    该谓词公式可读作：对所有的x，如果x是一个教师，那么一定存在一个个体y，x是y的老师，且y是一个学生。   

2．产生式表示法   

产生式表示法又称规则表示法，表示一种条件一结果形式，是目前应用最多的一种知识表示方法，也是一种比较成熟的表示方法。   

产生式表示法适用于表示具有因果关系的知识，其一般形式为：前件一后件，前件为条件，后件为结果，由逻辑运算符AND、OR、NOI’组成表达式。   

3．语义网络表示法   

语义网络表示法是通过概念及其语义关系来表达知识的一种网络图，利用节点和“带标   ’‘……




主编推荐
 人工智能基础 

精彩内容
本书主要面向大专(高职)一年级学生，帮助学生了解人工智能的基础知识，熟悉人工智能技术和产业的发展现状与市场需求，培养学生的人工智能应用能力，主要内容包括人工智能概述、知识表示和知识图谱、机器学习、人工神经网络与深度学习、智能识别、自然语言处理、专家系统、智能体与智能机器人、Python语言、人工智能案例设计与实现。本书面向高等职业院校所有专业的学生，使学生了解人工智能的研究和应用，帮助学生了解人工智能对现代生活的改变和影响，熟悉人工智能对工业、医疗、安防、社交、机器人、无人驾驶、家居、生活服务等方面的应用渗透；帮助学生了解人工智能的发展过程与基本知识，熟悉人工智能产业的发展现状与市场需求，培养人工智能的应用能力。因此本书适合作为高职院校所有专业的通识教材，用于开拓学生的科技视野，培养人工智能的应用能力。

媒体评论
人工智能基础

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP