人工智能原理与方法

图书标准信息

• 作者 王永庆 著
• 出版社 西安交通大学出版社
• 出版时间 2006-12
• 版次 1
• ISBN 9787560509341
• 定价 32.00元
• 装帧 平装
• 开本 其他
• 纸张 其他
• 页数 466页

【内容简介】

　　《人工智能原理与方法》较全面地介绍了人工智能的基本理论、方法及其应用技术。全书共12章，可分为三大部分：第一部分包括第1章至第6章，论述了人工智能的三大技术，即知识表示、推理及搜索，重点讨论了不确定性的表示及处理技术；第二部分包括第7章至第10章，着重讨论了专家系统、机器学习、模式识别及智能决策支持系统等研究领域的有关概念及系统构成技术；第三部分包括第11章和第12章，分别讨论了神经网络和智能计算机的概念、模型、研究现状及展望等。

【目录】

目录
第1章绪论
1.1什么是人工智能
1.1.1智能
1.1.2人工智能
1.1.3人工智能的发展简史
1.2人工智能的研究目标及基本内容
1.2.1人工智能的研究目标
1.2.2人工智能研究的基本内容
1.3人工智能的研究途径
1.3.1以符号处理为核心的方法
1.3.2以网络连接为主的连接机制方法
1.3.3系统集成
1.4人工智能的研究领域
1.4.1专家系统
1.4.2机器学习
1.4.3模式识别
1.4.4自然语言理解
1.4.5自动定理证明
1.4.6自动程序设计
1.4.7机器人学
1.4.8　博弈
1.4.9智能决策支持系统
1.4.10　人工神经网络
本章小结
习题
第2章人工智能的数学基础
2.1命题逻辑与谓词逻辑
2.1.1命题
2.1.2谓词
2.1.3谓词公式
2.1.4　谓词公式的解释
2.1.5谓词公式的永真性.可满足性.不可满足性
2.1.6谓词公式的等价性与永真蕴含
2.2　多值逻辑
2.3概率论
2.3.1随机现象
2.3.2样本空间与随机事件
2.3.3事件的概率
2.3.4条件概率
2.3.5全概率公式与Bayes公式
2.4模糊理论
2.4.1模糊性
2.4.2集合与特征函数
2.4.3模糊集与隶属函数
2.4.4模糊集的表示方法
2.4.5模糊集的运算
2.4.6模糊集的λ水平截集
2.4.7模糊度
2.4.8模糊数
2.4.9模糊关系及其合成
2.4.10模糊变换
2.4.11实数域上几种常用的隶属函数
2.4.12建立隶属函数的方法
本章小结
习题
第3章知识与知识表示
3.1基本概念
3.1.1什么是知识
3.1.2知识的特性
3.1.3知识的分类
3.1.4知识的表示
3.2一阶谓词逻辑表示法
3.2.1表示知识方法
3.2.2一阶谓词逻辑表示法的特点
3.3产生式表示法
3.3.1产生式的基本形式
3.3.2产生式系统
3.3.3产生式系统的分类
3.3.4产生式表示法的特点
3.4框架表示法
3.4.1框架理论
3.4.2框架
3.4.3框架网络
3.4.4框架中槽的设置与组织
3.4.5框架系统中求解问题的基本过程
3.4.6框架表示法的特点
3.5语义网络表示法
3.5.1语义网络的概念
3.5.2知识的语义网络表示
3.5.3常用的语义联系
3.5.4语义网络系统中求解问题的基本过程
3.5.5语义网络表示法的特点
3.6脚本表示法
3.6.1概念依赖理论
3.6.2脚本
3.7过程表示法
3.7.1表示知识方法
3.7.2过程表示法的特点
3.8Petri网表示法
3.8.1表示知识方法
3.8.2Petri网表示法的特点
3.9面向对象表示法
3.9.1面向对象的基本概念
3.9.2表示知识方法
本章小结
习题
第4章经典逻辑推理
4.1基本概念
4.1.1什么是推理
4.1.2推理方式及其分类
4.1.3推理的控制策略
4.1.4模式匹配
4.1.5冲突消解策略
4.2自然演绎推理
4.3归结演绎推理
4.3.1子句
4.3.2海伯伦理论
4.3.3鲁宾逊归结原理
4.3.4归结反演
4.3.5应用归结原理求取问题的答案
4.3.6归结策略
4.4与／或形演绎推理
4.4.1与／或形正向演绎推理
4.4.2与域形逆向演绎推理
4.4.3与域形双向演绎推理
4.4.4代换的一致性及剪枝策略
本章小结
习题
第5章不确定与非单调推理
5.1基本概念
5.1.1什么是不确定性推理
5.1.2不确定性推理中的基本问题
5.1.3不确定性推理方法的分类
5.2概率方法
5.2.1经典概率方法
5.2.2逆概率方法
5.3主观Bayes方法
5.3.1知识不确定性的表示
5.3.2证据不确定性的表示
5.3.3组合证据不确定性的算法
5.3.4不确定性的传递算法
5.3.5结论不确定性的合成算法
5.4可信度方法
5.4.1可信度的概念
5.4.2C-F模型
5.4.3带有阈值限度的不确定性推理
5.4.4加权的不确定性推理
5.4.5前提条件中带有可信度因子的不确定性推理
5.5证据理论
5.5.1D－S理论
5.5.2一个具体的不确定性推理模型
5.6模糊推理
5.6.1模糊命题
5.6.2　模糊知识的表示
5.6.3模糊匹配与冲突消解
5.6.4模糊推理的基本模式
5.6.5简单模糊推理
5.6.6　模糊三段论推理
5.6.7　多维模糊推理
5.6.8多重模糊推理
5.6.9带有可信度因子的模糊推理
5.7基于框架表示的不确定性推理
5.7.1不确定性知识的框架表示
5.7.2框架的不确定性匹配
5.7.3框架推理
5.8基于语义网络表示的不确定性推理
5.8.1不确定性知识的语义网络表示
5.8.2　语义网络推理
5.9　非单调推理
5.9.1非单调推理的概念
5.9.2缺省理论
5.9.3界限理论
5.9.4正确性维持系统TMS
本章小结
习题
第6章　搜索策暗
6.1基本概念
6.1.1什么是搜索
6.1.2状态空间表示法
6.1.3　与域树表示法
6.2状态空间的搜索策略
6.2.1状态空间的一般搜索过程
6.2.2　广度优先搜索
6.2.3深度优先搜索
6.2.4有界深度优先搜索
6.2.5代价树的广度优先搜索
6.2.6代价树的深度优先搜索
6.2.7　启发式搜索
6.2.8A*算法
6.3与域树的搜索策略
6.3.1与域树的一般搜索过程
6.3.2与域树的广度优先搜索
6.3.3与域树的深度优先搜索
6.3.4与域树的有序搜索
6.3.5博弈树的启发式搜索
6.3.6α-β剪枝技术
6.4搜索的完备性与效率
6.4.1完备性
6.4.2搜索效率
本章小结
习题
第7章专家系统
7.1基本概念
7.1.1什么是专家系统
7.1.2专家系统的产生与发展
7.1.3专家系统的分类
7.2专家系统的一般结构
7.2.1人机接口
7.2.2　知识获取机构
7.2.3知识库及其管理系统
7.2.4推理机
7.2.5数据库及其管理系统
7.2.6解释机构
7.3知识获取
7.3.1知识获取的任务
7.3.2　知识获取方式