• 【现货速发】人工智能导论
  • 【现货速发】人工智能导论
  • 【现货速发】人工智能导论
  • 【现货速发】人工智能导论
  • 【现货速发】人工智能导论
  • 【现货速发】人工智能导论
  • 【现货速发】人工智能导论
21年品牌 40万+商家 超1.5亿件商品

【现货速发】人工智能导论

全新正版书籍,24小时发货,可开发票。

24.6 5.1折 48 全新

库存23件

天津津南
认证卖家担保交易快速发货售后保障

作者韩敏,邱铁,刘颖 主编

出版社化学工业出版社

ISBN9787122385123

出版时间2021-06

装帧平装

开本16开

定价48元

货号29262468

上书时间2024-12-23

易安居书舍

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
商品描述
前言

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。从1956年正式提出,经过数十年来长足的发展,人工智能已经成为一门广泛的交叉和前沿科学,其理论成果在机器人、经济政治决策、控制系统、仿真系统中得到广泛应用。2018年4月,*印发《高等学校引领人工智能创新行动计划》,并研究设立人工智能专业,进一步完善了中国高校人工智能学科体系。2020年3月3日,*公布2019年度普通高等学校本科专业备案和审批结果,“人工智能”专业成为热门。目前自动化、计算机、电气、机械类等专业本科生,都开设了人工智能课程。

1.本书的形成

本书编者全部具有博士学位,专业涵盖控制科学与工程、计算机科学与技术、软件工程等,多年来从事人工智能、机器学习、模式识别、神经网络等领域的科学研究,同时也长期承担高校本科生的专业基础课以及人工智能相关前沿课程的教学任务,深知一本优秀的人工智能教材对学生知识水平的促进作用。编者选择人工智能中基础、实用的内容编写成书,在讲解基础理论的同时,加入丰富的案例,希望能够吸引学生兴趣,拓宽其知识视野,为学生在未来的科研工作中开拓思路。

2.本书特色

本书为适应工科学生学习的需求,在研究方法体系的选材上做了必要的取舍,重点讲解基础实用的理论算法,特别适合自动化与计算机等电气信息类、电子信息科学类专业的学生学习。

(1)语言简明易懂,可读性强

本书尽量采用简单朴素的语言和浅显易懂的例子,以图文并茂的形式,由浅入深,循序渐进,使读者能够有兴趣、有耐心阅读。

(2)内容基础实用,应用性强

人工智能是内容十分广泛的科学,它由不同的领域组成,如机器学习、计算机视觉等。本书在内容上精选一些基本理论与实用方法,并不一味追求学科前沿。通过本书的学习,读者能够轻松阅读其他的专业书籍,掌握更广、更深的内容。书中每章都加入了工程应用的实际案例,引导读者学习应用相关理论解决工程问题的方法。

(3)编排合理醒目,查阅性强

每章的章头设置了案例引入以及本章学习目标,使读者在学习该章之前明确该章的学习意义和目标,快速定位本章重点知识内容。

本书的第1~3、8章由韩敏编写,第4、9章由汪德刚编写,第5、11章由周惠巍编写,第6、10章由刘颖编写,第7章由邱铁和赵泽昊编写。

本书内容虽经过多位编者精心组织,但不妥之处在所难免,欢迎读者提出宝贵意见。

韩敏

2021年2月于大连

 



导语摘要

《人工智能导论》为大连理工大学“新工科”系列精品教材。

本书内容包括绪论、知识表示、确定性推理、不确定性推理、搜索求解策略、遗传算法及其应用、群智能算法及其应用、人工神经网络及其应用、机器学习、专家系统、自然语言理解及其应用等。

本书可供电子信息类专业本、专科学生作为教材使用,也可供从事人工智能领域的技术人员参考。

 



商品简介

《人工智能导论》为大连理工大学“新工科”系列精品教材。

本书内容包括绪论、知识表示、确定性推理、不确定性推理、搜索求解策略、遗传算法及其应用、群智能算法及其应用、人工神经网络及其应用、机器学习、专家系统、自然语言理解及其应用等。

本书可供电子信息类专业本、专科学生作为教材使用,也可供从事人工智能领域的技术人员参考。

 

 



作者简介



目录

1绪论

1.1人工智能的定义001

1.2人工智能发展简史003

1.3人工智能的研究方法006

1.3.1人工智能研究的特点006

1.3.2人工智能研究的途径007

1.4人工智能的应用009

1.4.1无人驾驶009

1.4.2智能机器人009

1.4.3图像识别010

1.4.4语音识别010

1.4.5智能控制011

1.4.6人工神经网络011

1.4.7机器学习012

1.4.8专家系统013

1.4.9计算机视觉014

1.4.10人工生命015

1.5人工智能的发展趋势与存在的问题016

1.5.1人工智能的发展趋势016

1.5.2人工智能存在的问题016

2知识表示

2.1知识与知识表示的概念019

2.1.1知识的概念019

2.1.2知识的特性019

2.1.3知识的表示020

2.2一阶谓词逻辑表示法021

2.2.1基本概念021

2.2.2谓词公式024

2.2.3谓词逻辑表示法025

2.2.4谓词逻辑表示法的特点026

2.3产生式表示法026

2.3.1产生式的知识表示027

2.3.2产生式系统的组成028

2.3.3基于产生式系统的推理029

2.3.4产生式表示法的特点030

2.4框架表示法031

2.4.1框架的一般结构032

2.4.2基于框架的推理034

2.4.3框架表示法的特点034

2.5语义网络表示法035

2.5.1基本语义关系036

2.5.2复合语义关系037

2.5.3基于语义网络的推理039

2.5.4语义网络表示法的特点041

3确定性推理

3.1推理的基本概念042

3.1.1推理的定义042

3.1.2推理方式及其分类043

3.1.3推理的方向044

3.1.4冲突消解策略046

3.2自然演绎推理047

3.3归结演绎推理049

3.3.1谓词公式化为子句集的方法049

3.3.2海伯伦理论052

3.3.3鲁宾孙归结原理053

3.3.4归结反演056

3.3.5应用归结原理求解问题056

3.3.6归结策略057

3.4与或型演绎推理062

3.4.1与或型正向演绎推理062

3.4.2与或形逆向演绎推理064

3.4.3与或型双向演绎推理066

4不确定性推理

4.1不确定性推理概述068

4.2概率推理方法070

4.2.1纯概率推理070

4.2.2主观Bayes方法071

4.3证据理论074

4.3.1假设的不确定性074

4.3.2证据的组合函数076

4.3.3证据理论的不确定性推理算法076

4.4模糊推理系统078

4.4.1模糊集合及模糊关系078

4.4.2语言变量和模糊If-Then规则080

4.4.3模糊推理082

5搜索求解策略

5.1搜索的基本概念086

5.1.1搜索的过程086

5.1.2搜索的方向086

5.1.3搜索的种类086

5.2状态空间表示法087

5.2.1状态空间表示的基本概念087

5.2.2状态空间的图描述088

5.3盲目搜索策略090

5.3.1深度优先搜索策略090

5.3.2宽度优先搜索策略092

5.4代价树搜索策略093

5.4.1近择优搜索093

5.4.2小代价优先搜索094

5.5启发式搜索策略095

5.5.1启发信息和估价函数095

5.5.2启发式策略096

5.5.3A搜索算法097

5.5.4A*搜索算法099

5.6与或图搜索100

5.6.1问题的归约描述100

5.6.2与或图表示法101

5.6.3AO*算法102

6遗传算法及应用

6.1遗传算法概述104

6.1.1遗传算法的发展历史105

6.1.2遗传算法的基本思想106

6.2编码和种群107

6.2.1编码107

6.2.2种群108

6.3适应度函数109

6.4遗传算子110

6.4.1选择算子110

6.4.2交叉算子112

6.4.3变异算子112

6.5遗传算法的总体流程和特点113

6.6遗传算法的改进算法114

6.6.1自适应遗传算法114

6.6.2分层遗传算法116

6.6.3并行遗传算法117

6.7多目标遗传算法118

6.8遗传算法的应用119

7群智能算法及其应用

7.1群智感知的研究内容122

7.1.1众包思想124

7.1.2社交活动感知124

7.1.3周围环境感知124

7.2群智任务感知质量125

7.2.1机会覆盖率125

7.2.2数据质量可靠性126

7.3群智感知网络数据传输126

7.3.1信息扩散模型127

7.3.2机会数据收集128

7.4群智感知网络的激励机制129

7.4.1Game激励130

7.4.2货币激励131

7.5群智感知的应用场景133

7.5.1环境监测和灾害防控133

7.5.2公共设施和安全134

7.5.3移动设备视频众包134

8人工神经网络及其应用

8.1神经网络的发展简史136

8.2人工神经网络的研究内容与特点137

8.2.1人工神经网络的研究内容137

8.2.2人工神经网络的特点138

8.3神经元和神经网络138

8.3.1生物神经元结构138

8.3.2神经元的数学模型139

8.3.3神经网络的结构140

8.3.4神经网络的工作方式141

8.3.5神经网络的学习141

8.4前馈神经网络模型141

8.4.1感知机网络141

8.4.2BP神经网络142

8.4.3RBF径向基网络145

8.5反馈神经网络147

8.5.1离散型Hopfield网络147

8.5.2连续型Hopfield网络149

8.5.3Hopfield网络存在的问题150

8.6随机神经网络151

8.6.1模拟退火算法151

8.6.2玻尔兹曼机152

8.7神经网络的应用154

8.7.1神经网络在模式识别中的应用154

8.7.2神经网络在软测量中的应用156

8.7.3Hopfield神经网络在优化上的应用156

9机器学习

9.1机器学习概述159

9.2决策树学习161

9.3逻辑回归164

9.4支持向量机165

9.5聚类分析168

9.5.1K均值算法168

9.5.2DBSCAN170

9.5.3模糊C均值171

9.6强化学习171

10专家系统

10.1专家系统的由来和发展175

10.1.1专家系统的提出175

10.1.2专家系统的发展175

10.2专家系统概述176

10.2.1专家系统的定义176

10.2.2专家系统的分类176

10.2.3专家系统的特点178

10.3专家系统的结构179

10.3.1专家系统的概念结构179

10.3.2专家系统的实际结构180

10.4知识获取182

10.4.1知识获取的过程与模式182

10.4.2知识的检测与求精183

10.4.3知识的组织与管理185

10.5专家系统的建立186

10.5.1专家系统的选题原则186

10.5.2专家系统的设计原则187

10.5.3专家系统的开发步骤187

10.5.4专家系统的评价189

10.6专家系统实例190

10.6.1医学专家系统——MYCIN190

10.6.2地质勘探专家系统——PROSPECTOR195

10.7专家系统的开发工具197

10.7.1研究开发工具的作用与意义197

10.7.2专家系统开发工具的类型197

11自然语言处理与应用

11.1自然语言处理概述200

11.1.1自然语言处理的基本方法200

11.1.2自然语言处理的发展历史200

11.1.3自然语言处理的研究意义201

11.2词法分析202

11.3句法分析203

11.3.1短语结构语法和Chomsky语法203

11.3.2句法分析树205

11.4语义分析206

11.4.1逻辑形式表达及语义解析206

11.4.2义素分析法207

11.4.3语义分析文法208

11.5自然语言处理应用——信息检索209

11.5.1向量空间模型209

11.5.2排序学习模型211

11.5.3信息检索系统的评测212

11.6自然语言处理的应用——机器翻译214

11.6.1机器翻译的发展215

11.6.2机器翻译方法215

11.6.3机器翻译评估方法219

参考文献


 



内容摘要

《人工智能导论》为大连理工大学“新工科”系列精品教材。

本书内容包括绪论、知识表示、确定性推理、不确定性推理、搜索求解策略、遗传算法及其应用、群智能算法及其应用、人工神经网络及其应用、机器学习、专家系统、自然语言理解及其应用等。

本书可供电子信息类专业本、专科学生作为教材使用,也可供从事人工智能领域的技术人员参考。


 



   相关推荐   

—  没有更多了  —

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