人工智能（第3版）
批量上传，套装书可能不全，下单前咨询在线客服！有特殊要求，下单前请咨询客服！
￥ 42.75 7.2折 ￥ 59 全新
库存7件
作者朱福喜
出版社清华大学出版社
ISBN9787302458876
出版时间2017-02
装帧平装
开本32开
定价59元
货号24183889
上书时间2024-11-01
商品详情
- 品相描述：全新
- 商品描述
-
前言
前言
人工智能作为研究机器智能和智能机器的一门综合性高技术学科，产生于20世纪50年代，曾经在20世纪末经历了一个轰轰烈烈的研究和发展时期，并且取得过不少令人鼓舞的成就，至今它仍然是计算机科学中备受人们重视和非常具有吸引力的前沿学科，并不断衍生出很多新的研究方向。 使计算机程序具有智能，能够模拟人的思维和行为，一直是计算机科学工作者的理想和追求。尽管人工智能的发展道路崎岖不平，自始至终充满了艰辛，但不畏艰难地从事人工智能研究的科学工作者们并没有放弃对这个理想的追求；尽管计算机科学其他分支的发展也非常迅猛，并不断出现些新的学科领域，但是当这些学科的发展进一步深化的时候，人们不会忘记这样一个共同的目标：要使计算机更加智能化。所以不同知识背景和专业的人们都密切关注人工智能这门具有崭新思想和实用价值的综合性学科，并正从这个领域发现某些新思想和新方法。 人工智能的研究范畴不只局限于计算机科学和技术，而是涉及心理学、认知科学、思维科学、信息科学、系统科学和生物科学等多个学科，目前已在知识处理、模式识别、自然语言处理、博弈、自动定理证明、自动程序设计、专家系统、知识库、智能机器人、智能计算、数据挖掘和知识发现等多个领域取得了举世瞩目的成果，并形成了多元化的发展方向。近几年来，随着计算机网络，尤其是Internet的发展，多媒体、分布式人工智能和开放分布式环境下的多智体（multiagent）以及知识挖掘等计算机主流技术的兴起，使得人工智能研究更加活跃，拓宽了其研究和应用的领域，正朝着健康和成熟的方向发展。然而，也必须看到尽管人工智能取得了以上所述的许多成果，但是比起人工智能刚刚兴起时许多专家的预想还相差甚远，很多在当时过于乐观的设想并没有实现，探究其原因也许要追溯到目前人类对自身的思维规律和智能行为研究仍然处于探索阶段，因此，人工智能研究要比这些专家的预想艰难、复杂得多。甚至到今天，对机器能否实现智能仍有争论。这种状况正如Lovelace女士一百多年前曾经说过的：
在考虑任何新颖课题时，常常存在一种倾向，先是过高估计已发现是有趣或值得注意的东西。接着，当发现所研究的概念已超过曾一度保持不变的那些概念时，作为一种自然的反应，就会过低估计该事件的真实状况。
因此，我们必须清楚地认识到：人工智能研究道路的曲折和艰难以及许多尖锐的争论并不表明人工智能学科没有前景，它只是向我们表明理解人类认知和智能的机制，探索“智力的形成”是人类面临的困难、复杂的课题之一。摆在人工智能学科面前的任务是极其艰巨和复杂的，这需要广大的计算机科学工作者不畏艰难，勇于探索，辛勤耕耘，共同开创人工智能发展的美好未来。 本书系统地阐述了人工智能的基本原理、实现技术及其应用，全面地反映了国内外人工智能研究领域的进展和发展方向。全书共19章，分为4个部分。第1部分是搜索与问题求解，用8章的篇幅系统地叙述了人工智能中用各种搜索方法求解的原理和方法，内容包括状态空间和传统的图搜索算法、和声算法、禁忌搜索算法、遗传算法、免疫算法、粒子群算法、蚁群算法和Agent技术等；第2部分为知识与推理，用4章的篇幅讨论各种知识表示和处理技术、各种典型的推理技术，还包括非经典逻辑推理技术和非协调逻辑推理技术；第3部分为学习与发现，用3章的篇幅讨论传统的机器学习算法、神经网络学习算法、数据挖掘和知识发现技术；第4部分为领域应用，用3章分别讨论专家系统开发技术和自然语言处理原理和方法以及智能机器人技术。 本书参考了许多较新的国外同类教材和其他文献，力求保持新颖性和实用性，强调基本概念和基本观点，注重理论和实际相结合，配备有大量辅助教学的演示实例及推理系统。 本书作为大学本科学习人工智能的教科书, 虽然内容较多, 但可以选择一些基本内容，如问题求解、知识表达、推理等基本方法与技术以及数据挖掘技术等进行讲授。本书也可以作为研究生教材和计算机专业工作者了解人工智能的自学用书。 作者在编写本书时经过了漫长的总结经验和收集意见的过程，并与若干老师和同事合作编写了多种同类教材，得到了他们大量的帮助，在此向这些老师和同事表示衷心的感谢。 在本书的编写过程中, 作者参考了刘娟博士、金涛博士的博士论文, 在编写和搜集资料方面还得到了朱三元、粟藩臣、金敏、杨云水、操郡、朱炜、王丁彬、李珂、贺亢、陈杰、方博、何淼、刘岩、林仁富、黄一钊、刘思等博士和硕士研究生的大力支持，在此向他们表示衷心感谢。 由于水平所限，书中难免存在不足之处，恳请读者批评指正，使本书得以改进和完善。
作者2016年10月于汉口学院
导语摘要
本书系统地阐述了人工智能的基本原理、实现技术及其应用，全面地反映了国内外人工智能研究领域的*进展和发展方向。全书共19章，分为4个部分： 第1部分是搜索与问题求解，用8章的篇幅系统地叙述了人工智能中各种搜索方法求解的原理和方法，内容包括状态空间和传统的图搜索算法、和声算法、禁忌搜索算法、遗传算法、免疫算法、粒子群算法、蚁群算法和Agent技术等；第2部分为知识与推理，用4章的篇幅讨论各种知识表示和处理技术、各种典型的推理技术，还包括非经典逻辑推理技术和非协调逻辑推理技术；第3部分为学习与发现，用3章的篇幅讨论传统的机器学习算法、神经网络学习算法、数据挖掘和知识发现技术；第4部分为领域应用，用3章分别讨论专家系统开发技术和自然语言处理原理和方法。 这些内容能够使读者对人工智能的基本概念和人工智能系统的构造方法有一个比较清楚的认识，对人工智能研究领域里的*成果有所了解。 本书强调先进性、实用性和可读性，可作为计算机、信息处理、自动化和电信等IT相关专业的高年级本科生和研究生学习人工智能的教材，也可供从事计算机科学研究、开发和应用的教学和科研人员参考。
目录目录
第1章概述
1.1人工智能概述
1.2AI的产生及主要学派
1.3人工智能、专家系统和知识工程
1.4AI模拟智能成功的标准
1.5人工智能应用系统
1.6人工智能的技术特征
习题1
第1部分搜索与问题求解
第2章用搜索求解问题的基本原理
2.1搜索求解问题的基本思路
2.2实现搜索过程的三大要素
2.2.1搜索对象
2.2.2扩展规则
2.2.3目标测试
2.3通过搜索求解问题
2.4问题特征分析
2.4.1问题的可分解性
2.4.2问题求解步骤的撤回
2.4.3问题全域的可预测性
2.4.4问题要求的解的满意度
习题2
第3章搜索的基本策略
3.1盲目搜索方法
3.1.1宽度优先搜索
3.1.2深度优先搜索
3.1.3分支有界搜索
3.1.4迭代加深搜索
3.1.5一个盲目搜索问题的几种实现
3.2启发式搜索
3.2.1启发式信息的表示
3.2.2几种基本的搜索策略
3.3随机搜索
3.3.1模拟退火法
3.3.2其他典型的随机搜索算法
习题3
第4章图搜索策略
4.1或图搜索策略
4.1.1通用或图搜索算法
4.1.2A算法与A*算法
4.2与/或图搜索
4.2.1问题归约求解方法与“与/或图”
4.2.2与/或图搜索
4.2.3与/或图搜索的特点
4.2.4与/或图搜索算法AO*
4.2.5对AO*算法的进一步观察
4.2.6用AO*算法求解一个智力难题
习题4
第5章博弈与搜索
5.1人机大战
5.1.1国际象棋人机大战
5.1.2围棋人机大战
5.2博弈与对策
5.3极小极大搜索算法
5.3.1极小极大搜索的思想
5.3.2极小极大搜索算法
5.3.3算法分析与举例
5.4α-β剪枝算法
习题5
第6章演化搜索算法
6.1遗传算法的基本概念
6.1.1遗传算法的基本定义
6.1.2遗传算法的基本流程
6.2遗传编码
6.2.1二进制编码
6.2.2Gray编码
6.2.3实数编码
6.2.4有序编码
6.2.5结构式编码
6.3适应值函数
6.4遗传操作
6.4.1选择
6.4.2交叉操作
6.4.3变异操作
6.5初始化群体
6.6控制参数的选取
6.7算法的终止准则
6.8遗传算法的基本理论
6.8.1模式定理
6.8.2隐含并行性
6.8.3构造块假设
6.8.4遗传算法的收敛性
6.9遗传算法简例
6.10遗传算法的应用领域
6.11免疫算法
6.11.1免疫算法的发展
6.11.2免疫算法的基本原理
6.11.3生物免疫系统与人工免疫系统的对应关系
6.11.4免疫算法的基本类型和步骤
6.12典型免疫算法分析
6.12.1阴性选择算法
6.12.2免疫遗传算法
6.12.3克隆选择算法
6.12.4基于疫苗的免疫算法
6.13免疫算法设计分析
6.14免疫算法与遗传算法比较
6.14.1免疫算法与遗传算法的基本步骤比较
6.14.2免疫算法与遗传算法不同之处
6.14.3仿真实验及讨论
6.15免疫算法研究的展望
习题6
第7章群集智能算法
7.1群集智能算法的研究背景
7.2群集智能的基本算法介绍
7.2.1蚁群算法
7.2.2flock算法
7.2.3粒子群算法
7.3集智系统介绍
7.3.1人工鱼
7.3.2Terrarium世界
7.4群集智能的优缺点
习题7
第8章记忆型搜索算法
8.1禁忌搜索算法
8.1.1禁忌搜索算法的基本思想
8.1.2禁忌搜索算法的基本流程
8.1.3禁忌搜索示例
8.1.4禁忌搜索算法的基本要素分析
8.1.5禁忌搜索算法流程的特点
8.1.6禁忌搜索算法的改进
8.2和声搜索算法
8.2.1和声搜索算法简介和原理
8.2.2算法应用
8.2.3算法比较与分析
习题8
第9章基于Agent的搜索
9.1DAI概述
9.2分布式问题求解
9.3Agent的定义
9.3.1Agent的弱定义
9.3.2Agent的强定义
9.4Agent的分类
9.4.1按功能划分
9.4.2按属性划分
9.5Agent通信
9.5.1Agent通信概述
9.5.2言语动作
9.5.3SHADE通信机制
9.6移动Agent
9.6.1移动Agent系统的一般结构
9.6.2移动Agent的分类
9.6.3移动Agent的优点
9.6.4移动Agent的技术难点
9.6.5移动Agent技术的标准化
9.7移动Agent平台的介绍
9.7.1General Magic公司的Odysses
9.7.2IBM公司的Aglet
习题9
第2部分知识与推理
第10章知识表示与处理方法
10.1概述
10.1.1知识和知识表示的含义
10.1.2知识表示方法分类
10.1.3AI对知识表示方法的要求
10.1.4知识表示要注意的问题
10.2逻辑表示法
10.3产生式表示法
10.3.1产生式系统的组成
10.3.2产生式系统的知识表示
10.3.3产生式系统的推理方式
10.3.4产生式规则的选择与匹配
10.3.5产生式表示的特点
10.4语义网络表示法
10.4.1语义网络结构
10.4.2二元语义网络的表示
10.4.3多元语义网络的表示
10.4.4连接词和量词的表示
10.4.5语义网络的推理过程
10.4.6语义网络的一般描述
10.5框架表示法
10.5.1框架理论
10.5.2框架结构
10.5.3框架表示下的推理
10.6过程式知
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价