高级人工智能：第3版

图书标准信息

• 作者 史忠植 著
• 出版社 科学出版社
• 出版时间 2016-02
• 版次 31
• ISBN 9787030316851
• 定价 88.00元
• 装帧 平装
• 开本 32开
• 纸张 胶版纸
• 页数 584页
• 字数 708千字
• 正文语种 简体中文
• 丛书 智能科学技术著作丛书

【内容简介】

　　人工智能是研究解释和模拟人类智能、智能行为及其规律的一门学科，建立智能信息处理理论，研制智能机器和智能系统，延伸和扩展人类智能。

  《高级人工智能(第三版)》共16章。第1～6章讨论人工智能的认知问题和自动推理，论述逻辑基础、约束推理、定性推理、基于案例的推理、概率推理；第7～14章重点讨论机器学习和知识发现，包括归纳学习、支持向量机、解释学习、强化学习、无监督学习、关联规则、进化计算、知识发现；第15章阐述主体计算；第16章讨论互联网智能。与本书第二版相比，增加了两章新内容。其他章节也作了较大的修改和补充。

  《高级人工智能(第三版)》内容新颖，反映了人工智能领域的最新研究进展，总结了作者多年的科研成果。全书力求从理论、算法、系统、应用等方面讨论人工智能的方法和关键技术。《高级人工智能(第三版)》可作为高等院校信息领域相关专业的高年级本科生和研究生的教材，也可供相关科技人员学习参考。

【目录】

《智能科学技术著作丛书》序

前言

第1章　绪论

　1.1人工智能的渊源

　1.2人工智能的认知问题

　1.3思维的层次模型

　1.4符号智能

　1.5人工智能的研究方法

　1.6自动推理

　1.7机器学习

　1.8分布式人工智能

　1.9智能系统

　习题

第2章　人工智能逻辑

　2.1概述

　2.2逻辑程序设计

　2.3封闭世界假设

　2.4非单调逻辑

　2.5默认逻辑

　2.6限制逻辑

　2.7非单调逻辑nml

　2.8自认知逻辑

　2.9真值维护系统

　2.10情景演算

　2.11框架问题

　2.12动态描述逻辑ddl

　习题

第3章　约束推理

　3.1概述

　3.2回溯法

　3.3约束传播

　3.4约束传播在树搜索中的作用

　3.5智能回溯与真值维护

　3.6变量例示次序与赋值次序

　3.7局部修正搜索法

　3.8基于图的回跳法

　3.9基于影响的回跳法

　3.10约束关系运算的处理

　3.11约束推理系统cops

　3.12ilogsolver

　习题

第4章　定性推理

　4.1概述

　4.2定性推理的基本方法

　4.3定性模型推理

　4.4定性进程推理

　4.5定性仿真推理

　4.6代数方法

　4.7几何空间定性推理

　习题

第5章　基于案例的推理

　5.1概述

　5.2类比的形式定义

　5.3相似性关系

　5.4基于案例推理的工作过程

　5.5案例的表示

　5.6案例的索引

　5.7案例的检索

　5.8案例的利用

　5.9案例的保存

　5.10基于例示的学习

　5.11案例工程

　5.12中心渔场预报专家系统

　习题

第6章　贝叶斯网络

　6.1概述

　6.2贝叶斯概率基础

　6.3贝叶斯问题的求解

　6.4简单贝叶斯学习模型

　6.5贝叶斯网络的建造

　6.6贝叶斯潜在语义模型

　6.7半监督文本挖掘算法

　习题

第7章　归纳学习

　7.1概述

　7.2归纳学习的逻辑基础

　7.3偏置变换

　7.4变型空间方法

　7.5aq归纳学习算法

　7.6cls学习算法

　7.7id3学习算法

　7.8单变量决策树的交行处理

　7.9归纳学习的计算理论

　习题

第8章　统计学习

　8.1统计方法

　8.2统计学习问题

　8.3学习过程的一致性

　8.4结构风险最小归纳原理

　8.5支持向量机

　8.6核函数

　8.7邻近支持向量机

　8.8极端支持向量机

　习题

第9章　解释学习

　9.1概述

　9.2解释学习模型

　9.3解释泛化学习方法

　9.4全局取代解释泛化方法

　9.5解释特化学习方法

　9.6解释泛化的逻辑程序

　9.7基于知识块的soar系统

　9.8可操作性

　9.9不完全领域知识下的解释学习

　习题

第10章　强化学习

　10.1概述

　10.2强化学习模型

　10.3动态规划

　10.4蒙特卡罗方法

　10.5时序差分学习

　10.6q学习

　10.7强化学习中的函数估计

　10.8强化学习的应用

　习题

第11章　无监督学习

　11.1概述

　11.2相似性度量

　11.3划分方法

　11.4层次聚类方法

　11.5基于密度的聚类

　11.6基于网络方法

　11.7基于模型的方法

　11.8模糊聚类

　11.9蚁群聚类方法

　11.10聚类方法的评价

　习题

第12章　关联规则

　12.1概述

　12.2基本概念

　12.3二值型关联规则挖掘

　12.4频繁模式树挖掘算法

　12.5垂直挖掘算法

　12.6挖掘关联规则的数组方法

　12.7频繁闭项集的挖掘算法

　12.8最大频繁项集的挖掘算法

　12.9增量式关联规则挖掘

　12.10模糊关联规则的挖掘

　12.11任意多表间关联规则的并行挖掘

　12.12基于分布式系统的关联规则挖掘算法

　习题

第13章　进化计算

　13.1概述

　13.2进化系统理论的形式模型

　13.3达尔文进化算法

　13.4基本遗传算法

　13.5遗传算法的数学理论

　13.6遗传算法的编码方法

　13.7适应度函数

　13.8遗传操作

　13.9变长度染色体遗传算法

　13.10小生境遗传算法

　13.11混合遗传算法

　13.12并行遗传算法

　13.13分类器系统

　习题

第14章　知识发现

　14.1概述

　14.2知识发现的任务

　14.3知识发现的工具

　14.4msminer的体系结构

　14.5分布式知识发现

　习题

第15章　主体计算

　15.1概述

　15.2分布式问题求解

　15.3主体理论

　15.4主体结构

　15.5主体通信语言acl

　15.6协调和协作

　15.7移动主体

　15.8多主体环境

　习题

第16章　互联网智能

　16.1概述

　16.2语义web

　16.3本体知识管理

　16.4web挖掘

　16.5搜索引擎

　16.6web技术的演化

　16.7集体智能

　16.8展望

　习题

参考文献