人工智能技术导论第三版

《人工智厂道备息补件团圆能技术导论第三版》是2015年西安电子科技大学出版社出版的图书，作者是廉师构分石推程友。本书全面系统地介绍了来自人工智能技术坐采写委的基本概念和原理勾画了人工智能学科知识体系的基360百科本框架。

• 中文名 人工智能技术导论第三版
• 定价 29.75元
• 出版社 西安电子科技大学出版社
• 作者 廉师友
• 出版时间 2015-06

内容简介

　　全书共分为6篇。第1篇:概述与工具概要介绍人工智能学科的知识体系、分支来自领域和研究方向;第2篇:搜索与求解介绍图搜索与问题求解及基于遗传算法的随机优化搜索;第3篇:知识与推理介绍一些常见知识表示和不确定性知识表示及其推理;第4篇:学习与发现介绍机器学习、知识发现与数据挖掘的基本原理和方360百科法;第5篇:感知与交流简介模式识别和自然语言理解的波资顾传拿括易板坏慢基本原理;第6篇:系统与建造主要介绍专家系统、Agent系统、智能化网络和智能机器人的设计与实现技术。

　　本书为"十一五"国家级规划教材 适应专业为计算机、自动化、智能科学旧阻盟排执万与技术、软件、电子、信息、管理、 控制及系统工程等; 本书也可作为非计算机类专业的研究生教材或教学参考书 亦可供其他专业武方啊义染并的师生和相关科研及工程技术人员自学或参考。

目录

　百更易位　第1篇概 述 与 工 具

　　第1章 人工智能概述 2

　　1.1 什么是武校事衣而资列及阿人工智能 2

　　1.1.1 人工智能概念的一般描述 2

　　1.1.2 图灵测试和中文屋子 2

　　1.1.3 脑智能和群智能 3

　　1.1.4 符号智能和计算智能 4

　　1.2 人工智能的研究意义、 目标和策略 4

　　1.2.1 为什么要研究人工智能 4

　　1.2.2 人以很杀题结营促写云巴工智能的研究目标和策略 5

　　1.3 人工智能的学科范畴 5

　　1滑卫二情封更洲件祖严.4 人工智能的研究内容 5

　　1.4.1 搜索与求解 6

　　1.4.2 学习与发现 6

　　1.4.3 知识与推理 6

　　1.4.4 发明与创造 6

　　1.4.5 感知与交流 7

　　1.4.6 记力作啊严杀末宜采他呀忆与联想 7

　　1.4.7 系统与建造 8

　　1.4.8 应用与工程 8

　　1.5 人工智能运目顶混领损实己啊的研究途径与方法 8

　　1.5.1 心理模拟 符号通冷总纸传推演 8

　　1.5.2 生理模拟 神经计算 9

　　1.5.3 行为模拟 控制进化 9

　　1.5.4 群体模生拟 仿生计算 10

　　1.5.5 博采广鉴 自然计算 10

　　1.5.6 原位短理分析 数学建模 10

　　1.6 人工智能的基本技术 11

　　1.7 人工智能的应用 11

　　1.7.1 难题求解 11

　　1.7.2 自动规划、 调度与配置 12

　　1.7.3 机器定理证明 12

　　1.7.4 自动程序设计 13

　　1.7.5 机器翻译 13

　　1.7.6 智能控制 13

　　1.7.7 智能跟犯期越左植普困点管理 14

　　1.7.8 智能决策 14

　　1.7.9 智能通信 14

　　1.7.10 智能仿真 15

　　1.7.11 智能CAD 15

直　　1.7.12 智能制造 15

　　1.7.13 智能CAI 15

　　1.7.14 智能人机接口 16

　　1.7.15 模式识别 16

　　存伟三国免办里会尽善越1.7.16 数据挖掘与数据库中的知识发现 16

　　1.7.17 计算机辅助创新 17

　　1.7.18 计算机文艺创作 18

　　1.7.19 机器博弈 19

　　1.7.20 智能机志局香言镇冷教被伟跳友器人 20

　　1.8 人工智能的分支领域与研究方向 20

　　1.9 人工智能的发展概况 21

　　1.9.1 人工智能学科的产生 2士硫张素物福物1

　　1.9.2 符号主义途径发展概况 22

　　1.9.3 连接主义途径发展概况 23

　　1.9.4 计算智能异军突起 24

　　1.9.5 越沉甲社智能Agent方兴未艾 25

　　1.9.6 现状与发展趋势 26

　　习题一 26

　　第2章 逻辑程序设计语言PROLOG 27

　　2.1 基本PROLOG 27

　　2.1.1 PROLOG的语句 27

　　2.1.2 PROLOG的程序 28

　　2.1.3 PROLOG程序的运行机理 30

　　2.2 Turbo PROLOG程序设计 32

　　2.2.1 程序结构 33

　　2.2.2 数据与表达式 35

　　2.2.3 输入与输出 38

　　2.2.4 分支与循环 39

　　2.2.5 动态数据库 40

　　2.2.6 表处理与递归 41

　　2.2.7 回溯控制 44

　　2.2.8 程序举例 45

　　习题二 47

　　第2篇 搜索与求解

　　第3章 图搜索与问题求解 49

　　3.1 状态图搜索 49

　　3.1.1 状态图 49

　　3.1.2 状态图搜索 50

　　3.1.3 穷举式搜索 53

　　3.1.4 启发式搜索 56

　　3.1.5 加权状态图搜索 58

　　3.1.6 A算法和A*算法 59

　　3.1.7 状态图搜索策略小结 61

　　3.2 状态图搜索问题求解 61

　　3.2.1 问题的状态图表示 62

　　3.2.2 状态图问题求解程序举例 65

　　3.3 与或图搜索 71

　　3.3.1 与或图 71

　　3.3.2 与或图搜索 73

　　3.3.3 启发式与或树搜索 74

　　3.4 与或图搜索问题求解 78

　　3.4.1 问题的与或图表示 78

　　3.4.2 与或图问题求解程序举例 79

　　3.5 博弈树搜索 81

　　3.5.1 博弈树的概念 81

　　3.5.2 极小极大分析法 81

　　3.5.3 αβ剪枝技术 83

　　习题三 84

　　第4章 基于遗传算法的随机优化搜索 86

　　4.1 基本概念 86

　　4.2 基本遗传算法 88

　　4.3 遗传算法应用举例 89

　　4.4 遗传算法的特点与优势 92

　　习题四 92

　　第3篇 知识与推理

　　第5章 基于谓词逻辑的机器推理 95

　　5.1 一阶谓词逻辑 95

　　5.1.1 谓词、 函数、 量词 95

　　5.1.2 谓词公式 96

　　5.1.3 谓词逻辑中的形式演绎推理 98

　　5.2 归结演绎推理 102

　　5.2.1 子句集 102

　　5.2.2 命题逻辑中的归结原理 104

　　5.2.3 替换与合一 106

　　5.2.4 谓词逻辑中的归结原理 109

　　5.3 应用归结原理求取问题答案 111

　　5.4 归结策略 113

　　5.4.1 问题的提出 113

　　5.4.2 几种常用的归结策略 115

　　5.4.3 归结策略的类型 119

　　5.5 归结反演程序举例 119

　　5.6 Horn子句归结与逻辑程序 122

　　5.6.1 子句的蕴含表示形式 122

　　5.6.2 Horn子句与逻辑程序 124

　　5.7 非归结演绎推理 124

　　5.7.1 Bledsoe自然演绎法 124

　　5.7.2 基于规则的演绎推理 124

　　5.7.3 王浩算法 124

　　习题五 125

　　第6章 基于产生式规则的机器推理 127

　　6.1 产生式规则 127

　　6.1.1 产生式规则 127

　　6.1.2 基于产生式规则的推理模式 128

　　6.2 产生式系统 128

　　6.2.1 系统结构 128

　　6.2.2 运行过程 128

　　6.2.3 控制策略与常用算法 129

　　6.2.4 程序实现 132

　　6.2.5 产生式系统与问题求解 135

　　习题六 137

　　第7章 几种结构化知识表示及其推理 138

　　7.1 框架 138

　　7.1.1 框架的概念 138

　　7.1.2 框架的表达能力 139

　　7.1.3 基于框架的推理 141

　　7.1.4 框架的程序语言实现 141

　　7.2 语义网络 142

　　7.2.1 语义网络的概念 142

　　7.2.2 语义网络的表达能力 143

　　7.2.3 基于语义网络的推理 147

　　7.2.4 语义网络的程序语言实现 147

　　7.3 类与对象 148

　　习题七 150

　　第8章 不确定性知识的表示与推理 151

　　8.1 不确定性处理概述 151

　　8.1.1 不确定性及其类型 151

　　8.1.2 不确定性知识的表示及推理 152

　　8.1.3 不确切性知识的表示及推理 154

　　8.1.4 多值逻辑 156

　　8.1.5 非单调逻辑 157

　　8.1.6 时序逻辑 157

　　8.2 几种经典的不确定性推理模型 157

　　8.2.1 确定性理论 157

　　8.2.2 主观贝叶斯方法 159

　　8.2.3 证据理论 164

　　8.3 基于贝叶斯网络的概率推理 169

　　8.3.1 什么是贝叶斯网络 169

　　8.3.2 用贝叶斯网络表示不确定性知识 170

　　8.3.3 基于贝叶斯网络的概率推理 171

　　8.4 基于模糊集合与模糊逻辑的模糊推理 173

　　8.4.1 模糊集合 173

　　8.4.2 模糊逻辑 175

　　8.4.3 模糊推理 176

　　习题八 180

　　第4篇 学习与发现

　　第9章 机器学习与知识发现 183

　　9.1 机器学习概述 183

　　9.1.1 机器学习的概念 183

　　9.1.2 机器学习的原理 183

　　9.1.3 机器学习的分类 186