本书全面系统地介绍了人工智慧的基础理论、基本方法和套用技术。内容涉及人工智慧型的基本概况和数学基础、知识表示、基于谓词的逻辑推理、不确定性理论、搜寻策略、专家系统、神经网路、模式识别、机器学习、自然语言理解、智慧型决策系统以及智慧型计算机等。
基本介绍
- 书名：人工智慧的原理与方法
- 作者：马宪民
- ISBN： 9787561215357
- 出版社： 西北工业大学出版社
- 出版时间：2002
- 开本： 16
版权资讯
定价: 21.00 元
内容简介
《人工智慧的原理与方法》全面系统地介绍了人工智慧的基础理论、基本方法和套用技术，可作为本科生和研究生相关专业的教材，也可供有关科技人员参考。
目录
第l章绪论
1.1人工智慧的概念
1.1.1什幺是人工智慧？
1.1.2为什幺要研究人工智慧？
1.2人工智慧的研究目标
1.3人工智慧的研究内容
1.4人工智慧的研究途径
1.5人工智慧的研究领域
1.5.1问题求解（ProblemSolving）
1.5.2专家系统（ExpertSystem-ES）
1.5.3模式识别（PatternRecognition）
1.5.4机器学习（MachineLearning）
1.5.5自动定理证明（AutomatedMechanicalTheoryProving）
1.5.6自然语言理解（NaturalLanguageUnderstanding）
1.5.7自动程式设计（AutomaticProgramming）
1.5.8智慧型机器人（IntelligentRobot）
1.5.9智慧型决策系统（IntelligentDecisionSystem）
1.5.10人工神经网路（ArtificialNeuralNetwork）
1.6人工智慧的发展概况
习题1
第2章人工智慧语言
2.1概述
2.2函式型程式设计语言LISP
2.2.1LISP语言的数据结构
2.2.2LISP程式结构
2.2.3基本函式
2.2.4LISP语言中的递归和循环
2.2.5LISP语言程式举例
2.3逻辑型程式设计语言PROLOG
2.3.1PROLOG的三种基本语句
2.3.2PROLOG的基本数据结构
2.3.3PROLOG的程式设计原理
2.3.4PROLOG程式套用举例
2.4面向对象程式设计语言Smalltalk
2.4.1基本概念和对象
2.4.2讯息模式和讯息表达式
2.4.3语句和程式块
2.4.4程式流程控制
2.4.5类库和类定义
习题2
第3章人工智慧的数学基础
3.1命题逻辑与谓词逻辑
3.1.1命题
3.1.2谓词
3.1.3谓词公式
3.1.4谓词公式的解释
3.1.5谓词公式的等价性与永真蕴涵
3.2多值逻辑
3.3机率论
3.3.1随机现象
3.3.2样本空间与随机事件
3.3.3事件机率
3.3.4条件机率
3.3.5全机率公式与Bayes公式
3.4模糊理论
3.4.1模糊概念
3.4.2模糊集合与隶属函式
3.4.3模糊集的表示方法
3.4.4模糊集的运算
3.4.5模糊集的λ水平截集
3.4.6分解定理与扩张原理
3.4.7模糊关係及其合成
3.4.8模糊变换
习题3
第4章知识与知识表示
4.1知识的基本概念
4.1.1知识的特徵
4.1.2知识的分类和表示
4.2一阶谓词逻辑表示法
4.2.1什幺是一阶谓词？
4.2.2一阶谓词逻辑表示法的特点
4.3产生式表示法
4.3.1产生式系统的定义和组成
4.3.2产生式系统的分类
4.3.3产生式系统的控制策略
4.3.4产生式系统的推理过程
4.4框架表示法
4.4.1框架的概念
4.4.2框架的表达能力
4.4.3基于框架的推理
4.5语义网路表示法
4.5.1语义网路的概念
4.5.2语义网路的表达能力
4.5.3基于语义网路的推理
4.5.4语义网路表示法的特点
4.6过程表示法
4.7脚本表示法
4.8面向对象表示法
4.8.1面向对象的基本概念
4.8.2面向对象表示法的特点
4.9Petri网表示法
习题4
第5章基本谓词的逻辑推理
5.1谓词逻辑的演绎推理方法
5.2归结原理
5.2.1子句
5.2.2代换与合
5.2.3命题逻辑中的归结原理
5.2.4谓词逻辑中的归结原理
5.2.5基于归结的问题的求解方法
5.2.6归结策略
5.3与/或形演绎推理
5.3.1与/或形正向演绎推理（FR）
5.3.2与/或形逆向演绎推理（BR）
5.3.3与/或型双向演绎推理
习题5
第6章不确定性与不确定推理
6.1基本概念
6.1.1什幺是不确定性推理？
6.1.2不确定性推理中的基本问题
6.1.3不确定性推理方法的分类
6.2机率方法
6.2.1经典机率方法
6.2.2逆机率方法
6.3主观Bayes方法
6.3.1知识不确定性的表示
6.3.2证据不确定性的表示
6.3.3组合证据不确定性的算法
6.3.4不确定性的传递算法
6.3.5结论不确定性的合成算法
6.4可信度方法
6.4.1可信度的概念
6.4.2C-F模型
6.4.3带有阚值限度的不确定性推理
6.5模糊推理
6.5.1模糊命题
6.5.2模糊知识的表示
6.5.3模糊匹配与冲突消解
6.5.4简单模糊推理的基本模式
习题6
第7章搜寻策略
7.1基本概念
7.1.1什幺是搜寻？
7.1.2状态图表示法
7.1.3与/或图表示法
7.2状态图搜寻技术
7.2.1图搜寻的基本概念
7.2.2宽度优先搜寻
7.2.3深度优先搜寻
7.2.4有限深度优先搜寻
7.2.5启发式搜寻
第8章专家系统
第9章神经网路
第10章模式识别
第11章机器学习
参考文献
……