人工智能PDF|Epub|txt|kindle电子书版本网盘下载

人工智能PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 人工智能的定义与概况1

1.2 人类智能与人工智能5

1.2.1 智能信息处理系统的假设6

1.2.2 人类智能的计算机模拟7

1.2.3 弱人工智能和强人工智能10

1.3 人工智能各学派的认知观10

1.4 人工智能的研究与应用领域12

1.4.1 智能感知13

1.4.2 智能推理15

1.4.3 智能学习19

1.4.4 智能行动24

1.5 人工智能发展展望29

1.5.1 新一轮人工智能的发展特征29

1.5.2 未来40年的人工智能问题31

1.5.3 人工智能鲁棒性和伦理34

1.5.4 新一代人工智能发展规划35

习题37

第2章 知识表示和推理39

2.1 概述39

2.1.1 知识和知识表示39

2.1.2 知识-策略-智能41

2.1.3 人工智能对知识表示方法的要求42

2.1.4 知识的分类42

2.1.5 知识表示语言问题43

2.1.6 现代逻辑学的基本研究方法44

2.2 命题逻辑46

2.2.1 语法47

2.2.2 语义47

2.2.3 命题演算形式系统PC49

2.3 谓词逻辑50

2.3.1 语法51

2.3.2 语义52

2.3.3 谓词逻辑形式系统FC55

2.3.4 一阶谓词逻辑的应用57

2.4 归结推理58

2.4.1 命题演算中的归结推理58

2.4.2 谓词演算中的归结推理61

2.4.3 谓词演算归结反演的合理性和完备性70

2.4.4 案例：一个基于逻辑的财务顾问74

2.5 产生式系统76

2.5.1 产生式系统的表示77

2.5.2 案例：九宫图游戏78

2.5.3 案例：传教士和野人问题79

2.5.4 产生式系统的控制策略82

2.6 语义网络84

2.6.1 基本命题的语义网络表示84

2.6.2 连接词在语义网络中的表示86

2.6.3 语义网络的推理88

2.6.4 语义网络表示的特点90

2.7 框架90

2.7.1 框架的构成90

2.7.2 框架系统的推理92

2.7.3 框架表示的特点93

2.8 脚本93

2.8.1 脚本概念94

2.8.2 案例：饭店脚本94

2.9 知识图谱96

2.9.1 知识图谱及其表示97

2.9.2 百度知识图谱技术方案98

2.9.3 案例：知识图谱在互联网金融行业中的应用101

2.10 基于知识的系统103

2.10.1 知识获取103

2.10.2 知识组织105

2.10.3 知识应用106

2.10.4 常识知识和大规模知识处理108

2.10.5 常识推理108

2.10.6 案例：知识图谱应用110

2.11 小结112

习题112

第3章 搜索技术123

3.1 概述123

3.2 盲目搜索方法128

3.3 启发式搜索129

3.3.1 启发性信息和评估函数130

3.3.2 最好优先搜索算法131

3.3.3 贪婪最好优先搜索算法132

3.3.4 A算法和A＊算法132

3.3.5 迭代加深A＊算法136

3.4 问题归约和AND-OR图启发式搜索136

3.4.1 问题归约的描述137

3.4.2 问题的AND-OR图表示138

3.4.3 AO＊算法139

3.5 博弈143

3.5.1 极大极小过程144

3.5.2 α—β过程146

3.5.3 效用值估计方法149

3.6 案例分析149

3.6.1 八皇后问题149

3.6.2 洞穴探宝151

3.6.3 五子棋153

习题158

第4章 高级搜索161

4.1 爬山法搜索161

4.2 模拟退火搜索164

4.2.1 模拟退火搜索的基本思想164

4.2.2 模拟退火算法165

4.2.3 模拟退火算法关键参数和操作的设计167

4.3 遗传算法168

4.3.1 遗传算法的基本思想169

4.3.2 遗传算法的基本操作170

4.4 案例分析175

4.4.1 爬山算法求解旅行商问题175

4.4.2 模拟退火算法求解旅行商问题176

4.4.3 遗传算法求解旅行商问题177

习题178

第5章 不确定知识表示和推理180

5.1 概述180

5.1.1 什么是不确定推理181

5.1.2 不确定推理要解决的基本问题181

5.1.3 不确定性推理方法分类183

5.2 非单调逻辑184

5.2.1 非单调逻辑的产生185

5.2.2 缺省推理逻辑186

5.2.3 非单调逻辑系统188

5.2.4 非单调规则190

5.2.5 案例：有经纪人的交易191

5.3 主观Bayes方法194

5.3.1 全概率公式和Bayes公式194

5.3.2 主观Bayes方法196

5.4 确定性理论201

5.4.1 建造医学专家系统时的问题201

5.4.2 C-F模型202

5.4.3 案例：帆船分类专家系统207

5.5 证据理论212

5.5.1 假设的不确定性212

5.5.2 证据的不确定性与证据组合215

5.5.3 规则的不确定性216

5.5.4 不确定性的传递与组合216

5.5.5 证据理论案例217

5.6 模糊逻辑和模糊推理219

5.6.1 模糊集合及其运算219

5.6.2 模糊关系220

5.6.3 语言变量221

5.6.4 模糊逻辑和模糊推理222

5.6.5 案例：抵押申请评估决策支持系统226

5.7 小结232

习题233

第6章 Agent238

6.1 概述238

6.2 Agent及其结构240

6.2.1 Agent的定义240

6.2.2 Agent要素及特性241

6.2.3 Agent的结构特点243

6.2.4 Agent的结构分类244

6.3 Agent应用案例246

6.4 Agent通信250

6.4.1 通信方式250

6.4.2 Agent通信语言ACL251

6.5 协调与协作256

6.5.1 引言256

6.5.2 合同网258

6.5.3 协作规划260

6.6 移动Agent263

6.6.1 移动Agent产生的背景264

6.6.2 定义和系统组成266

6.6.3 实现技术267

6.6.4 移动Agent系统275

6.6.5 移动Agent技术的应用场景276

6.7 多Agent系统开发框架JADE278

6.7.1 程序模型280

6.7.2 可重用开发包281

6.7.3 开发和运行的支持工具283

6.8 案例：火星探矿机器人284

6.8.1 需求分析284

6.8.2 设计与实现286

6.9 小结291

习题292

第7章 机器学习299

7.1 机器学习概述299

7.1.1 学习中的元素300

7.1.2 目标函数的表示301

7.1.3 学习任务的类型303

7.1.4 机器学习的定义和发展史304

7.1.5 机器学习的主要策略306

7.1.6 机器学习系统的基本结构307

7.2 基于符号的机器学习308

7.2.1 归纳学习308

7.2.2 决策树学习312

7.2.3 基于范例的学习318

7.2.4 解释学习323

7.2.5 案例：通过EBG学习概念cup324

7.2.6 强化学习325

7.3 基于神经网络的机器学习327

7.3.1 神经网络概述327

7.3.2 基于反向传播网络的学习332

7.3.3 案例：基于反向传播网络拟合曲线341

7.3.4 深度学习348

7.3.5 案例：深度学习在计算机视觉中的应用353

7.3.6 竞争网络358

7.3.7 案例：学习向量量化解决分类问题368

7.4 基于统计的机器学习369

7.4.1 支持向量机369

7.4.2 案例：XOR问题378

7.4.3 统计关系学习380

7.5 小结382

习题384

第8章 自然语言处理技术393

8.1 自然语言理解的一般问题393

8.1.1 自然语言理解的概念及意义393

8.1.2 自然语言理解研究的发展395

8.1.3 自然语言理解的层次396

8.2 词法分析399

8.3 句法分析402

8.3.1 短语结构文法和Chomsky文法体系402

8.3.2 句法分析树404

8.3.3 转移网络405

8.4 语义分析406

8.4.1 语义文法406

8.4.2 格文法407

8.5 大规模真实文本的处理408

8.5.1 语料库语言学及其特点408

8.5.2 统计学方法的应用及所面临的问题410

8.5.3 汉语语料库加工的基本方法411

8.5.4 语义资源建设414

8.6 信息搜索416

8.6.1 信息搜索概述416

8.6.2 搜索引擎418

8.6.3 智能搜索引擎423

8.6.4 搜索引擎的发展趋势429

8.7 机器翻译433

8.7.1 机器翻译系统概述433

8.7.2 机器翻译的基本模式和方法436

8.7.3 统计机器翻译439

8.7.4 利用深度学习改进统计机器翻译441

8.7.5 端到端神经机器翻译442

8.7.6 未来展望443

8.8 语音识别444

8.8.1 智能语音技术概述444

8.8.2 组成单词读音的基本单元445

8.8.3 信号处理446

8.8.4 单个单词的识别449

8.8.5 隐马尔可夫模型450

8.8.6 深度学习在语音识别中的应用451

8.9 机器阅读理解453

8.9.1 机器阅读理解评测数据集453

8.9.2 机器阅读理解的一般方法453

8.9.3 机器阅读理解研究展望455

8.10 机器写作456

8.10.1 机器原创稿件457

8.10.2 机器二次创作457

8.10.3 机器写作展望459

8.11 聊天机器人459

8.11.1 聊天机器人应用场景460

8.11.2 聊天机器人系统的组成结构及关键技术461

8.11.3 聊天机器人研究存在的挑战465

8.12 小结465

习题467

第9章 智能规划470

9.1 规划问题470

9.2 状态空间搜索规划474

9.3 偏序规划477

9.4 命题逻辑规划481

9.5 分层任务网络规划484

9.6 非确定性规划486

9.7 时态规划488

9.8 多Agent规划491

9.9 案例分析495

9.9.1 规划问题的建模与规划系统的求解过程495

9.9.2 Shakey世界497

9.10 小结499

习题499

第10章 机器人学502

10.1 概述502

10.1.1 机器人的分类503

10.1.2 机器人的特性504

10.1.3 机器人学的研究领域504

10.2 机器人系统505

10.2.1 机器人系统的组成505

10.2.2 机器人的工作空间507

10.2.3 机器人的性能指标509

10.3 机器人的编程模式与语言510

10.4 机器人的应用与展望511

10.4.1 机器人应用512

10.4.2 机器人发展展望515

10.5 案例分析：仿真机器人运动控制算法519

10.5.1 仿真平台使用介绍519

10.5.2 仿真平台与策略程序的关系522

10.5.3 策略程序的结构522

10.5.4 动作函数及说明526

10.5.5 策略527

10.5.6 各种定位球状态的判断方法530

10.5.7 比赛规则531

10.6 小结533

习题533

第11章 互联网智能535

11.1 概述535

11.2 语义网与本体538

11.2.1 语义网的层次模型538

11.2.2 本体的基本概念540

11.2.3 本体描述语言542

11.2.4 本体知识管理框架542

11.2.5 本体知识管理系统Protégé543

11.2.6 本体知识管理系统KAON544

11.3 Web技术的演化545

11.3.1 Web 1.0546

11.3.2 Web 2.0547

11.3.3 Web 3.0549

11.3.4 互联的社会550

11.4 Web挖掘551

11.4.1 Web内容挖掘553

11.4.2 Web结构挖掘554

11.4.3 Web使用挖掘555

11.4.4 互联网信息可信度问题556

11.4.5 案例：反恐作战数据挖掘556

11.4.6 案例：微博博主特征行为数据挖掘557

11.5 集体智能559

11.5.1 社群智能560

11.5.2 集体智能系统561

11.5.3 全球脑562

11.5.4 互联网大脑（云脑）563

11.5.5 智联网566

11.5.6 案例：智能网联汽车568

11.5.7 案例：城市计算569

11.6 小结571

习题572

附录A 人工智能编程语言Python577

A.1 人工智能编程语言概述577

A.2 Python语言优势580

A.3 Python人工智能相关库580

A.4 Python语法简介582

附录B 手写体识别案例585

B.1 MNIST数据集586

B.2 Softmax回归模型587

B.3 Softmax回归的程序实现589

B.4 模型的训练590

B.5 模型的评价591

B.6 完整代码及运行结果592

参考文献594