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　人工智能的定义和研究目标1

1.1.1　图灵测试2

1.1.2　人工智能的定义3

1.1.3　人工智能的研究目标3

1.2　人工智能的起源和发展4

1.2.1　人工智能的起源4

1.2.2 人工智能的发展4

1.2.3 40位图灵奖获得者中有6名人工智能学者6

1.2.4　人工智能实现的飞跃6

1.3　人工智能各学派的认知观6

1.3.1　符号主义7

1.3.2　联结主义7

1.3.3　行为主义7

1.4　人工智能的研究与应用领域8

1.4.1 智能感知8

1.4.2　智能推理10

1.4.3　智能学习11

1.4.4　智能行动13

1.5　人工智能的近期发展分析19

小结19

习题20

第2章　知识表示21

2.1　知识的概念21

2.1.1　知识、数据和信息21

2.1.2　知识的特点22

2.1.3　知识的分类及知识表示23

2.2　一阶谓词逻辑表示法24

2.2.1　什么是一阶谓词24

2.2.2　一阶谓词逻辑表示法的特点25

2.3　产生式表示法25

2.3.1　产生式系统的定义和组成26

2.3.2　产生式系统问题求解的基本过程28

2.3.3　产生式系统的类型29

2.3.4　产生式系统的优缺点30

2.4　语义网络表示法31

2.4.1　语义网络的基本概念31

2.4.2　事物和概念的表示33

2.4.3　语义网络表示法的优缺点35

2.5　框架表示法36

2.5.1　框架理论36

2.5.2　框架和实例框架36

2.5.3　框架表示的优缺点38

2.6　脚本表示法39

2.6.1　脚本的结构39

2.6.2　脚本的推理40

2.7　过程表示法41

2.7.1　表示知识的方法41

2.7.2　过程表示的优缺点42

2.8　面向对象表示法42

2.8.1　面向对象的基本概念和特征43

2.8.2　知识的面向对象表示44

2.9　基于Ontology的知识表示法44

2.10　基于语义Web的知识表示法47

小结48

习题49

第3章　搜索策略50

3.1　引言51

3.1.1　搜索的含义51

3.1.2　状态空间法52

3.1.3　问题归约55

3.2　状态空间的盲目搜索58

3.2.1　图搜索过程58

3.2.2　宽度优先搜索60

3.2.3　深度优先搜索63

3.2.4　有界深度优先搜索63

3.2.5　代价树搜索66

3.3　状态空间的启发式搜索67

3.3.1　启发式搜索窥视68

3.3.2　启发信息与估价函数70

3.3.3　启发式搜索算法（A算法）71

3.3.4 A＊算法73

3.3.5 A＊算法应用举例75

3.4　与／或树的盲目搜索77

3.4.1　与／或树的一般搜索77

3.4.2　与／或树的广度优先搜索78

3.4.3　与／或树的深度优先搜索79

3.5　与／或树的启发式搜索80

3.5.1　解树的代价与希望树80

3.5.2　与／或树的启发式搜索过程82

3.6　博弈树搜索83

3.6.1　前言83

3.6.2　博弈概述84

3.6.3　极小极大分析法84

3.6.4 α-β剪枝技术85

小结86

习题86

第4章　确定性推理88

4.1　推理的基本概念88

4.1.1　推理的概念88

4.1.2　推理的方法及其类型89

4.1.3　推理的控制策略90

4.1.4　推理的冲突消解策略91

4.2　一阶谓词逻辑表示法92

4.2.1　一阶谓词逻辑表示的逻辑基础93

4.2.2　谓词逻辑表示方法96

4.2.3　谓词公式的等价式96

4.2.4　谓词公式的永真蕴含式97

4.2.5　置换与合一98

4.3　消解演绎推理方法99

4.3.1　子句集及其化简100

4.3.2　海伯伦理论102

4.3.3　鲁宾逊消解原理106

4.3.4　几个例子111

4.4　不确定性推理115

4.4.1　关于证据的不确定性115

4.4.2　关于结论的不确定性116

4.4.3 多个规则支持同一事实时的不确定性116

4.4.4　模糊逻辑和模糊推理117

4.4.5　系统组织技术119

4.5　非单调推理119

小结120

习题121

第5章　机器学习简介122

5.1　机器学习概述122

5.1.1　机器学习的基本思想123

5.1.2　机器学习的发展历史125

5.1.3　机器学习的研究热点128

5.1.4　机器学习面临的挑战129

5.2　机器学习的分类130

5.2.1　符号机器学习130

5.2.2　连接机器学习132

5.2.3　行为机器学习134

5.3　归纳学习136

5.3.1 实例学习模型137

5.3.2　决策树归纳方法138

小结141

习题142

第6章　Agent技术理论基础143

6.1　多Agent系统的产生背景143

6.2 Agent概念145

6.2.1 Agent定义145

6.2.2 Agent属性147

6.2.3　Agent分类148

6.2.4　Agent与其他方法的区别148

6.2.5 Agent结构150

6.3　多Agent系统152

6.3.1 多Agent系统的定义153

6.3.2　多Agent系统的BDI模型153

6.3.3 Agent通信154

6.3.4　多Agent系统的开发方法及工具156

6.4 Agent的研究应用领域158

小结161

习题161

参考文献162