人工智能基础 第2版【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

人工智能基础 第2版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 人工智能研究的发展和基本原则1

1.1人工智能的研究和应用1

1.2人工智能研究的发展4

1.3人工智能研究的成果6

1.4人工智能研究的基本原则9

1.5存在的问题和发展前景10

习题13

参考文献13

第2章 问题求解的基本方法14

2.1一般图搜索14

2.1.1状态空间搜索14

2.1.2启发式搜索21

2.1.3状态空间抽象和生成-测试法27

2.1.4启发式搜索的适用性讨论28

2.2问题归约30

2.2.1问题归约的描述30

2.2.2与或图搜索34

2.2.3与或图的启发式搜索36

2.3基于归结的演绎推理39

2.3.1谓词演算39

2.3.2归结演绎方法46

2.3.3归结反演53

2.4基于规则的演绎推理57

2.4.1基于规则的正向演绎推理58

2.4.2基于规则的逆向演绎推理63

2.4.3演绎推理的应用讨论66

2.4.4逻辑编程语言Prolog67

本章小结74

习题75

参考文献79

第3章 知识表示80

3.1知识和知识表示80

3.1.1知识原则80

3.1.2知识表示的作用81

3.1.3知识表示的功能83

3.1.4知识表示的性能84

3.1.5基本的知识表示方式85

3.2产生式表示87

3.2.1产生式系统87

3.2.2控制策略92

3.2.3产生式系统的分类95

3.3结构化表示97

3.3.1语义网络97

3.3.2框架表示法102

3.3.3面向对象的表示法106

3.4知识表示的实用化问题107

3.4.1程序性和陈述性知识107

3.4.2表示能力和推理效率之间的制约关系108

3.5基于本体的语义知识表示113

3.5.1语义知识表示和共享本体113

3.5.2本体表示语言的研究114

3.5.3Web本体语言0WL119

3.5.4语义Web的应用情景和支持技术121

本章小结124

习题126

参考文献128

第4章 基于知识的系统129

4.1KB系统的开发129

4.1.1KB系统的一般概念129

4.1.2KB系统的体系结构原则132

4.1.3KB系统的开发过程134

4.1.4KB系统的开发工具和环境136

4.2设计基于产生式表示的KB系统开发工具137

4.2.1总体设计137

4.2.2Xps的实现140

4.2.3应用实例——家族树142

4.2.4性能改进144

4.2.5开发工具OPS5145

4.3专家系统实例——MYCIN147

4.3.1知识库的构造147

4.3.2推理机的设计149

4.3.3系统服务设施153

4.3.4开发工具EMYCIN155

4.4问题求解的结构化组织156

4.4.1结构化组织的需求156

4.4.2事务表158

4.4.3黑板法159

4.4.4问题求解建模160

4.4.5KB系统的高级技术164

4.5基于本体的知识系统167

4.5.1基础级本体工程167

4.5.2高级本体工程173

4.5.3开发基于本体的知识系统180

本章小结188

习题189

参考文献191

第5章 自动规划和配置193

5.1经典规划技术193

5.1.1经典规划技术的发展193

5.1.2规划的基本概念194

5.1.3早期的自动规划技术197

5.1.4部分排序规划技术203

5.2自动规划技术的新进展206

5.2.1非经典规划技术的开发207

5.2.2自动规划技术的实用化208

5.2.3智能的调度、规划和项目管理210

5.3自动配置217

5.3.1配置的一般概念217

5.3.2自动配置的建模219

5.3.3XCON——计算机自动配置系统224

本章小结230

习题231

参考文献233

第6章 机器学习234

6.1机器学习概论234

6.1.1机器学习的基本概念234

6.1.2机器学习的发展历史235

6.1.3机器学习分类237

6.2示例学习243

6.2.1示例学习的基本策略243

6.2.2决策树构造法ID3252

6.3基于解释的学习255

6.3.1基于解释的泛化（EBG）256

6.3.2基于解释学习的若干基本问题260

6.4遗传算法261

6.4.1简单遗传算法261

6.4.2分类系统265

6.5加强学习269

6.5.1加强学习的基本方法269

6.5.2Q学习272

6.5.3有关加强学习的进一步讨论274

6.6基于范例的学习275

6.6.1基于范例推理的过程275

6.6.2应用实例：智能饲料配方系统ICMIX277

6.7知识发现与数据挖掘279

6.7.1定理发现279

6.7.2数据挖掘284

6.7.3关联规则挖掘287

6.7.4数据库及网络中的知识发现295

本章小结299

习题300

参考文献302

第7章 人工智能高级技术综述305

7.1非单调推理和软计算305

7.1.1真值维持系统306

7.1.2约束满足问题308

7.1.3不确定推理310

7.1.4模糊逻辑和模糊推理315

7.1.5人工神经网络319

7.2基于范例的推理323

7.2.1基于范例的推理系统324

7.2.2范例表示和索引326

7.2.3检索、改编和辩证328

7.2.4基于范例的学习329

7.2.5结论330

7.3关于时间和空间的推理330

7.3.1伴有时间的推理331

7.3.2时间的不确定性和分支333

7.3.3关于空间的推理336

7.3.4关于形状的推理339

7.4机器学习研究与应用的新进展340

7.4.1贝叶斯网络340

7.4.2隐马尔可夫模型343

7.4.3统计学习理论344

7.4.4粗糙集理论348

7.4.5聚类分析352

7.4.6复杂类型数据的挖掘354

7.5Agent技术和多Agent协同工作356

7.5.1Agent技术的研究和发展357

7.5.2多Agent协作361

7.5.3Agent通信366

7.6新一代网络计算的技术基础及其智能化369

7.6.1语义Web370

7.6.2网格计算371

7.6.3自治计算373

本章小结375

习题383

参考文献385