分类导航 / Navigation
|
![]() 人工智能导论 第5版_王万良_高等教育出版社,2021.3_P334.pdf
价 格:¥ 12.80
商品详情
注意:链接有问题的书请登录邮箱查收!!!
即时起网站不再提供充点下载服务,点数没有使用完的顾客需要什么书请直接联系客服!! 此书为PDF电子版,不是纸书,付款后自动发货,弹出百度云盘下载地址和密码,自己下载即可!阅读后如感兴趣,可以去书店购买相应的纸质书籍,下载24小时内请删除!本站展示只是部分图书,如需别的电子书请联系客服! 购买时请填写真实邮箱。邮箱请填写正确并请填写常用邮箱! 电子书购买后不予退款。 切记,付款完成后不要关闭网页,等自动返回。如遇链接失效或密码错误,请于24小时内登录购买时留下的邮箱查收文件。 成功付款,但没有弹出下载地址请联系客服处理。不主动联系客服产生的损失请自负。 即日起网站开通VIP会员,VIP会员直接购买打八折,VIP会员购书流程: 1.注册本站会员 2.登录网站,进入会员中心,点击左边导航“在线充值”,选中“购买VIP会员”,再点充值并付款,完成VIP会员购买。 (链接地址为:http://www.fou001.com/e/member/buygroup/) 3.确认选购的电子书,点立即购买,填写收货人信息,填入优惠码:ODAE4VYFG5UJJDXQWDHH 4.下一步,付款,完成购买
【作 者】王万良
【出版项】 北京:高等教育出版社 , 2021.03 【ISBN号】978-7-04-055153-2 【中图法分类号】TP18 【原书定价】46.00 【参考文献格式】 王万良. 人工智能导论 第5版. 北京:高等教育出版社, 2021.03. 内容提要: 《人工智能导论(第5版)》特色: 内容实用人工智能正处于迅速发展阶段,教学内容繁多。该书在内容上精选基本的理论与实用方法,引导读者学习应用理论解决工程问题的方法。 精选例题和习题该书精选了一些例题,有助于人工智能理论与方法的理解。此外还精选了习题,并在书末给出了答案。 资源丰富该书配有MOOC.附录中提供了实验指导书,并配备数字课程网站提供电子教案等教学资源。 目录 封面 书名 版权 前言 目录 第1章 绪论 1 1.1 人工智能的基本概念 1 1.1.1 智能的概念 1 1.1.2 智能的特征 2 1.1.3 人工智能 4 1.2 人工智能的发展简史 5 1.2.1 孕育 5 1.2.2 形成 6 1.2.3 发展 7 1.2.4 大数据驱动人工智能发展期 9 1.3 人工智能研究的基本内容 10 1.4 人工智能的主要研究领域 11 1.5 小结 23 思考题 23 第2章 知识表示 25 2.1 知识与知识表示的概念 25 2.1.1 知识的概念 25 2.1.2 知识的特性 26 2.1.3 知识的表示 27 2.2 一阶谓词逻辑表示法 27 2.2.1 命题 27 2.2.2 谓词 28 2.2.3 谓词公式 29 2.2.4 谓词公式的性质 32 2.2.5 一阶谓词逻辑知识表示方法 34 2.2.6 一阶谓词逻辑表示法的特点 35 2.3 产生式表示法 36 2.3.1 产生式 36 2.3.2 产生式系统 38 2.3.3 产生式系统的例子——动物识别系统 39 2.3.4 产生式表示法的特点 41 2.4 框架表示法 42 2.4.1 框架的一般结构 43 2.4.2 用框架表示知识的例子 44 2.4.3 框架表示法的特点 46 2.5 知识图谱 47 2.5.1 知识图谱的提出 47 2.5.2 知识图谱的定义 47 2.5.3 知识图谱的表示 48 2.5.4 知识图谱的架构 49 2.5.5 知识图谱的构建 50 2.5.6 知识图谱的典型应用 51 2.6 小结 52 思考题 54 习题 54 第3章 确定性推理方法 57 3.1 推理的基本概念 57 3.1.1 推理的定义 57 3.1.2 推理方式及其分类 58 3.1.3 推理的方向 60 3.1.4 冲突消解策略 64 3.2 自然演绎推理 66 3.3 谓词公式化为子句集的方法 67 3.4 鲁宾孙归结原理 72 3.5 归结反演 76 3.6 应用归结原理求解问题 78 3.7 小结 81 思考题 82 习题 82 第4章 不确定性推理方法 85 4.1 不确定性推理的概念 85 4.2 可信度方法 88 4.3 证据理论 92 4.3.1 概率分配函数 92 4.3.2 信任函数 93 4.3.3 似然函数 94 4.3.4 概率分配函数的正交和(证据的组合) 94 4.3.5 基于证据理论的不确定性推理 95 4.4 模糊推理方法 97 4.4.1 模糊逻辑的提出与发展 97 4.4.2 模糊集合 98 4.4.3 模糊集合的运算 101 4.4.4 模糊关系与模糊关系的合成 102 4.4.5 模糊推理 105 4.4.6 模糊决策 107 4.4.7 模糊推理的应用 108 4.5 小结 109 思考题 110 习题 110 第5章 搜索求解策略 113 5.1 搜索的概念 113 5.1.1 搜索的基本问题与主要过程 113 5.1.2 搜索策略 114 5.2 状态空间的搜索策略 114 5.2.1 状态空间表示法 114 5.2.2 状态空间的图描述 116 5.3 盲目的图搜索策略 118 5.3.1 回溯策略 118 5.3.2 宽度优先搜索策略 121 5.3.3 深度优先搜索策略 124 5.4 启发式图搜索策略 126 5.4.1 启发式策略 126 5.4.2 启发信息和估价函数 129 5.4.3 A搜索算法 131 5.4.4 A*搜索算法及其特性分析 134 5.5 小结 136 思考题 137 习题 137 第6章 智能计算及其应用 139 6.1 进化算法的产生与发展 139 6.1.1 进化算法的概念 139 6.1.2 进化算法的生物学背景 140 6.1.3 进化算法的设计原则 141 6.2 基本遗传算法 141 6.2.1 遗传算法的基本思想 142 6.2.2 遗传算法的发展历史 142 6.2.3 编码 143 6.2.4 群体设定 144 6.2.5 适应度函数 145 6.2.6 选择 147 6.2.7 交叉 149 6.2.8 变异 151 6.2.9 遗传算法的一般步骤 152 6.2.10 遗传算法的特点 152 6.3 遗传算法的改进算法 153 6.3.1 双倍体遗传算法 153 6.3.2 双种群遗传算法 154 6.3.3 自适应遗传算法 157 6.4 遗传算法的应用 158 6.5 群智能算法产生的背景 161 6.6 粒子群优化算法及其应用 162 6.6.1 粒子群优化算法的基本原理 162 6.6.2 粒子群优化算法的参数分析 164 6.6.3 粒子群优化算法的应用领域 165 6.6.4 粒子群优化算法在车辆路径问题中的应用 166 6.7 蚁群算法及其应用 168 6.7.1 基本蚁群算法模型 168 6.7.2 蚁群算法的参数选择 170 6.7.3 蚁群算法的应用 171 6.8 小结 172 思考题 174 习题 174 第7章 专家系统与机器学习 177 7.1 专家系统的产生和发展 177 7.2 专家系统的概念 178 7.2.1 专家系统的定义 178 7.2.2 专家系统的特点 178 7.2.3 专家系统的类型 180 7.2.4 专家系统的应用 182 7.3 专家系统的工作原理 183 7.3.1 专家系统的一般结构 183 7.3.2 知识库 184 7.3.3 推理机 184 7.3.4 综合数据库 184 7.3.5 知识获取机构 185 7.3.6 人机接口 186 7.3.7 解释机构 186 7.4 知识获取的主要过程与模式 186 7.4.1 知识获取的过程 186 7.4.2 知识获取的模式 187 7.5 机器学习 189 7.5.1 机器学习的基本概念 189 7.5.2 机器学习的分类 190 7.5.3 监督学习、无监督学习、弱监督学习 191 7.5.4 机械式学习 195 7.5.5 指导式学习 196 7.5.6 示例学习 196 7.5.7 深度学习 197 7.6 知识发现与数据挖掘 198 7.6.1 知识发现与数据挖掘的概念 198 7.6.2 知识发现的一般过程 199 7.6.3 知识发现的任务 199 7.6.4 知识发现的方法 200 7.6.5 知识发现的对象 201 7.7 专家系统的建立 202 7.8 专家系统实例及其内架系统 205 7.8.1 骨架系统的概念 205 7.8.2 EMYCIN骨架系统 205 7.8.3 KAS骨架系统 206 7.9 专家系统的开发环境 208 7.10 小结 209 思考题 210 第8章 人工神经网络及其应用 211 8.1 神经元与神经网络 211 8.1.1 生物神经元结构 211 8.1.2 神经元数学模型 212 8.1.3 神经网络的结构与工作方式 214 8.1.4 神经网络的学习 215 8.2 BP神经网络及其学习算法 215 8.2.1 BP神经网络的结构 215 8.2.2 BP学习算法 216 8.2.3 BP学习算法的实现 218 8.3 BP神经网络在模式识别中的应用 219 8.4 Hopfield神经网络及其改进 220 8.4.1 离散型Hopfield神经网络 220 8.4.2 连续型Hopfield神经网络及其VLSI实现 222 8.4.3 随机神经网络 224 8.5 Hopfield神经网络的应用 226 8.5.1 Hopfield神经网络在联想记忆中的应用 226 8.5.2 Hopfield神经网络优化方法 228 8.6 卷积神经网络与深度学习 232 8.6.1 卷积神经网络的结构 232 8.6.2 卷积神经网络的卷积运算 233 8.6.3 卷积神经网络中的关键技术 235 8.6.4 卷积神经网络的应用 236 8.6.5 胶囊网络 237 8.7 生成对抗网络及其应用 239 8.7.1 生成对抗网络的基本原理 240 8.7.2 生成对抗网络的结构与训练 241 8.7.3 生成对抗网络在博弈中的应用 243 8.7.4 生成对抗网络在图像处理中的应用 243 8.7.5 生成对抗网络在语言处理中的应用 247 8.7.6 生成对抗网络在视频生成中的应用 248 8.7.7 生成对抗网络在医疗中的应用 249 8.8 小结 250 思考题 251 习题 252 第9章 智能体与多智能体系统 258 9.1 智能体的概念与结构 258 9.1.1 智能体的概念 258 9.1.2 智能体的特性 259 9.1.3 智能体的结构 260 9.1.4 反应式Agent 260 9.1.5 慎思式Agent 261 9.1.6 复合式Agent 261 9.1.7 Agent的应用 262 9.2 多智能体系统的概念与结构 263 9.2.1 多智能体系统的特点 263 9.2.2 多智能体系统的基本类型 264 9.2.3 多智能体系统的体系结构 264 9.3 多智能体系统的通信 265 9.3.1 智能体通信的类型 265 9.3.2 Agent通信的方式 266 9.3.3 智能体通信语言 268 9.4 多智能体系统的协调 270 9.5 多智能体系统的协作 271 9.5.1 多智能体的协作类型 271 9.5.2 合同网协作方法 272 9.5.3 黑板模型协作方法 273 9.5.4 市场机制协作方法 273 9.6 多智能体系统的协商 274 9.7 小结 275 思考题 276 第10章 自然语言处理及其应用 278 10.1 自然语言理解的概念与发展历史 278 10.2 语言处理过程的层次 280 10.3 机器翻译 282 10.4 语音识别 284 10.4.1 语音识别的概念 284 10.4.2 语音识别的主要过程 285 10.4.3 隐马尔可夫模型 287 10.4.4 基于隐马尔可夫模型的语音识别方法 288 10.5 小结 290 思考题 291 第11章 人工智能在游戏设计中的应用 292 11.1 人工智能游戏 292 11.2 游戏人工智能 295 11.2.1 游戏人工智能的概念与分类 295 11.2.2 基本的游戏人工智能技术 296 11.3 游戏中的角色与分类 299 11.4 智能游戏角色设计基本技术 300 11.4.1 游戏角色的指导与运动 300 11.4.2 游戏角色的追逐与躲避 301 11.4.3 游戏角色的群聚 302 11.4.4 游戏角色的路径搜索 303 11.4.5 智能搜索引擎 303 11.5 智能游戏开发方法与开发工具 304 11.5.1 智能游戏开发方法 304 11.5.2 智能游戏开发工具 305 11.6 扫雷机智能游戏开发 305 11.7 人工智能游戏的现状与未来 307 11.8 小结 307 思考题 308 附录A 部分习题解答 310 附录B 实验指导书 317 参考文献 334 免责申明:
本站仅提供学习的平台,所有资料均来自于网络,版权归原创者所有!本站不提供任何保证,并不承担任何法律责任,如果对您的版权或者利益造成损害,请联系我们,我们将尽快予以处理。
|