人工智能人工智能、机器人、互联网智能和类脑智能

￥59.00

运费：	¥ 0.00-15.00
库存：	14 件

立即购买

支付：: 微信支付银行卡支付宝

商品详情

商品基本信息
商品名称：	人工智能
作者：	史忠植
市场价：	59.00
ISBN号：	9787111521891
版次：	1-2
出版日期：	2016-01
页数：	391
字数：	622
出版社：	机械工业出版社

出版说明
前言
第1章绪论
11什么是人工智能
12人工智能的起源与发展历史
13人工智能研究的基本内容
131认知建模
132知识表示
133自动推理
134机器学习
14人工智能研究的主要学派
141符号主义
142连接主义
143行为主义
15人工智能的应用
16小结和展望
习题
第2章知识表示
21概述
22谓词逻辑
23产生式系统
24语义网络
241语义网络的概念和结构
242复杂知识的表示
243常用的语义联系
25框架
251框架结构
252框架网络
253推理方法
26状态空间
27面向对象的知识表示
28脚本
281脚本描述
282概念依赖关系
29本体
210小结
习题
第3章自动推理
31概述
32三段论推理
33盲目搜索
331深度优先搜索
332宽度优先搜索
333迭代加深搜索
34回溯策略
35启发式搜索
351启发性信息和评估函数
352爬山算法
353模拟退火算法
354最好优先算法
355通用图搜索算法
356A*算法
357迭代加深A*算法
36与或图启发式搜索
361问题归约的描述
362与或图表示
363AO*算法
37博弈搜索
371极大极小过程
372α-β过程
38归结演绎推理
381子句型
382置换和合一
383合一算法
384归结式
385归结反演
386答案的提取
387归结反演的搜索策略
39产生式系统
391产生式系统的基本结构
392正向推理
393反向推理
394混合推理
310自然演绎推理
311非单调推理
3111默认推理
3112限制推理
312小结
习题
第4章不确定性推理
41概述
411不确定性知识分类
412不确定性推理的基本问题
413不确定性推理方法分类
42可信度方法
421建造医学专家系统时的问题
422可信度模型
423确定性方法的说明
43主观贝叶斯方法
431贝叶斯公式
432知识不确定性的表示
433证据不确定性的表示
434组合证据不确定性的计算
435不确定性的传递算法
436结论不确定性的合成
44证据理论
441假设的不确定性
442证据的组合函数
443规则的不确定性
444不确定性的组合
45模糊逻辑和模糊推理
451模糊集合及其运算
452语言变量
453模糊逻辑
454模糊推理
46小结
习题
第5章机器学习
51机器学习概述
511简单的学习模型
512什么是机器学习
513机器学习的研究概况
52归纳学习
521归纳学习的基本概念
522变型空间学习
523决策树
53类比学习
531相似性
532转换类比
533基于案例的推理
534迁移学习
54统计学习
541逻辑回归
542支持向量机
543提升方法
55强化学习
551强化学习模型
552学习自动机
553自适应动态程序设计
554Q-学习
56进化计算
561达尔文进化算法
562遗传算法
563进化策略
564进化规划
57群体智能
571蚁群算法
572粒子群优化
58知识发现
59小结
习题
第6章神经网络
61概述
62神经信息处理的基本原理
63感知机
631基本神经元
632感知机模型
64前馈神经网络
641前馈神经网络模型
642误差反向传播算法
643BP算法的若干改进
65Hopfield网络
651离散 Hopfield 网络
652连续Hopfield网络
66随机神经网络
661模拟退火算法
662玻耳兹曼机
67深度学习
671人脑视觉机理
672自编码器
673受限玻耳兹曼机
674深度信念网络
675卷积神经网络
68自组织神经网络
681网络的拓扑结构
682网络自组织算法
683监督学习
69小结
习题
第7章专家系统
71专家系统概述
711什么是专家系统
712专家系统的特点
713专家系统的发展史
72专家系统的基本结构
73专家系统MYCIN
731咨询子系统
732静态数据库
733控制策略
74专家系统工具CLIPS
741概述
742CLIPS中的知识表示
743CLIPS运行
744Rete匹配算法
75专家系统工具JESS
76面向对象专家系统工具OKPS
761OKPS中的知识表示
762推理控制语言ICL
77专家系统建造
771需求分析
772系统设计
773知识库构建
774系统开发
775系统测试
78新型专家系统
781分布式专家系统
782协同式专家系统
783神经网络专家系统
784基于互联网的专家系统
79小结
习题
第8章自然语言处理
81概述
811什么是自然语言处理
812自然语言处理的发展
813自然语言处理的层次
82词法分析
83句法分析
831短语结构语法
832乔姆斯基形式语法
833句法分析树
834转移网络
835扩充转移网络
84语义分析
841语义文法
842格文法
85语用分析
86语料库
861语料库语言学
862统计方法的应用
863汉语语料库加工
87信息检索
88机器翻译
89问答系统
810小结
习题
第9章分布式人工智能与智能体
91概述
92分布式问题求解
921分布式人工智能的兴起
922分布式问题求解系统分类
923分布式问题求解过程
93智能体理论
931理性智能体
932BDI智能体模型
94智能体结构
941智能体基本结构
942慎思智能体
943反应智能体
944层次智能体
95智能体通信语言ACL
951智能体间通信概述
952FIPA ACL消息
96协调和协作
961引言
962合同网
963基于生态学的协作
964基于对策论的协商
965基于意图的协商
97移动智能体
98多智能体环境MAGE
99小结
习题
第10章智能机器人
101概述
102智能机器人的体系结构
103机器人视觉系统
1031视觉系统分类
1032定位技术
1033自主视觉导航
1034视觉伺服系统
104机器人规划
1041任务规划
1042分层任务网络规划
1043路径规划
1044轨迹规划

内容简介

本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。
本书力求科学性、实用性和先进性，可读性好。内容由浅入深、循序渐进，条理清晰，让学生在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。
本书可以作为高等院校计算机科学与技术、自动化等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。