精編人工智能原理與實踐

楊勝春 主編 趙志珍 劉春玥 王亞楠 敖宏昌 副主編

精編人工智能原理與實踐 預覽內頁
  • 出版商: 清華大學
  • 出版日期: 2024-05-01
  • 定價: $299
  • 售價: 8.5 折 $254
  • 語言: 簡體中文
  • ISBN: 7302663629
  • ISBN-13: 9787302663621

    • 下單後立即進貨 (約4週~6週)

  • 精編人工智能原理與實踐-preview-1
  • 精編人工智能原理與實踐-preview-2
  • 精編人工智能原理與實踐-preview-3
精編人工智能原理與實踐-preview-1

相關主題

商品描述

本書在全面覆蓋人工智能框架知識的基礎上，以精簡內容、突出重點為準則，避免面面俱到。每一部分都是挑選經典、實用的知識內容，同時配有典型案例和源代碼，將人工智能原理融會到典型案例中詳細講授，可以使初學者以較快的節奏學習、實踐人工智能基礎知識，重點掌握關鍵部分的常用算法，進而瞭解人工智能領域的知識輪廓。 全書共分7章： 第1章為緒論，簡要介紹人工智能發展歷史和相關技術內容； 第2章為知識表示和推理，著重講授歸結演繹推理和產生式系統； 第3章為搜索技術，講授典型的搜索技術，主要包括啟發式搜索、博弈樹搜索和遺傳算法等； 第4章為不確定知識表示與推理，主要講授主觀Bayes方法、可信度方法和證據理論； 第5章為Agent技術，講授Agent系統通信和移動Agent技術； 第6章為神經網絡，主要講授反向傳播神經網絡和Hopfield神經網絡； 第7章為計算智能，講授蟻群算法、粒子群優化和模擬退火等經典智能算法。 本教材適合電腦科學與技術、軟件工程、智能科學與技術以及自動化等專業的本科生和研究生使用，也可供相關開發人員、廣大科技工作者和研究人員參考。

目錄大綱

目錄

第1章緒論

1.1人工智能的定義

1.1.1人工智能

1.1.2電腦與人工智能

1.2人工智能的發展

1.2.1人工智能的形成期

1.2.2人工智能的發展期

1.2.3人工智能的成熟期

1.3人工智能的研究目標及基本內容

1.3.1人工智能的研究目標

1.3.2人工智能研究的基本內容

1.4人工智能的研究方法

1.4.1傳統劃分方法

1.4.2現代劃分方法

1.5人工智能的基本技術

1.5.1推理技術

1.5.2搜索技術

1.5.3歸納技術

1.5.4聯想技術

1.6人工智能的主要研究領域及實踐

1.6.1博弈與專家系統

1.6.2模式識別與機器學習

1.6.3自然語言處理與自動程序設計

1.6.4計算智能與軟計算

1.6.5數據挖掘與機器人學

1.7習題

第2章知識表示和推理

2.1概述

2.1.1知識以及知識的表示

2.1.2知識的特性與分類

2.1.3人工智能對知識表示方法的要求

2.2命題邏輯

2.2.1語法

2.2.2語義

2.2.3命題演算形式系統

2.3謂詞邏輯

2.3.1表示知識方法

2.3.2謂詞邏輯形式系統FC

2.3.3一階謂詞邏輯特點與應用

2.4歸結演繹推理

2.4.1命題邏輯中的歸結原理

2.4.2謂詞邏輯中的歸結推理

2.4.3謂詞演算歸結反演的合理性和完備性

2.4.4歸結原理的應用實例

2.5產生式系統

2.5.1產生式系統的基本形式

2.5.2產生式系統的系統結構

2.5.3產生式系統的控制策略

2.6知識表示的其他方法

2.6.1語義網絡表示法

2.6.2框架表示法

2.6.3面向對象表示法

2.7習題

第3章搜索技術

3.1搜索原理概述

3.1.1搜索的基本概念及其方法分類

3.1.2搜索空間和搜索算法

3.2盲目搜索策略

3.2.1生成再測試法

3.2.2迭代加深搜索

3.3啟發式搜索

3.3.1啟發性信息和評估函數

3.3.2最好優先搜索算法

3.3.3貪婪優先搜索算法

3.3.4啟發式搜索中的A*算法及應用

3.3.5迭代加深A*算法

3.4問題歸約和ANDOR圖啟發式搜索

3.4.1問題歸約的概述

3.4.2ANDOR圖的問題表示和應用

3.4.3AO*算法及應用

3.5博弈樹及搜索技術

3.5.1博弈樹

3.5.2博弈樹的搜索及應用實例

3.6高級搜索

3.6.1爬山算法原理

3.6.2遺傳算法原理

3.6.3遺傳算法的應用實例

3.7習題

第4章不確定知識表示與推理

4.1不確定性推理概述

4.1.1不確定性推理含義

4.1.2不確定性推理中的基本問題

4.1.3不確定性推理方法的分類

4.2主觀Bayes方法

4.2.1全概率公式和主觀Bayes公式

4.2.2知識不確定性的表示

4.2.3證據不確定性的表示

4.2.4不確定性的傳遞算法

4.2.5主觀Bayes的主要優缺點

4.2.6主觀Bayes應用實例

4.2.7樸素貝葉斯分類模型

4.3可信度方法

4.3.1可信度概念

4.3.2CF模型

4.3.3可信度方法實例

4.4證據理論

4.4.1DS理論

4.4.2證據的組合函數

4.4.3規則的不確定性

4.4.4不確定性的傳遞與組合

4.4.5證據理論應用實例

4.5習題

第5章Agent技術

5.1概述

5.1.1Agent技術的定義

5.1.2Agent的特性

5.1.3Agent實例

5.1.4Agent的結構分類

5.2Agent系統通信

5.2.1系統通信方式

5.2.2消息傳送

5.2.3Agent系統的通信語言

5.3移動Agent技術

5.3.1移動Agent產生的背景

5.3.2移動Agent的系統結構

5.3.3移動Agent的實現技術

5.3.4移動Agent的分佈式計算應用實例

5.3.5移動Agent技術的應用前景

5.3.6多Agent系統的應用

5.4習題

第6章神經網絡

6.1人工神經網絡概述

6.1.1神經元

6.1.2人工神經網絡的結構

6.2反向傳播(BP)神經網絡

6.2.1感知器

6.2.2BP算法

6.2.3BP神經網絡的實現及程序代碼

6.2.4BP神經網絡的應用實例

6.3Hopfield神經網絡

6.3.1Hopfield神經網絡結構

6.3.2Hopfield神經網絡學習算法

6.3.3Hopfield網絡應用實例及程序代碼

6.4神經網絡在專家系統中的應用

6.4.1神經網絡與專家系統的互補性

6.4.2基於神經網絡的知識表示

6.4.3基於神經網絡的推理

6.5習題

第7章計算智能

7.1人工免疫算法

7.1.1自然免疫系統

7.1.2人工免疫算法模型

7.1.3人工免疫算法的應用

7.2蟻群算法

7.2.1蟻群算法基本原理

7.2.2蟻群算法研究進展

7.2.3蟻群算法模型

7.2.4蟻群算法的相關應用

7.3粒子群優化算法

7.3.1粒子群優化算法簡介

7.3.2粒子群優化算法基本原理

7.3.3粒子群優化算法模型

7.3.4粒子群優化算法的相關應用

7.4模擬退火算法

7.4.1模擬退火算法思想

7.4.2模擬退火算法模型

7.4.3模擬退火算法的相關應用

7.5習題

參考文獻

類似商品