人工智能基礎理論與應用

目錄

配套資源

第1章人工智能概述1

1.1引言: 開啟智能新時代1

1.2人工智能的定義與核心要素: 解析智能的奧秘1

1.3人工智能的發展歷程: 從夢想走進現實2

1.4人工智能的研究內容: 探索智能的邊界3

1.5人工智能的應用領域: 賦能各行各業3

1.6人工智能的未來展望: 智能無限，未來可期4

參考文獻5

第2章知識表示方法6

2.1狀態空間法7

2.1.1狀態空間法三要素7

2.1.2算符約束條件8

2.1.3狀態空間圖9

2.1.4狀態空間法缺陷10

2.1.5實例操作11

2.2問題歸約法11

2.2.1問題歸約法的組成11

2.2.2與或圖12

2.2.3可解節點和非可解節點13

2.2.4問題歸約機理14

2.3謂詞邏輯法14

2.3.1謂詞邏輯14

2.3.2謂詞演算15

2.3.3謂詞公式16

2.3.4謂詞表示17

2.3.5置換與合一18

2.4語義網絡法20

2.4.1語義網絡的表示能力21

2.4.2語義網絡的表示方法21

2.4.3語義網絡的推理過程22

2.4.4知識圖譜23

2.5本章小結24

課後習題224

參考文獻25

第3章搜索策略26

3.1圖搜索策略27

3.2盲目搜索28

3.2.1廣度優先搜索29

3.2.2深度優先搜索31

3.2.3等代價優先搜索32

3.3啟發式搜索34

3.3.1估價函數34

3.3.2全局擇優搜索35

3.3.3局部擇優搜索35

3.3.4A算法37

3.4與/或樹的搜索策略39

3.4.1與/或樹的廣度優先搜索40

3.4.2與/或樹的深度優先搜索41

3.4.3與/或樹的啟發式搜索41

3.4.4博弈樹的啟發式搜索44

3.5本章小結47

課後習題347

參考文獻48

第4章推理技術49

4.1推理的分類50

4.1.1演繹推理、歸納推理與類比推理50

4.1.2確定性推理、不確定性推理51

4.1.3單調推理、非單調推理51

4.1.4啟發式推理、非啟發式推理52

4.2推理的結構與策略52

4.2.1推理的一般形式52

4.2.2謂詞邏輯與子句集54

4.3消解原理（歸結原理）57

4.3.1消解推理的基石58

4.3.2消解推理規則58

4.3.3魯濱遜消解原理60

4.3.4命題邏輯歸結推理實驗案例60

4.4消解反演62

4.4.1消解反演證明問題62

4.4.2消解反演求解問題64

4.4.3歸結反演命題證明實驗案例64

4.5產生式系統66

4.5.1產生式系統解析67

4.5.2產生式系統的推理69

4.5.3產生式系統舉例72

4.6本章小結74

課後習題474

參考文獻75

第5章計算智能77

5.1遺傳算法78

5.1.1基本原理78

5.1.2應用舉例80

5.1.3程序應用實例84

5.1.4研究應用84

5.2群智能86

5.2.1粒群優化算法86

5.2.2蟻群優化算法91

5.3本章小結96

課後習題596

參考文獻97

第6章人工神經網絡98

6.1人工神經網絡研究的發展99

6.2人工神經網絡的結構100

6.2.1生物神經元100

6.2.2人工神經元101

6.2.3TLU102

6.2.4人工神經網絡的基本特性和結構104

6.2.5基於神經網絡的知識表示105

6.2.6基於神經網絡的推理106

6.3深度學習107

6.4BP算法109

6.5人工神經網絡的發展方向與研究問題111

6.5.1人工神經網絡領域的主要研究問題111

6.5.2人工神經網絡的最新發展趨勢111

6.5.3人工神經網絡智能信息處理系統的應用研究112

6.6本章小結113

課後習題6113

參考文獻113

第7章機器學習114

7.1機器學習的概念115

7.1.1定義115

7.1.2發展歷史115

7.1.3研究意義115

7.2機器學習的組成成分116

7.2.1學習任務116

7.2.2學習數據116

7.2.3學習結構118

7.2.4學習算法119

7.3機器學習的聚類與分類121

7.3.1聚類121

7.3.2分類123

7.4機器學習的算法128

7.4.1K最近鄰算法128

7.4.2決策樹算法131

7.4.3線性回歸算法137

7.4.4SVM算法139

7.4.5貝葉斯算法142

7.4.6集成學習145

課後習題7148

參考文獻148

第8章專家系統149

8.1專家系統概述149

8.1.1專家系統的特點與優點151

8.1.2專家系統的類型151

8.1.3專家系統的結構和建造步驟156

8.2專家系統分類159

8.2.1基於規則的專家系統159

8.2.2基於模型的專家系統160

8.2.3新型專家系統162

8.2.4分布式專家系統162

8.2.5協同式專家系統（群專家系統）163

8.3專家系統開發工具164

8.4專家系統的設計165

8.4.1專家知識的描述165

8.4.2知識使用和決策解釋168

課後習題8171

參考文獻171

實驗172

實驗2.1狀態空間搜索求解漢諾塔問題172

實驗3.1廣度優先求解八數碼問題176

實驗3.2深度優先求解八數碼問題180

實驗3.3啟發式搜索求解棋盤問題185

實驗3.4A算法求解八數碼問題189

實驗4.1命題邏輯歸結推理192

實驗4.2歸結反演命題證明196

實驗5.1遺傳算法求解最短路徑問題200

實驗5.2遺傳算法求解函數極值208

實驗5.3粒子群優化算法求解最短路徑問題220

實驗5.4蟻群算法求解最短路徑問題227

實驗5.5禁忌搜索求解最短路徑問題234

實驗5.6模擬退火算法求解最短路徑問題239

實驗5.7模擬退火算法求解組合優化問題245

實驗5.8分布估計算法求解組合優化問題251

實驗5.9求解最短路徑問題256

實驗6.1糖尿病患者檢測275

實驗6.2鳶尾花神經網絡分類283

實驗6.3Fashion MNIST衣帽鞋分類293

實驗7.1學生成績聚類309

實驗7.2超市商品搭配策略312

實驗7.3K最近鄰(KNN)鳶尾花分類316

實驗7.4波士頓房價正則化回歸預測324

實驗7.5SVM手寫數字識別334

實驗7.6樸素貝葉斯算法原理與實現354

實驗7.7客戶購買意向分析362

實驗7.8隨機森林員工離職預測366

實驗8.1動物識別專家系統380