×
暂无评论
图文详情
  • ISBN:9787302549451
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:300
  • 出版时间:2020-08-01
  • 条形码:9787302549451 ; 978-7-302-54945-1

内容简介

本书涵盖人工智能学科的大多数领域,共分为十一章。章绪论,介绍人工智能的历史、近期新发展状态及所包含的领域。剩余十章分别介绍各领域的基本原理与技术,包括知识表示与逻辑系统、搜索与自动规划、不确定性推理、机器学习,以及近年快速发展的人工神经网络(深度学习)、强化学习、分布式人工智能与多智能体系统、平行智能、知识自动化、智能控制等。

目录


目录



第1章绪论


1.1人工智能的基本概念


1.2人工智能的发展简史


1.3人工智能的*新发展


1.4本书的主要内容和组织结构


1.5本章小结


参考文献


**篇逻 辑 智 能


第2章知识表示


2.1本体论


2.1.1本体的定义


2.1.2本体的构建


2.1.3基本形式化本体


2.2资源描述框架和本体语言


2.2.1RDF的基本结构


2.2.2RDFS本体语言


2.2.3OWL语言


2.3知识图谱


2.3.1知识图谱的基本概念


2.3.2知识图谱的构建方法


2.3.3本体/知识图谱的应用


2.4本章小结


参考文献


第3章逻辑推理与专家系统


3.1命题逻辑


3.1.1命题的基本概念及其运算


3.1.2命题逻辑的推理规则


3.1.3鲁滨逊归结原理


3.2一阶逻辑


3.2.1一阶逻辑的基本概念


3.2.2合一算法


3.2.3前向链接和反向链接


3.2.4归结证明


3.3Herbrand定理


3.4逻辑系统编程语言


3.4.1Prolog


3.4.2LISP


3.5专家系统


3.6本章小结


参考文献









第4章搜索智能


4.1图搜索


4.1.1宽度优先搜索


4.1.2深度优先搜索


4.1.3A*搜索


4.2局部搜索


4.2.1爬山法


4.2.2牛顿法


4.2.3梯度下降法


4.3本章小结


参考文献



第5章自动规划


5.1规划问题的形式化表示


5.2状态空间规划


5.3规划空间规划


5.4规划图


5.5时序规划


5.6本章小结


参考文献



第6章逻辑系统中的学习


6.1归纳逻辑程序设计


6.2解释学习


6.3关联学习


6.4本章小结


参考文献


第二篇计 算 智 能


第7章概率推理


7.1贝叶斯网络推理


7.1.1贝叶斯网络的基本概念


7.1.2贝叶斯网络的精确推理


7.1.3贝叶斯网络的近似推理


7.2马尔可夫网络推理


7.3隐马尔可夫模型


7.4卡尔曼滤波


7.5动态贝叶斯网络


7.6时序概率推理的一般方法


7.7证据理论


7.8本章小结


参考文献



第8章模糊系统


8.1模糊逻辑


8.2粗糙集


8.3本章小结


参考文献



第9章样例学习


9.1决策树


9.1.1决策树的学习算法


9.1.2属性重要度计算


9.1.3泛化与过拟合


9.2回归


9.2.1线性回归


9.2.2逻辑回归


9.2.3正则化


9.3支持向量机


9.4非参数化学习


9.5集成学习


9.5.1Boosting


9.5.2Bagging


9.6统计机器学习


9.6.1完全观测下的概率学习


9.6.2部分观测下的概率学习


9.6.3无向概率图学习


9.7无监督学习


9.7.1聚类


9.7.2降维


9.8本章小结


参考文献



第10章人工神经网络


10.1单/多层前馈神经网络


10.1.1单层前馈神经网络


10.1.2多层前馈神经网络


10.2深度神经网络


10.2.1卷积神经网络


10.2.2循环神经网络


10.3神经网络的生成式模型


10.3.1受限玻尔兹曼机


10.3.2生成式对抗网络


10.4本章小结


参考文献



第11章强化学习


11.1马尔可夫决策过程


11.1.1完全可观察的马尔可夫决策过程


11.1.2部分可观察的马尔可夫决策过程


11.2被动强化学习


11.2.1蒙特卡洛学习


11.2.2时序差分学习


11.3主动强化学习


11.4深度强化学习


11.4.1基于价值的深度强化学习


11.4.2基于策略的深度强化学习


11.5本章小结


参考文献



第12章进化计算与群体智能


12.1遗传算法


12.2模拟退火算法


12.3蚁群算法


12.4粒子群优化


12.5人工免疫系统


12.6本章小结


参考文献


第三篇平 行 智 能


第13章分布式人工智能与多agent系统


13.1分布式问题求解


13.1.1分布式约束满足


13.1.2分布式优化


13.2博弈搜索


13.2.1标准式博弈


13.2.2扩展式博弈


13.2.3极小极大搜索


13.2.4蒙特卡洛树搜索


13.2.5博弈的其他类型


13.3机制设计


13.3.1投票


13.3.2拍卖


13.3.3公共资源分配


13.4本章小结


参考文献



第14章平行智能


14.1平行系统和ACP方法


14.2人工社会与复杂系统研究


14.3人工系统的构建


14.3.1基础人口合成


14.3.2agent的体系结构和行为建模


14.4人工系统的初步应用


14.4.1应急疏散


14.4.2人口演化


14.5平行学习


14.6本章小结


参考文献



第15章知识自动化与社会智能


15.1知识自动化


15.1.1知识自动化的基本思想


15.1.2知识自动化与平行智能的关系


15.2社会智能


15.2.1社会计算: 社会智能的实现方式


15.2.2社会计算与平行智能的关系


15.3本章小结


参考文献


展开全部

作者简介

叶佩军,男,2013年于中国科学院大学获工学博士学位,专业控制理论与控制工程,现任中国科学院自动化研究所复杂系统管理与控制国家重点实验室助理研究员,西安交通大学软件学院《人工智能原理与技术》研究生课程兼职授课教师,青岛智能产业技术研究院平行数据创新中心主任,从事多智能体系统,人工智能,社会计算,智能交通等领域的基础及应用研究,主持国家自然科学基金1项,参与国家“973”、“863”、国家自然基金、中科院院地合作等项目多项,获得国家留学基金资助赴美国加州大学圣地亚哥分校访问,发表论文超过20篇(其中一作SCI/SSCI检索7篇,EI检索8篇),参与申请4项发明专利,4项软件著作权,参与出版译著1部,IEEE、ACM会员,担任ACM社会和经济计算委员会学术秘书,国际学术期刊《IEEE Transactions on Intelligent Transportation Systems》、《IEEE Transactions on Computational Social Systems》副主编、《Journal of Artificial Societies and Social Simulation》、《Kno

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航