包邮精编人工智能原理与实践

第1章绪论 1.1人工智能的定义 1.1.1人工智能 1.1.2计算机与人工智能 1.2人工智能的发展 1.2.1人工智能的形成期 1.2.2人工智能的发展期 1.2.3人工智能的成熟期 1.3人工智能的研究目标及基本内容 1.3.1人工智能的研究目标 1.3.2人工智能研究的基本内容 1.4人工智能的研究方法 1.4.1传统划分方法 1.4.2现代划分方法 1.5人工智能的基本技术 1.5.1推理技术 1.5.2搜索技术 1.5.3归纳技术 1.5.4联想技术 1.6人工智能的主要研究领域及实践 1.6.1博弈与专家系统 1.6.2模式识别与机器学习 1.6.3自然语言处理与自动程序设计 1.6.4计算智能与软计算 1.6.5数据挖掘与机器人学 1.7习题 第2章知识表示和推理 2.1概述 2.1.1知识以及知识的表示 2.1.2知识的特性与分类 2.1.3人工智能对知识表示方法的要求 2.2命题逻辑 2.2.1语法 2.2.2语义 2.2.3命题演算形式系统 2.3谓词逻辑 2.3.1表示知识方法 2.3.2谓词逻辑形式系统FC 2.3.3一阶谓词逻辑特点与应用 2.4归结演绎推理 2.4.1命题逻辑中的归结原理 2.4.2谓词逻辑中的归结推理 2.4.3谓词演算归结反演的合理性和完备性 2.4.4归结原理的应用实例 2.5产生式系统 2.5.1产生式系统的基本形式 2.5.2产生式系统的系统结构 2.5.3产生式系统的控制策略 2.6知识表示的其他方法 2.6.1语义网络表示法 2.6.2框架表示法 2.6.3面向对象表示法 2.7习题 第3章搜索技术 3.1搜索原理概述 3.1.1搜索的基本概念及其方法分类 3.1.2搜索空间和搜索算法 3.2盲目搜索策略 3.2.1生成再测试法 3.2.2迭代加深搜索 3.3启发式搜索 3.3.1启发性信息和评估函数 3.3.2*好优先搜索算法 3.3.3贪婪优先搜索算法 3.3.4启发式搜索中的A*算法及应用 3.3.5迭代加深A*算法 3.4问题归约和ANDOR图启发式搜索 3.4.1问题归约的概述 3.4.2ANDOR图的问题表示和应用 3.4.3AO*算法及应用 3.5博弈树及搜索技术 3.5.1博弈树 3.5.2博弈树的搜索及应用实例 3.6高级搜索 3.6.1爬山算法原理 3.6.2遗传算法原理 3.6.3遗传算法的应用实例 3.7习题 第4章不确定知识表示与推理 4.1不确定性推理概述 4.1.1不确定性推理含义 4.1.2不确定性推理中的基本问题 4.1.3不确定性推理方法的分类 4.2主观Bayes方法 4.2.1全概率公式和主观Bayes公式 4.2.2知识不确定性的表示 4.2.3证据不确定性的表示 4.2.4不确定性的传递算法 4.2.5主观Bayes的主要优缺点 4.2.6主观Bayes应用实例 4.2.7朴素贝叶斯分类模型 4.3可信度方法 4.3.1可信度概念 4.3.2CF模型 4.3.3可信度方法实例 4.4证据理论 4.4.1DS理论 4.4.2证据的组合函数 4.4.3规则的不确定性 4.4.4不确定性的传递与组合 4.4.5证据理论应用实例 4.5习题 第5章Agent技术 5.1概述 5.1.1Agent技术的定义 5.1.2Agent的特性 5.1.3Agent实例 5.1.4Agent的结构分类 5.2Agent系统通信 5.2.1系统通信方式 5.2.2消息传送 5.2.3Agent系统的通信语言 5.3移动Agent技术 5.3.1移动Agent产生的背景 5.3.2移动Agent的系统结构 5.3.3移动Agent的实现技术 5.3.4移动Agent的分布式计算应用实例 5.3.5移动Agent技术的应用前景 5.3.6多Agent系统的应用 5.4习题 第6章神经网络 6.1人工神经网络概述 6.1.1神经元 6.1.2人工神经网络的结构 6.2反向传播(BP)神经网络 6.2.1感知器 6.2.2BP算法 6.2.3BP神经网络的实现及程序代码 6.2.4BP神经网络的应用实例 6.3Hopfield神经网络 6.3.1Hopfield神经网络结构 6.3.2Hopfield神经网络学习算法 6.3.3Hopfield网络应用实例及程序代码 6.4神经网络在专家系统中的应用 6.4.1神经网络与专家系统的互补性 6.4.2基于神经网络的知识表示 6.4.3基于神经网络的推理 6.5习题 第7章计算智能 7.1人工免疫算法 7.1.1自然免疫系统 7.1.2人工免疫算法模型 7.1.3人工免疫算法的应用 7.2蚁群算法 7.2.1蚁群算法基本原理 7.2.2蚁群算法研究进展 7.2.3蚁群算法模型 7.2.4蚁群算法的相关应用 7.3粒子群优化算法 7.3.1粒子群优化算法简介 7.3.2粒子群优化算法基本原理 7.3.3粒子群优化算法模型 7.3.4粒子群优化算法的相关应用 7.4模拟退火算法 7.4.1模拟退火算法思想 7.4.2模拟退火算法模型 7.4.3模拟退火算法的相关应用 7.5习题 参考文献