基本介紹
內容簡介,編輯推薦,目錄,
內容簡介
《人工智慧原理與套用》既詳細介紹了大量的基本概念、思想和算法，也描述了各研究方向最前沿的進展，並對中國在人工智慧領域的貢獻給出了一個概要性的介紹。前6章都附有習題，用於指導學生自學及加深對基本概念和技術的理解及掌握。最後一章屬於拓展閱讀部分，旨在讓讀者能夠較快地了解人工智慧在教育教學領域中的套用。全書講述力求由淺入深，通俗易懂，理論上具有完整性和系統性，強調基本原理和基本技術配以大量的實例、圖表，易於教學，便於自學。《人工智慧原理與套用》可作為信息領域與相關領域的高等院校本科生和研究生的教科書或教學輔導書目，也可以作為相關領域的科研與工程技術人員的參考書。
編輯推薦
《人工智慧原理與套用》是金聰所著的一本書籍，該書全面闡述人工智慧領域的核心內容，並深入介紹各個主要的研究方向及人工智慧技術在教育教學領域中的套用，是一本理論與套用相結合的教材。
《人工智慧原理與套用》全面闡述人工智慧領域的核心內容，並深入介紹各個主要的研究方向及人工智慧技術在教育教學領域中的套用，是一本理論與套用相結合的教材。全書共分為7章，包括了緒論、知識及知識的表示、經典邏輯推理、不確定性推理、搜尋問題求解和遺傳算法等基礎知識和基本理論以及人工智慧在教育教學領域中的若干套用。
目錄
第1章 緒論
1．1 什麼是人工智慧
1．1．1 智慧型的解釋
1．1．2 人工智慧的解釋
1．1．3 計算機與人工智慧
1．1．4 人類智慧型與人工智慧
1．1．5 人工智慧的研究目標
1．1．6 人工智慧中的通用問題求解方法
1．2 人工智慧的發展簡史
1．3 人工智慧的研究方法及基本內容
1．3．1 人工智慧的研究方法
1．3．2 人工智慧研究的基本內容
1．4 人工智慧的基本技術
1．5 人工智慧的主要研究領域及實踐
1．5．1 人工智慧的主要研究領域
1．5．2 人工智慧實踐
1．6 人工智慧在中國
1．6．1 數學機械化
1．6．2 機器學習
1．6．3 自動推理
1．6．4 時間和空間知識表示和推理
1．6．5 自然語言處理
1．6．6 智慧型體技術及套用
1．6．7 圖像識別
習題
第2章 知識及知識的表示
2．1 概述
2．1．1 知識的基本概念
2．1．2 知識表示
2．2 一階謂詞邏輯表示法
2．2．1 知識的謂詞邏輯表示法
2．2．2 謂詞邏輯表示知識舉例
2．2．3 一階謂詞邏輯表示法的特點
2．3 產生式表示法
2．3．1 產生式的基本形式
2．3．2 產生式表示知識的方法
2．3．3 產生式系統的組成
2．3．4 產生式系統的推理方式
2．3．5 產生式系統套用舉例
2．3．6 產生式表示法的特點
2．4 框架表示法
2．4．1 框架的構成
2．4．2 框架表示知識舉例
2．4．3 框架系統的推理
2．4．4 框架表示法的特點
2．5 語義網路表示法
2．5．1 語義網路的概念及結構
2．5．2 語義網路的基本語義联系
2．5．3 語義網路表示知識的方法及步驟
2．5．4 語義網路知識表示舉例
2．5．5 語義網路的推理過程
2．5．6 語義網路表示法的特點
2．6 面向對象表示法
2．6．1 面向對象的基本概念
2．6．2 面向對象的知識表示
2．6．3 面向對象的知識表示舉例
習題
第3章 經典邏輯推理
3．1 概述
3．1．1 推理定義
3．1．2 推理方式及分類
3．2 推理的邏輯基礎
3．2．1 謂詞公式的解釋
3．2．2 謂詞公式的等價性與永真蘊含性
3．2．3 置換與合一
3．2．4 謂詞公式的範式
3．3 產生式系統推理
3．3．1 產生式系統的基本結構
3．3．2 推理方向
3．3．3 衝突消解策略
3．4 自然演繹推理
3．4．1 自然演繹推理的基本概念
3．4．2 利用演繹推理解決問題
3．5 歸結演繹推理
3．5．1 子句集及其化簡
3．5．2 Herbrand理論
3．5．3 Robinson歸結原理
3．5．4 套用歸結原理證明問題
3．5．6 用歸結原理求解問題
3．5．7 歸結策略
習題
第4章 不確定性推理
4．1 不確定性推理中的基本問題
4．2 不確定性推理方法分類
4．3 機率方法
4．3．1 經典機率方法
4．3．2 Bayes定理
4．3．3 逆機率方法的基本思想
4．3．4 逆機率方法的優缺點
4．4 主觀Bayes方法
4．4．1 知識不確定性的表示
4．4．2 證據不確定性的表示
4．4．3 不確定性的傳遞算法
4．4．4 結論不確定性的合成算法
4．4．5 例子
4．4．6 主觀Bayes方法的主要優缺點
4．5 可信度方法
4．5．1 可信度概念
4．5．2 C-F模型
4．5．3 可信度方法套用舉例
4．6 證據理論
4．6．1 基本概念
4．6．2 D-S理論
4．6．3 知識的不確定性的表示
4．6．4 證據的不確定性的表示
4．6．5 例子
4．6．6 證據理論的主要優缺點
習題
第5章 搜尋問題求解
5．1 基本概念
5．2 狀態空間搜尋
5．2．1 問題的狀態空間表示
5．2．2 狀態空間的窮搜尋法
5．2．3 啟發式搜尋法
5．3 問題歸約法
5．3．1 問題歸約描述
5．3．2 與或圖表示
5．3．3 AO*算法
5．4 博弈樹搜尋
5．4．1 極大極小過程
5．4．2 α-β過程
習題
第6章 遺傳算法
6．1 遺傳算法簡介
6．1．1 遺傳算法的起源
6．1．2 遺傳算法的基本思想
6．1．3 遺傳算法的主要特點
6．1．4 遺傳算法的套用
6．2 函式最佳化實例
6．2．1 問題描述
6．2．2 種群的初始化
6．2．3 選擇策略
6．2．4 遺傳運算元
6．3 基本遺傳算法
6．3．1 編碼表示
6．3．2 適應度函式
6．3．3 選擇策略
6．3．4 遺傳運算元的設計
6．4 遺傳算法的套用舉例
6．4．1 函式最最佳化問題
6．4．2 旅行商問題
6．4．3 排課表問題
習題
第7章 人工智慧在教育教學領域中的套用
7．1 遺傳算法在教育教學領域中的套用
7．1．1 基於遺傳算法的智慧型組卷策略
7．1．2 基於遺傳算法和模糊綜合評價的課堂效果評價方
7．1．3 基於遺傳算法的網路教學資源共享最佳化調度
7．2 專家系統在教育教學領域中的套用
7．2．1 智慧型教學專家系統的形式化模型
7．2．2 計算機編程輔助教學專家系統的構建
7．2．3 專家系統在計算機輔助教學系統中的套用
7．2．4 智慧型計算機輔助教學系統中學生模型庫的設計
7．2．5 計算機智慧型導師系統的知識表示
7．3 數據挖掘在教育教學領域中的套用
7．3．1 數據挖掘在本科教學評估中的套用
7．3．2 關聯規則挖掘在學分制教學管理中的套用
7．3．3 多維關聯規則挖掘在高校就業領域中的套用
7．4 神經網路在教育教學領域中的套用
7．4．1 神經網路在教學工作水平評估中的套用
7．4．2 基於BP神經網路的編譯原理學績評估方法
附錄簡單函式最佳化的遺傳算法C代碼
參考文獻
