人工智慧基礎教程（第二版）

《人工智慧基礎教程（第二版）》是2011年清華大學出版社出版的圖書。

基本介紹

• 書名：人工智慧基礎教程（第二版）
• ISBN：9787302243717
• 定價：45元
• 出版社：清華大學出版社
• 出版時間：2011年
• 裝幀：平裝

圖書簡介

本書系統地闡述了人工智慧的基本原理、實現技術及其套用，全面地反映了國內外人工智慧研究領域的最新進展和發展方向。全書共18章，分為4個部分，第1部分是搜尋與問題求解，用8章的篇幅系統地敘述了人工智慧中各種搜尋方法求解的原理和方法，內容包括狀態空間和傳統的圖搜尋算法、和聲算法、禁忌搜尋算法、遺傳算法、免疫算法、粒子群算法、蟻群算法和Agent技術等；第2部分為知識與推理，用4章的篇幅討論各種知識表示和處理技術、各種典型的推理技術，還包括非經典邏輯推理技術和非協調邏輯推理技術；第3部分為學習與發現，用3章的篇幅討論傳統的機器學習算法、神經網路學習算法、數據挖掘和知識發現技術；第4部分為領域套用，用2章分別討論專家系統開發技術和自然語言處理原理和方法。

圖書目錄

第1章概述

1.1人工智慧概述

1.2AI的產生及主要學派

1.3人工智慧、專家系統和知識工程

1.4AI模擬智慧型成功的標準

1.5人工智慧套用系統

1.6人工智慧的技術特徵

習題1

第1部分搜尋與問題求解

第2章用搜尋求解問題的基本原理

2.1搜尋求解問題的基本思路

2.2實現搜尋過程的三大要素

2.2.1搜尋對象

2.2.2擴展規則

2.2.3目標測試

2.3通過搜尋求解問題

2.4問題特徵分析

2.4.1問題的可分解性

2.4.2問題求解步驟的撤回

2.4.3問題全域的可預測性

2.4.4問題要求的解的滿意度

習題2

第3章搜尋的基本策略

3.1盲目搜尋方法

3.1.1寬度優先搜尋

3.1.2深度優先搜尋

3.1.3分支有界搜尋

3.1.4疊代加深搜尋

3.1.5一個盲目搜尋問題幾種實現

3.2啟發式搜尋

3.2.1啟發式信息的表示

3.2.2幾種最基本的搜尋策略

3.3隨機搜尋

3.3.1模擬退火法

3.3.2其他典型的隨機搜尋算法

習題3

目錄

人工智慧基礎教程(第二版)

第4章圖搜尋策略

4.1或圖搜尋策略

4.1.1通用或圖搜尋算法

4.1.2A算法與A*算法

4.2與/或圖搜尋

4.2.1問題歸約求解方法與“與/或圖”

4.2.2與/或圖搜尋

4.2.3與/或圖搜尋的特點

4.2.4與/或圖搜尋算法AO*

4.2.5對AO*算法的進一步觀察

4.2.6用AO*算法求解一個智力難題

習題4

第5章博弈與搜尋

5.1博弈與對策

5.2極小極大搜尋算法

5.2.1極小極大搜尋的思想

5.2.2極小極大搜尋算法

5.2.3算法分析與舉例

5.3α-β剪枝算法

習題5

第6章演化搜尋算法

6.1遺傳算法的基本概念

6.1.1遺傳算法的基本定義

6.1.2遺傳算法的基本流程

6.2遺傳編碼

6.2.1二進制編碼

6.2.2Gray編碼

6.2.3實數編碼

6.2.4有序編碼

6.2.5結構式編碼

6.3適應值函式

6.4遺傳操作

6.4.1選擇

6.4.2交叉操作

6.4.3變異操作

6.5初始化群體

6.6控制參數的選取

6.7算法的終止準則

6.8遺傳算法的基本理論

6.8.1模式定理

6.8.2隱含並行性

6.8.3構造塊假設

6.8.4遺傳算法的收斂性

6.9遺傳算法簡例

6.10遺傳算法的套用領域

6.11免疫算法

6.11.1免疫算法的發展

6.11.2免疫算法的基本原理

6.11.3生物免疫系統與人工免疫系統對應關係

6.11.4免疫算法的基本類型和步驟

6.12典型免疫算法分析

6.12.1陰性選擇算法

6.12.2免疫遺傳算法

6.12.3克隆選擇算法

6.12.4基於疫苗的免疫算法

6.13免疫算法設計分析

6.14免疫算法與遺傳算法比較

6.14.1免疫算法與遺傳算法的基本步驟比較

6.14.2免疫算法與遺傳算法不同之處

6.14.3仿真實驗及討論

6.15免疫算法研究的展望

習題6

第7章群集智慧型算法

7.1群集智慧型算法的研究背景

7.2群集智慧型的基本算法介紹

7.2.1蟻群算法

7.2.2flock算法

7.2.3粒子群算法

7.3集智系統介紹

7.3.1人工魚

7.3.2Terrarium世界

7.4群集智慧型的優缺點

習題7

第8章記憶型搜尋算法

8.1禁忌搜尋算法

8.1.1禁忌搜尋算法的基本思想

8.1.2禁忌搜尋算法的基本流程

8.1.3禁忌搜尋示例

8.1.4禁忌搜尋算法的基本要素分析

8.1.5禁忌搜尋算法流程的特點

8.1.6禁忌搜尋算法的改進

8.2和聲搜尋算法

8.2.1和聲搜尋算法簡介和原理

8.2.2算法套用

8.2.3算法比較與分析

習題8

第9章基於Agent的搜尋

9.1DAI概述

9.2分散式問題求解

9.3Agent的定義

9.3.1Agent的弱定義

9.3.2Agent的強定義

9.4Agent的分類

9.4.1按功能劃分

9.4.2按屬性劃分

9.5Agent通信

9.5.1Agent通信概述

9.5.2言語動作

9.5.3SHADE通信機制

9.6移動Agent

9.6.1移動Agent系統的一般結構

9.6.2移動Agent的分類

9.6.3移動Agent的優點

9.6.4移動Agent的技術難點

9.6.5移動Agent技術的標準化

9.7移動Agent平台的介紹

9.7.1General Magic公司的Odysses

9.7.2IBM公司的Aglet

習題9

第2部分知識與推理

第10章知識表示與處理方法

10.1概述

10.1.1知識和知識表示的含義

10.1.2知識表示方法分類

10.1.3AI對知識表示方法的要求

10.1.4知識表示要注意的問題

10.2邏輯表示法

10.3產生式表示法

10.3.1產生式系統的組成

10.3.2產生式系統的知識表示

10.3.3產生式系統的推理方式

10.3.4產生式規則的選擇與匹配

10.3.5產生式表示的特點

10.4語義網路表示法

10.4.1語義網路結構

10.4.2二元語義網路的表示

10.4.3多元語義網路的表示

10.4.4連線詞和量詞的表示

10.4.5語義網路的推理過程

10.4.6語義網路的一般描述

10.5框架表示法

10.5.1框架理論

10.5.2框架結構

10.5.3框架表示下的推理

10.6過程式知識表示

習題10

第11章謂詞邏輯的歸結原理及其套用

11.1命題演算的歸結方法

11.1.1基本概念

11.1.2命題演算的歸結方法

11.2謂詞演算的歸結

11.2.1謂詞演算的基本問題

11.2.2將公式化成標準子句形式的步驟

11.2.3合一算法

11.2.4變數分離標準化

11.2.5謂詞演算的歸結算法

11.3歸結原理

11.3.1謂詞演算的基本概念

11.3.2歸結方法可靠性證明

11.3.3歸結方法的完備性

11.4歸結過程的控制策略

11.4.1簡化策略

11.4.2支撐集策略

11.4.3線性輸入策略

11.4.4幾種推理規則及其套用

11.5套用實例

11.5.1歸約在邏輯電路設計中的套用

11.5.2利用推理破案的實例

習題11

第12章非經典邏輯的推理

12.1非單調推理

12.1.1單調推理與非單調推理的概念

12.1.2默認邏輯

12.1.3默認邏輯非單調推理系統TMS

12.2DempsterShater（DS）證據理論

12.2.1識別框架

12.2.2基本機率分配函式

12.2.3置信函式Bel(A)

12.2.4置信區間

12.2.5證據的組合函式

12.2.6DS理論的評價

12.3不確定性推理

12.3.1不確定性

12.3.2主觀機率貝葉斯方法

12.4MYCIN系統的推理模型

12.4.1理論和實際的背景

12.4.2MYCIN模型

12.4.3MYCIN模型分析

12.4.4MYCIN推理網路的基本模式

12.4.5MYCIN推理模型的評價

12.5模糊推理

12.5.1模糊集論與模糊邏輯

12.5.2Fuzzy聚類分析

12.6基於案例的推理

12.6.1基於案例推理的基本思想

12.6.2案例的表示與組織

12.6.3案例的檢索

12.6.4案例的改寫

12.7歸納法推理

12.7.1歸納法推理的理論基礎

12.7.2歸納法推理的基本概念

12.7.3歸納法推理中的主要難點

12.7.4歸納法推理的套用

習題12

第13章次協調邏輯推理

13.1次協調邏輯的含義

13.1.1傳統的人工智慧與經典邏輯

13.1.2人工智慧中不協調的數據和知識庫

13.1.3次協調邏輯

13.2註解謂詞演算

13.2.1多真值格

13.2.2註解邏輯

13.2.3註解謂詞公式的語義

13.2.4APC中的不協調、非、蘊含

13.3基於APC的SLDa推導和SLDa反駁

13.3.1SLDa推導和SLDa反駁

13.3.2註解邏輯推理方法

13.3.3註解邏輯推理舉例

13.4註解邏輯的歸結原理

13.5套用實例

13.6控制策略

習題13

第3部分學習與發現

第14章機器學習

14.1概述

14.1.1機器學習的定義和意義

14.1.2機器學習的研究簡史

14.1.3機器學習方法的分類

14.1.4機器學習中的推理方法

14.2歸納學習

14.2.1歸納概念學習的定義

14.2.2歸納概念學習的形式描述

14.2.3歸納概念學習算法的一般步驟

14.2.4歸納概念學習的基本技術

14.3基於解釋的學習

14.3.1基於解釋學習的基本原理

14.3.2基於解釋學習的一般框架

14.3.3基於解釋的學習過程

14.4基於類比的學習

14.4.1類比學習的一般原理

14.4.2類比學習的表示

14.4.3類比學習的求解

14.4.4逐步推理和監控的類比學習

習題14

第15章人工神經網路

15.1人工神經網路的特點

15.2人工神經網路的基本原理

15.3人工神經網路的基本結構模式

15.4人工神經網路互連結構

15.5神經網路模型分類

15.6幾種基本的神經網路學習算法介紹

15.6.1Hebb型學習

15.6.2誤差修正學習方法

15.6.3隨機型學習

15.6.4競爭型學習

15.6.5基於記憶的學習

15.6.6結構修正學習

15.7幾種典型神經網路簡介

15.7.1單層前向網路

15.7.2多層前向網路及BP學習算法

15.7.3Hopfield神經網路

15.8人工神經網路與人工智慧其他技術的比較

15.9人工神經網路的套用領域

習題15

第16章數據挖掘與知識發現

16.1數據挖掘

16.1.1數據挖掘的定義與發展

16.1.2數據挖掘研究的主要內容

16.1.3數據挖掘的特點

16.1.4數據挖掘的分類

16.1.5數據挖掘常用的技術

16.1.6數據挖掘過程

16.1.7數據挖掘研究面臨的困難

16.1.8關聯規則挖掘

16.1.9聚類分析

16.2Web挖掘

16.2.1Web挖掘概述

16.2.2Web內容挖掘

16.2.3Web結構挖掘

16.2.4Web使用挖掘

16.2.5Web數據挖掘的技術難點

16.2.6XML與Web數據挖掘技術

16.3文本挖掘

16.3.1文本挖掘的概念

16.3.2文本挖掘預處理

16.3.3文本挖掘的關鍵技術

16.3.4文本挖掘系統的評價標準

習題16

第4部分領域套用

第17章專家系統

17.1專家系統概述

17.1.1專家系統的定義

17.1.2專家系統的結構

17.1.3專家系統的特點

17.1.4專家系統的類型

17.1.5幾個成功的專家系統簡介

17.2專家系統中的知識獲取

17.2.1概述

17.2.2知識獲取的直接方法

17.2.3知識獲取的新進展

17.3專家系統的解釋機制

17.3.1預製文本解釋法

17.3.2路徑跟蹤解釋法

17.3.3自動程式設計師解釋法

17.3.4策略解釋法

17.4專家系統開發工具與環境

17.4.1專家系統開發工具的基本概念

17.4.2專家系統工具JESS

17.4.3JESS中的Rete匹配算法和逆向推理機制

17.5專家系統開發

17.5.1專家系統開發的步驟

17.5.2專家系統開發方法

17.6專家系統開發實例

17.6.1動物識別專家系統

17.6.2MYCIN專家系統

習題17

第18章自然語言處理

18.1語言的組成

18.1.1自然語言的基本要素

18.1.2實詞和虛詞

18.1.3短語結構

18.2上下文無關語法

18.2.1重寫規則

18.2.2語法分析

18.3上下文無關語法分析

18.3.1產生後繼狀態的算法

18.3.2利用詞典

18.3.3建立語法分析樹

18.4特殊語法的分析

18.4.1引進特徵

18.4.2特徵匹配

18.5利用圖表的高效語法分析

18.5.1chart數據結構

18.5.2有多種解釋的句子

18.6語義解釋

18.6.1詞的意思

18.6.2利用特徵的語義解釋

18.6.3詞義排歧

18.7生成自然語言

18.8在上下文中的自然語言

18.8.1言語的行為

18.8.2創建引用

18.8.3處理資料庫的斷言和問題

習題18

參考文獻