本書第5版共10章。第1章敘述人工智能的定義、起源、分類與發(fā)展。第2章和第3章研究人工智能的知識(shí)表示方法和搜索推理技術(shù)。第4章探討不確定性推理的主要方法。第5章闡述計(jì)算智能的基本知識(shí)。第6章至第10章逐一討論了人工智能的主要應(yīng)用領(lǐng)域，包括專家系統(tǒng)、機(jī)器學(xué)習(xí)、自動(dòng)規(guī)劃、分布式人工智能和自然語言理解等。與第4版相比，許多內(nèi)容都是第*次出現(xiàn)的，例如，人工智能的分類與計(jì)算方法、謂詞演算符號(hào)的規(guī)范、進(jìn)化算法的框架與執(zhí)行過程、專家系統(tǒng)的設(shè)計(jì)方法和基于Web專家系統(tǒng)的開發(fā)工具以及深度學(xué)習(xí)等。其他章節(jié)也在第4版的基礎(chǔ)上作了相應(yīng)的修改、精簡(jiǎn)或補(bǔ)充。

本書可作為高等院校有關(guān)專業(yè)本科生和研究生的人工智能課程教材，也可供從事人工智能研究與應(yīng)用的科技工作者學(xué)習(xí)參考。

目錄

第1章緒論
1.1人工智能的定義與發(fā)展
1.1.1人工智能的定義
1.1.2人工智能的起源與發(fā)展
1.2人工智能的各種認(rèn)知觀
1.2.1人工智能各學(xué)派的認(rèn)知觀
1.2.2人工智能的爭(zhēng)論
1.3人類智能與人工智能
1.3.1智能信息處理系統(tǒng)的假設(shè)
1.3.2人類智能的計(jì)算機(jī)模擬
1.4人工智能系統(tǒng)的分類
1.5人工智能的研究目標(biāo)和內(nèi)容
1.5.1人工智能的研究目標(biāo)
1.5.2人工智能研究的基本內(nèi)容
1.6人工智能的研究與計(jì)算方法
1.6.1人工智能的研究方法
1.6.2人工智能的計(jì)算方法
1.7人工智能的研究與應(yīng)用領(lǐng)域
1.8本書概要
習(xí)題1
第2章知識(shí)表示方法
2.1狀態(tài)空間表示
2.1.1問題狀態(tài)描述
2.1.2狀態(tài)圖示法
2.2問題歸約表示
2.2.1問題歸約描述
2.2.2與或圖表示
2.3謂詞邏輯表示
2.3.1謂詞演算
2.3.2謂詞公式
2.3.3置換與合一
2.4語義網(wǎng)絡(luò)表示
2.4.1二元語義網(wǎng)絡(luò)的表示
2.4.2多元語義網(wǎng)絡(luò)的表示
2.4.3語義網(wǎng)絡(luò)的推理過程
2.5框架表示
2.5.1框架的構(gòu)成
2.5.2框架的推理
2.6本體技術(shù)
2.6.1本體的概念
2.6.2本體的組成與分類
2.6.3本體的建模
2.7過程表示
2.8小結(jié)
習(xí)題2
第3章確定性推理
3.1圖搜索策略
3.2盲目搜索
3.2.1寬度優(yōu)先搜索
3.2.2深度優(yōu)先搜索
3.2.3等代價(jià)搜索
3.3啟發(fā)式搜索
3.3.1啟發(fā)式搜索策略和估價(jià)函數(shù)
3.3.2有序搜索
3.3.3A*算法
3.4消解原理
3.4.1子句集的求取
3.4.2消解推理規(guī)則
3.4.3含有變量的消解式
3.4.4消解反演求解過程
3.5規(guī)則演繹系統(tǒng)
3.5.1規(guī)則正向演繹系統(tǒng)
3.5.2規(guī)則逆向演繹系統(tǒng)
3.5.3規(guī)則雙向演繹系統(tǒng)
3.6產(chǎn)生式系統(tǒng)
3.6.1產(chǎn)生式系統(tǒng)的組成
3.6.2產(chǎn)生式系統(tǒng)的推理
3.6.3產(chǎn)生式系統(tǒng)舉例
3.7非單調(diào)推理
3.7.1缺省推理
3.7.2真值維持系統(tǒng)
3.8小結(jié)
習(xí)題3
第4章非經(jīng)典推理
4.1經(jīng)典推理和非經(jīng)典推理
4.2不確定性推理
4.2.1不確定性的表示與量度
4.2.2不確定性的算法
4.3概率推理
4.3.1概率的基本性質(zhì)和計(jì)算公式
4.3.2概率推理方法
4.4主觀貝葉斯方法
4.4.1知識(shí)不確定性的表示
4.4.2證據(jù)不確定性的表示
4.4.3主觀貝葉斯方法的推理過程
4.5可信度方法
4.5.1基于可信度的不確定性表示
4.5.2可信度方法的推理算法
4.6證據(jù)理論
4.6.1證據(jù)理論的形式化描述
4.6.2證據(jù)理論的不確定性推理模型
4.6.3推理示例
4.7小結(jié)
習(xí)題4
第5章計(jì)算智能
5.1概述
5.2神經(jīng)計(jì)算
5.2.1人工神經(jīng)網(wǎng)絡(luò)研究的進(jìn)展
5.2.2人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
5.2.3人工神經(jīng)網(wǎng)絡(luò)示例及其算法
5.2.4基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示與推理
5.3模糊計(jì)算
5.3.1模糊集合、模糊邏輯及其運(yùn)算
5.3.2模糊邏輯推理
5.4進(jìn)化算法與遺傳算法
5.4.1進(jìn)化算法原理
5.4.2進(jìn)化算法框架
5.4.3遺傳算法的編碼與解碼
5.4.4遺傳算法的遺傳算子
5.4.5遺傳算法的執(zhí)行過程
5.4.6遺傳算法的執(zhí)行實(shí)例
5.5人工生命
5.5.1人工生命研究的起源和發(fā)展
5.5.2人工生命的定義和研究意義
5.5.3人工生命的研究?jī)?nèi)容和方法
5.5.4人工生命實(shí)例
5.6粒群優(yōu)化算法
5.6.1群智能和粒群優(yōu)化概述
5.6.2粒群優(yōu)化算法
5.7蟻群算法
5.7.1蟻群算法理論
5.7.2蟻群算法的研究與應(yīng)用
5.8小結(jié)
習(xí)題5
第6章專家系統(tǒng)
6.1專家系統(tǒng)概述
6.1.1專家系統(tǒng)的定義與特點(diǎn)
6.1.2專家系統(tǒng)的結(jié)構(gòu)和建造步驟
6.2基于規(guī)則的專家系統(tǒng)
6.2.1基于規(guī)則專家系統(tǒng)的工作模型和結(jié)構(gòu)
6.2.2基于規(guī)則專家系統(tǒng)的特點(diǎn)
6.3基于框架的專家系統(tǒng)
6.3.1基于框架專家系統(tǒng)的定義、結(jié)構(gòu)和設(shè)計(jì)方法
6.3.2基于框架專家系統(tǒng)的繼承、槽和方法
6.4基于模型的專家系統(tǒng)
6.4.1基于模型專家系統(tǒng)的提出
6.4.2基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)
6.5基于Web的專家系統(tǒng)
6.5.1基于Web專家系統(tǒng)的結(jié)構(gòu)
6.5.2基于Web專家系統(tǒng)的實(shí)例
6.6新型專家系統(tǒng)
6.6.1新型專家系統(tǒng)的特征
6.6.2分布式專家系統(tǒng)
6.6.3協(xié)同式專家系統(tǒng)
6.7專家系統(tǒng)的設(shè)計(jì)
6.7.1專家系統(tǒng)的設(shè)計(jì)過程
6.7.2基于規(guī)則專家系統(tǒng)的一般設(shè)計(jì)方法
6.7.3反向推理規(guī)則專家系統(tǒng)的設(shè)計(jì)任務(wù)
6.8專家系統(tǒng)開發(fā)工具
6.8.1專家系統(tǒng)的傳統(tǒng)開發(fā)工具
6.8.2專家系統(tǒng)的Matlab開發(fā)工具
6.9小結(jié)
習(xí)題6
第7章機(jī)器學(xué)習(xí)
7.1機(jī)器學(xué)習(xí)的定義和發(fā)展歷史
7.1.1機(jī)器學(xué)習(xí)的定義
7.1.2機(jī)器學(xué)習(xí)的發(fā)展史
7.2機(jī)器學(xué)習(xí)的主要策略與基本結(jié)構(gòu)
7.2.1機(jī)器學(xué)習(xí)的主要策略
7.2.2機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)
7.3歸納學(xué)習(xí)
7.3.1歸納學(xué)習(xí)的模式和規(guī)則
7.3.2歸納學(xué)習(xí)方法
7.4決策樹學(xué)習(xí)
7.4.1決策樹和決策樹構(gòu)造算法
7.4.2決策樹學(xué)習(xí)算法ID3
7.5類比學(xué)習(xí)
7.5.1類比推理和類比學(xué)習(xí)形式
7.5.2類比學(xué)習(xí)過程與研究類型
7.6解釋學(xué)習(xí)
7.6.1解釋學(xué)習(xí)過程和算法
7.6.2解釋學(xué)習(xí)舉例
7.7神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
7.7.1基于反向傳播網(wǎng)絡(luò)的學(xué)習(xí)
7.7.2基于Hopfield網(wǎng)絡(luò)的學(xué)習(xí)
7.8知識(shí)發(fā)現(xiàn)
7.8.1知識(shí)發(fā)現(xiàn)的發(fā)展和定義
7.8.2知識(shí)發(fā)現(xiàn)的處理過程
7.8.3知識(shí)發(fā)現(xiàn)的方法
7.8.4知識(shí)發(fā)現(xiàn)的應(yīng)用
7.9增強(qiáng)學(xué)習(xí)
7.9.1增強(qiáng)學(xué)習(xí)概述
7.9.2Q?學(xué)習(xí)
7.10深度學(xué)習(xí)
7.10.1深度學(xué)習(xí)的定義與特點(diǎn)
7.10.2深度學(xué)習(xí)基礎(chǔ)及神經(jīng)網(wǎng)絡(luò)
7.10.3深度學(xué)習(xí)的常用模型
7.10.4深度學(xué)習(xí)應(yīng)用簡(jiǎn)介
7.10.5總結(jié)與展望
7.11小結(jié)
習(xí)題7
第8章自動(dòng)規(guī)劃
8.1自動(dòng)規(guī)劃概述
8.1.1規(guī)劃的概念和作用
8.1.2規(guī)劃的分類和問題分解途徑
8.1.3執(zhí)行規(guī)劃系統(tǒng)任務(wù)的一般方法
8.2任務(wù)規(guī)劃
8.2.1積木世界的機(jī)器人規(guī)劃
8.2.2STRIPS規(guī)劃系統(tǒng)
8.2.3具有學(xué)習(xí)能力的規(guī)劃系統(tǒng)
8.2.4分層規(guī)劃
8.2.5基于專家系統(tǒng)的機(jī)器人規(guī)劃
8.3路徑規(guī)劃
8.3.1機(jī)器人路徑規(guī)劃的主要方法和發(fā)展趨勢(shì)
8.3.2基于模擬退火算法的機(jī)器人局部路徑規(guī)劃
8.3.3基于免疫進(jìn)化和示例學(xué)習(xí)的機(jī)器人路徑規(guī)劃
8.3.4基于蟻群算法的機(jī)器人路徑規(guī)劃
8.4軌跡規(guī)劃簡(jiǎn)介
8.5小結(jié)
習(xí)題8
第9章分布式人工智能與Agent(真體)
9.1分布式人工智能
9.2Agent及其要素
9.2.1Agent的定義和譯法
9.2.2真體的要素和特性
9.3真體的結(jié)構(gòu)
9.3.1真體的抽象結(jié)構(gòu)和結(jié)構(gòu)特點(diǎn)
9.3.2真體結(jié)構(gòu)的分類
9.4真體通信
9.4.1通信的過程
9.4.2真體通信的類型和方式
9.4.3交談的規(guī)劃與實(shí)現(xiàn)
9.4.4真體的通信語言
9.5移動(dòng)真體和多真體系統(tǒng)
9.5.1移動(dòng)真體的定義和系統(tǒng)構(gòu)成
9.5.2多真體系統(tǒng)的特征和關(guān)鍵技術(shù)
9.5.3多真體系統(tǒng)的模型和結(jié)構(gòu)
9.5.4多真體的協(xié)作、協(xié)商和協(xié)調(diào)
9.5.5多真體的學(xué)習(xí)與規(guī)劃
9.5.6多真體系統(tǒng)的研究和應(yīng)用領(lǐng)域
9.6小結(jié)
習(xí)題9
第10章自然語言理解
10.1自然語言理解概述
10.1.1語言與語言理解
10.1.2自然語言處理的概念和定義
10.1.3自然語言處理的研究領(lǐng)域和意義
10.1.4自然語言理解研究的基本方法和進(jìn)展
10.1.5自然語言理解過程的層次
10.2詞法分析
10.3句法分析
10.3.1短語結(jié)構(gòu)語法
10.3.2喬姆斯基形式語法
10.3.3轉(zhuǎn)移網(wǎng)絡(luò)
10.3.4擴(kuò)充轉(zhuǎn)移網(wǎng)絡(luò)
10.3.5詞匯功能語法
10.4語義分析
10.5句子的自動(dòng)理解
10.5.1簡(jiǎn)單句的理解方法
10.5.2復(fù)合句的理解方法
10.6語料庫語言學(xué)
10.7文本的自動(dòng)翻譯——機(jī)器翻譯
10.8自然語言理解系統(tǒng)的主要模型
10.9自然語言理解系統(tǒng)應(yīng)用舉例
10.9.1自然語言自動(dòng)理解系統(tǒng)
10.9.2自然語言問答系統(tǒng)
10.10小結(jié)
習(xí)題10
結(jié)束語
參考文獻(xiàn)
索引

因版權(quán)問題暫不提供電子書下載地址，請(qǐng)到官網(wǎng)購買，敬請(qǐng)諒解！