人工智能/21世纪大学本科计算机专业系列教材 下载 mobi epub pdf 电子书 2024

☆☆☆☆☆
简体网页||繁体网页

点击这里下载

类似图书 点击查看全场最低价

---

编辑推荐

　　人工智能是一个多学科的交叉学科，涉及的内容广泛，而且一直在不断的发展，随时都在产生新的方法和理论。本书主要介绍人工智能研究中那些基本的、经典的理论和方法，为计算机科学和技术人员以及其他学科领域中对人工智能感兴趣的科技工作者和学生提供基本的人工智能技术和有关问题的知识。
　　l人工智能的一个主要特点就是涉及范围广，发展快速，内容相对比较杂。因此在内容组织上就要力求突出重点内容，系统性强，把人工智能中基本的内容反映出来，使得学生能在有限的学时内，系统深入地掌握人工智能中主要的基本问题，为进一步深入研究人工智能问题打下良好基础。
　　l针对人工智能的几个重要的专题，例如：知识表示、不确定性推理、机器学习、自然语言处理等进行了较深入的讨论。本教材的特点和创新也是体现在这个方面。
　　l在内容组织上既包括了启发式搜索、博弈树搜索、知识表示等这些非常经典的内容，又包括了局部搜索、模拟退火、遗传算法、机器学习等比较新的内容。同时，增加了人工智能有关的哲学问题的探讨，如图灵测试、中文屋子问题等，这些内容的讨论将有助于学生理解什么人工智能。
　　l本书参考了ACM和IEEECSComputingCurricula中关于人工智能的有关部分，结合作者自己多年从事人工智能教学和科研的工作经验，确定了两大主线：一是适应于本科生教学的，以搜索为主线，主要讲解启发式搜索，博弈树搜索，局部搜索，模拟退火，遗传算法等内容，使得学生通过本课程的学习，掌握利用搜索技术求解人工智能问题的方法。二是适合于研究生教学的，一些更加深入的问题，主要讲解谓词逻辑，知识表示，机器学习，不确定推理等内容，使得学生通过课程学习，了解更多的人工智能求解问题的方法。这些内容前后呼应，本科教学为研究生教学打下基础。
　　本教材已经被作为国内具影响的人工智能的教材、，被国内众多高校广泛采用，本书发行已超5万册。
　　配套资源：提供了教学用PowerPoint课件，可以在清华大学出版社网站免费下载。
　　清华大学孙茂松教授推荐：
　　本教材充分考虑了教学的特点，内容十分丰富，知识结构合理，整体性强，反映了人工智能科学发展迄今为止的主要结晶。对主要算法的叙述，难度恰当，且作了必要的展开，决不流于泛泛的一般介绍。举例详实，富有启发性。这些构成了本教材的鲜明特色。其中第5、6、7三章，对国内传统的《人工智能》教材，作了大幅度拓展，使得教材的面貌一新，这也构成了本教材的另一个鲜明特色。相信这部教材的出版，一定会得到任课教师与广大学生的欢迎。

内容简介

　　《人工智能/21世纪大学本科计算机专业系列教材》主要阐述人工智能问题求解方法的一般性原理和基本思想。主要内容有：一般的搜索问题，包括盲目搜索和启发式搜索等；与或图搜索，包括AO*算法和博弈树搜索等；谓词逻辑以及基于归结的定理证明方法；知识表示，包括产生式方法、语义网络、框架等；不确定性推理方法，包括贝叶斯方法、证据理论和确定性方法等；机器学习，包括实例学习、解释学习、决策树学习和神经网络等；高级搜索，包括局部搜索方法、模拟退火方法和遗传算法等。

作者简介

　　马少平、朱小燕，清华大学计算机系教授、博士生导师。多年在清华大学从事与人工智能相关的教学和研究工作，曾与他人著过《人工智能导论》，自1992年起至今从事清华大学计算机系本科生必修课“人工智能导论”教学工作，自1994年起至今从事清华大学计算机系研究生学位课“人工智能原理”教学工作。

内页插图

目录

第0章 绪论
0.1 什么是人工智能
0.2 图灵测试
0.3 中文屋子问题
0.4 人工智能的研究目标
0.5 人工智能发展简史
0.6 人工智能研究的课题
第1章 搜索问题
1.1 回溯策略
1.2 图搜索策略
1.3 无信息图搜索过程
1.4 启发式图搜索过程
1.5 搜索算法讨论
习题
第2章 与或图搜索问题
2.1 与或图的搜索
2.2 与或图的启发式搜索算法AO
2.3 博弈树的搜索
习题
第3章 谓词逻辑与归结原理
3.1 命题逻辑
3.1.1 命题
3.1.2 命题公式
3.1.3 命题逻辑的意义
3.1.4 命题逻辑的推理规则
3.1.5 命题逻辑的归结方法
3.2 谓词逻辑基础
3.2.1 谓词基本概念
3.2.2 一阶谓词逻辑
3.2.3 谓词演算与推理
3.2.4 谓词知识表示
3.3 谓词逻辑归结原理
3.3.1 归结原理概述
3.3.2 Skolem标准型
3.3.3 子句集
3.3.4 置换与合一
3.3.5 归结式
3.3.6 归结过程
3.3.7 归结过程控制策略
3.4 Herbrand定理
3.4.1 概述
3.4.2 H域
3.4.3 H解释
3.4.4 语义树与Herbrand定理
3.4.5 Herbrand定理
3.4.6 Herbrand定理与归结法的完备性
习题
第4章 知识表示
4.1 概述
4.1.1 知识
4.1.2 知识表示
4.1.3 知识表示观
4.2 产生式表示
4.2.1 事实与规则的表示
4.2.2 产生式系统的结构
4.2.3 产生式系统的推理
4.2.4 产生式表示的特点
4.3 语义网络表示
4.3.1 语义网络的结构
4.3.2 基本的语义关系
4.3.3 语义网络的推理
4.3.4 语义网络表示法的特点
4.4 框架表示
4.4.1 框架结构
4.4.2 框架表示下的推理
4.4.3 框架表示法的特点
4.5 其他表示方法
4.5.1 脚本知识表示方法
4.5.2 过程性知识表示法
4.5.3 直接性知识表示方法
习题
第5章 不确定性推理方法
5.1 概述
5.1.1 不确定性
5.1.2 不确定性推理的基本问题
5.1.3 不确定性推理方法的分类
5.2 概率论基础
5.2.1 随机事件
5.2.2 事件的概率
5.2.3 贝叶斯定理
5.2.4 信任几率
5.3 贝叶斯网络
5.3.1 贝叶斯网络基本概念
5.3.2 贝叶斯网络的推理模式
5.4 主观贝叶斯方法
5.4.1 规则的不确定性
5.4.2 证据的不确定性
5.4.3 推理计算
5.5 确定性方法
5.5.1 规则的不确定性度量
5.5.2 证据的不确定性度量
5.5.3 不确定性的传播与更新
5.5.4 问题
5.6 证据理论（D-Stheory）
5.6.1 基本概念
5.6.2 证据的不确定性
5.6.3 规则的不确定性
5.6.4 推理计算
习题
第6章 机器学习
6.1 概述
6.1.1 机器学习的基本概念
6.1.2 机器学习研究的意义
6.1.3 机器学·习发展历史
6.1.4 机器学习分类
6.2 机器学习的基本系统结构
6.2.1 环境
6.2.2 知识库
6.2.3 学习环节
6.2.4 执行环节
6.3 实例学习
6.3.1 实例学习的基本概念
6.3.2 实例学习方法的分类
6.3.3 变型空间法
6.4 解释学习
6.4.1 解释学习的基本概念
6.4.2 解释学习方法
6.5 决策树学习
6.5.1 概述
6.5.2 1D3算法
6.6 神经网络学习
6.6.1 神经网络基础
6.6.2 前馈型人工神经网络
6.6.3 自组织竞争人工神经网络
6.6.4 人工神经网络的应用
习题
第7章 高级搜索
7.1 基本概念
7.1.1 组合优化问题
7.1.2 邻域
7.2 局部搜索算法
7.3 模拟退火算法
7.3.1 固体退火过程
7.3.2 模拟退火算法
7.3.3 参数的确定
7.3.4 应用举例——旅行商问题
7.4 遗传算法
7.4.1 生物进化与遗传算法
7.4.2 遗传算法的实现问题
习题
参考文献

精彩书摘

　　0．3 中文屋子问题
　　智能的体现离不开理解。像前面介绍的图灵测试，如果计算机要正确地回答问题，首先必须要正确地理解问题。现在的问题是，即使一台计算机通过了图灵测试，那么它是否真正理解了问题呢？美国哲学家约翰·希尔勒对此提出了否定意见。他认为，即便一台计算机通过了图灵测试，但这台计算机仍然不具备和理解有关的精神属性。这要从罗杰·施安克编写的一个故事理解程序说起。该程序可以在“阅读”一个英文写的小故事之后，回答一些与故事有关的问题。例如，对于这样两段内容：“一个人进入餐馆并订了一份汉堡包。当汉堡包端来时发现被烘脆了，此人暴怒地离开餐馆，没有付账或留下小费。”“一个人进入餐馆并订了一份汉堡包。当汉堡包端来后他非常喜欢它，而且在离开餐馆付账之前，给了女服务员很多小费。”作为对“理解”故事的检验，可以向计算机询问，在每一种情况下此人是否吃了汉堡包。由于在两段内容中，都没有直接提及此人是否吃了汉堡包这样的信息，因此要回答这样的问题，需要对这两段话的内容进行理解。对于这样特定的例子，计算机程序可以给出完全与人类一致的回答，即第一种情况回答“否”，第二种情况回答“是”。对于这样简单的问题，可以说计算机通过了图灵测试。但是计算机真正理解了这两段话的含义了吗？为此希尔勒提出了中文屋子问题。
　　希尔勒首先设想故事不是用英文，而是用中文写的。这一点对计算机程序来说并没有太大的变化，只是将针对英文的处理改变为处理中文即可。计算机对故事处理的所有运算均转换为一组指令。希尔勒想象自己在一个屋子里操作这些指令。代表这一故事和问题的一连串符号通过一条很小的缝隙送到屋子里。除了故事和问题以外，不允许任何其他信息渗透到屋子里。希尔勒完全按照程序的处理过程对故事和问题进行处理，并最终通过同样的缝隙将结果送到屋子外面。由于希尔勒完全按照施安克的程序进行操作，因此最终得到的结果是中文的“是”或“否”，并以此作为对中文故事和问题的回答。
　　希尔勒完成这样的工作可能需要花费难以想象的时间，如果不考虑时间因素，从理论上来讲，只要计算机能做到的任何事情，人也一定能够完成。现在，问题来了。希尔勒清楚地表明：他根本不懂任何中文。对于刚才的故事，讲的是什么，问题是什么，甚至对他自己给出的回答他一点都不知道，他只是按照程序完成了各种操作，并给出了一个答案，完全是按照程序进行的。而且这个答案与一个真正理解了这个故事的中国人做得一样好。由此希尔勒得出结论：仅仅成功执行算法本身并不意味着对所发生的事情有丝毫理解，被锁在中文屋子里的希尔勒不理解故事中的任何一个词。
　　按照希尔勒的观点，即便计算机给出了正确的答案，顺利通过了图灵测试，但计算机也没有理解它所做的一切，因此也就不能体现出任何智能。
　　实际上这里涉及什么是“理解”的问题。一位老师如何判断一个学生是否听懂了他的课呢？常用的办法就是向学生提出一些问题，通过学生的回答来判断学生是否理解了讲课内容。对于学生是这样，那么对于一台计算机为什么就不能从它的回答来判断是否“理解”呢？希尔勒通过中文屋子的例子来说明，即便是正确回答了问题，也不一定理解。因为他已经声明了自己根本不懂任何中文，也没有理解任何内容。但是对于一个人来说，判断他是否理解了，是从一个人的“整体”来判断的，人们并不知道这个人的哪部分脑细胞“理解”了，也许对于任何一个细胞来说，都是不“理解”的，只是当它们组合成一个整体的时候，才是“理解”的。这样，对于中文屋子来说，屋子是一个整体，里边的希尔勒只不过是一个细胞，他不理解，并不意味着整个屋子不理解。
　　希尔勒的中文屋子的例子，提出了一个什么是理解的问题，这也许体现了人的智能与人工智能的不同。
　　……

前言/序言

　　人工智能自从1956年问世以来，已经经历了近50年的风风雨雨，其发展并非一帆风顺，历经几次大起大落。也正是在这样的起落中，人工智能这门学科得以逐步发展壮大起来。
　　实际上，从古代开始，人类就一直幻想着制造出具有智能的机器。很多古代的传说，无不体现了这样的思想。但是，只有在计算机出现以后，借助于计算机这种工具，人工智能才有可能从幻想走向现实。
　　究竟什么是人工智能？人工智能是否能够实现？一直是人们争议的问题。由于对智能本身研究得不够充分，人们往往将智能神秘化。当IBM的“深蓝”第一次战胜国际象棋世界冠军卡斯帕罗夫的时候，先是惊叹人工智能的发展，继而，当对“深蓝”的原理有所了解之后，又有很多人提出这样的疑问：这就是智能吗？人类下棋可不是这样的。
　　机器智能是对人类智能的一种模仿，是功能上的模仿，而不是机理上的模仿。由于对人类智能的了解还远远不够，因此．，从机理上模仿人类的智能，至少在近期内是不可能实现的，而且即使实现也不一定就是成功的。当年莱特兄弟成功地制造了飞机，正是因为他们没有模仿鸟的飞行，他们制造的飞机不是像鸟那样依靠翅膀的煽动而飞行，才取得了成功。可以想象，如果当时人们制造的是翅膀可以煽动的飞机的话，也许到现在飞机也不能成为一种常用的交通工具。因此，在研究人工智能的过程中，不必追求其机理是否与人类一致，所追求的应该是人工智能的功能。
　　通俗地讲，人工智能就是一些方法，依靠这些方法，计算机可以比较好地求解问题，能够帮助人类做许多以前需要人类的智能才能完成的工作。
　　人工智能发展至今，已经形成了一整套的理论和方法，这些理论和方法已经在专家系统、自然语言处理、模式识别、人机交互、智能信息处理、信息检索、图像处理、数据挖掘和机器人技术等各个人工智能的应用领域发挥着巨大的作用。
　　目前，人工智能仍处于发展时期，很多问题解决得还不够好，甚至不能求解；很多问题的求解还需要一定的条件。人工智能毕竟是依靠机器实现的。与人类相比，机器相对呆板、不够灵活。因此，人工智能应该是一个人机协调的系统。为了机器处理的方便，人类应该做一些让步，为机器提供一定的条件，以便机器发挥其优势。就像火车一样，火车拉得多，跑得快，但火车离不开铁路，一旦离开了铁路，火车将一事无成。修建铁路就是人类对火车的让步。人工智能的应用，也许同样需要人类修建一条能让人工智能在其上面“跑”的“铁路”。
　　人工智能是多学科的交叉学科，涉及的内容广泛，而且一直在不断地发展，随时都在产生新的方法和理论。本书作为人工智能入门性的教材，主要介绍人工智能研究中最基本的、最经典的理论和方法，为计算机科学和技术人员以及其他学科领域中对人工智能感兴趣的科技工作者和学生提供最基本的人工智能技术和有关问题的入门知识。
　　全书共8章，第1至第7章每一章介绍人工智能的一种方法。
　　第0章绪论，首先介绍什么是人工智能，并阐述了图灵测试和中文屋子问题。这些问题的阐述将有助于理解什么是人工智能问题。然后介绍人工智能的研究目标、发展历史，以及人工智能所涉及的研究课题。这将有助于理解哪些问题属于人工智能领域。
　　第1章介绍搜索问题。馊索被认为是人工智能，尤其是传统的人工智能的两大支柱之一，很多人工智能问题的求解，最终都可以归结为搜索问题，或者与搜索问题有联系。本章主要介绍盲目搜索算法和启发式搜索算法，给出算法的描述和应用举例。
　　第2章介绍与或图的搜索问题，给出与或图的启发式搜索算法——AO*搜索算法和博弈树搜索算法——a—B剪支算法。a—B剪支算法是求解博弈问题最主要的算法。
　　第3章介绍一阶谓词逻辑及归结原理。一阶谓词逻辑是知识表示的方法之一，具有很好的数学基础。本章从命题逻辑入手，着重讨论逻辑运算在人工智能推理方法中的意义、谓词逻辑表示方法、归结原理推理方法及其理论基础。
　　第4章介绍知识表示方法。知识表示是支撑人工智能的两大支柱之一。人工智能问题的求解离不开知识，首先遇到的就是知识表示问题。本章主要介绍人工智能中最常用的产生式、语义网络和框架等知识表示方法及基于这些知识表示方法的推理方法。
　　第5章介绍不确定性推理方法。现实世界的问题，往往包含大量模糊性、随机性、不可靠性或不知道等不确定性因素，因此不确定性也是人工智能问题的主要特征之一。本章主要介绍人工智能中用于求解不确定性问题的推理方法，包括贝叶斯网络、主观贝叶斯方法、确定性方法和证据理论等。
　　第6章介绍机器学习方法。学习是人类最重要的能力，通过学习，人们可以解决过去不能解决的问题。因此机器学习在人工智能中起着举足轻重的作用。本章主要介绍机器学习的基本思想和基于实例的学习、基于解释的学习、决策树学习、人工神经网络学习等具体的机器学习方法。
　　第7章介绍高级搜索方法。高级搜索是近年发展起来的搜索方法，其特点是通过引入随机因素，把寻求最优解降低为求解满意解，从而达到降低算法复杂度的目的。本章主要介绍局部搜索方法、模拟退火算法和遗传算法。
　　学习人工智能，掌握方法固然重要，但更重要的是应用这些方法解决实际问题。这就涉及编程实现问题。与一般的程序设计相比，人工智能程序设计具有其特殊性。本书并不涉及人工智能程序设计问题，但并不是说这部分内容不重要。在学习本书的同时，一定要边学习边编程实现，通过程序的实现，进一步理解算法，了解算法是如何解决实际问题的。这一点在人工智能学习中是至关重要的。
　　本书每一章后面都附有习题，有些习题比较简单，有些习题是探讨性的，并没有“标准答案”。解答习题对于学习者来说，同样是重要的环节。
　　本书在写作过程中，参考了大量的国内外文献资料，在此一并表示感谢。
　　对于本书中出现的缺点和错误，欢迎读者给予批评指正。
　　马少平
　　朱小燕
　　清华大学计算机系
　　2004年7月

人工智能/21世纪大学本科计算机专业系列教材 下载 mobi epub pdf txt 电子书 格式

评分☆☆☆☆☆

感觉是正版图书，纸张不错

评分☆☆☆☆☆

还可以

评分☆☆☆☆☆

书收到了，京东快递很给力，晚上下单第二天早上送到，祝我考个好成绩，

评分☆☆☆☆☆

评分☆☆☆☆☆

还可以

评分☆☆☆☆☆

还不错。

评分☆☆☆☆☆

挺好

评分☆☆☆☆☆

书整体不错，印刷清晰，内容易懂

评分☆☆☆☆☆

类似图书 点击查看全场最低价