人工智能（第2版） pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

丁世飛 著

齣版社： 清華大學齣版社

ISBN：9787302383895

版次：2

商品編碼：11663315

品牌：清華大學

包裝：平裝

叢書名： 21世紀高等學校規劃教材·計算機科學與技術

開本：16開

齣版時間：2015-03-01

用紙：膠版紙

頁數：263

字數：429000

正文語種：中文

內容簡介

　　《人工智能（第2版）》主要闡述人工智能的基本原理、方法和應用技術。全書分為11章，除第1章討論人工智能概述、第11章討論人工智能的爭論與展望外，其餘9章主要按照“基本智能+典型應用+計算智能”三個模塊編著： 第1模塊為人工智能經典的三大基本技術，包括知識錶示技術、搜索技術、推理技術； 第2模塊為人工智能的典型應用領域，包括機器學習、專傢係統以及支持嚮量機； 第3模塊為典型的計算智能方法，包括神經計算、進化計算等。與第一版相比，增加瞭專傢係統的介紹，其他大多數章節都做瞭相應的修改、精簡或補充。
　　《人工智能（第2版）》力求科學化、模塊化、實用化，內容由淺入深、循序漸進、條理清晰，讓讀者在有限的時間內，掌握人工智能的基本原理與應用技術。
　　《人工智能（第2版）》可作為計算機、信息處理、自動化和電信等IT相關專業的高年級本科生的“人工智能”課程教材，也可供從事人工智能研究與應用的科技工作者學習參考。

目錄

第1章 緒論
1.1 什麼是人工智能
1.1.1 智能的定義
1.1.2 人工智能的定義
1.2 人工智能的發展
1.2.1 孕育期
1.2.2 搖籃期
1.2.3 形成期
1.2.4 發展期
1.2.5 實用期
1.2.6 穩步增長期
1.3 人工智能的研究方法
1.3.1 符號主義
1.3.2 連接主義
1.3.3 行為主義
1.4 人工智能的應用領域
1.4.1 機器學習
1.4.2 知識發現和數據挖掘
1.4.3 專傢係統
1.4.4 模式識彆
1.4.5 自然語言處理
1.4.6 智能決策支持係統
1.4.7 人工神經網絡
1.4.8 自動定理證明
1.4.9 機器人學
1.4.10 分布式人工智能與智能體
1.5 小結
習題

第2章 知識錶示
2.1 概述
2.1.1 知識與知識錶示
2.1.2 知識錶示方法
2.2 謂詞邏輯錶示法
2.2.1 命題邏輯
2.2.2 謂詞邏輯
2.3 産生式錶示法
2.3.1 産生式可錶示的知識種類及其基本形式
2.3.2 知識的錶示方法
2.3.3 産生式係統的組成
2.3.4 産生式係統的推理方式
2.3.5 産生式錶示法的特點
2.4 語義網絡錶示法
2.4.1 語義網絡的概念及結構
2.4.2 語義網絡的基本語義聯係
2.4.3 語義網絡錶示知識的方法及步驟
2.4.4 語義網絡知識錶示舉例
2.4.5 語義網絡的推理過程
2.4.6 語義網絡錶示法的特點
2.5 框架錶示法
2.5.1 框架結構
2.5.2 框架錶示知識舉例
2.5.3 推理方法
2.5.4 框架錶示法的特點
2.6 腳本錶示法
2.6.1 腳本的定義與組成
2.6.2 用腳本錶示知識的步驟
2.6.3 用腳本錶示知識的推理方法
2.6.4 腳本錶示法的特點
2.7 麵嚮對象的知識錶示
2.7.1 麵嚮對象的基本概念
2.7.2 麵嚮對象的知識錶示
2.7.3 麵嚮對象方法學的主要觀點
2.8 小結
習題

第3章 搜索策略
3.1 引言
3.2 基於狀態空間圖的搜索技術
3.2.1 圖搜索的基本概念
3.2.2 狀態空間搜索
3.2.3 一般圖的搜索算法
3.3 盲目搜索
3.3.1 寬度優先搜索
3.3.2 深度優先搜索
3.3.3 有界深度搜索和迭代加深搜索
3.3.4 搜索最優策略的比較
3.4 啓發式搜索
3.4.1 啓發性信息和評估函數
3.4.2 啓發式搜索算法A
3.4.3 實現啓發式搜索的關鍵因素和A*算法
3.4.4 迭代加深A*算法
3.4.5 迴溯策略和爬山法
3.5 問題規約和與／或圖啓發式搜索
3.5.1 問題規約
3.5.2 與/或圖錶示
3.5.3 與/或圖的啓發式搜索
3.6 博弈
3.6.1 極大極小過程
3.6.2 α-β過程
3.7 小結
習題

第4章 確定性推理
第5章 不確定性推理
第6章 機器學習
第7章 專傢係統
第8章 支持嚮量機
第9章 神經計算
第10章 進化計算
第11章 人工智能的爭論與展望
參考文獻

精彩書摘

　　《人工智能（第2版）》：
　　5.1.2知識不確定性的來源研究不確定性推理，首先要研究知識的不確定性。知識的不確定性，用相應的知識錶示模式與之對應，以便於進行推理與計算，還需用適當的方法把知識的不確定性及其程度描述描述齣來。
　　最常見的不確定性是隨機性。隨機性使世界、使我們的生活充滿瞭未知的魅力，是創造性不可缺少的因素，為我們提供瞭種種的機遇。確定性可以告訴我們事物的普遍規律，這也許是群體的統計規律，也許僅是一個相對的真理。而個體的“機遇”是一種特殊的隨機性：小概率事件。小概率的機遇一般不會齣現，一旦齣現，往往就會創造奇跡。
　　另一種不確定性是模糊性。模糊性能夠用較少的代價，傳送足夠的信息，並能對復雜事物作齣高效率的判斷和處理。也就是說，模糊性有助於提高效率。1965年紮德（I-A.Zadeh）的論文FuzzySets正式創立瞭模糊集閤理論。紮德深入分析瞭模糊性、近似性、隨機和含混性，主張用模糊性作為基本的研究對象，提齣瞭隸屬度、隸屬函數、模糊集閤等基本概念。模糊性使我們的生活簡單而有效，藉助模糊性能對復雜事物作齣高效率的判斷和處理。如醫生可以根據病人的模糊癥狀而做齣正確的判斷、畫傢不用精確的測量計算而能畫齣栩栩如生的風景人物等。
　　知識的不確定性，還來自知識的不完備性、不協調性和非恒常性。
　　知識的不完備性包括知識內容的不完整、知識結構的不完備等。內容的不完整，可能來源於獲取知識時觀測不充分、設備不精確；知識結構的不完備，可能因為人的認識能力、獲取手段的限製等原因，造成對解決某個特定問題的背景和結構認識不全，忽略瞭一些重要因素。
　　知識的不協調性是知識不確定性的另一種錶現，是指知識內在的矛盾，不協調的程度可以依次為冗餘、乾擾、衝突等。不協調性是知識不確定性的重要體現，人們不可能、也沒必要在一切場閤下都試圖消除知識的不協調性，固執地去追求知識的一緻性，要把不協調看作是知識的一種常態，允許包容、並蓄，允許摺中、調和。
　　知識的非恒常性是指知識隨時間的變化而變化的特性。人類對自然、社會乃至自身的認識都是一個由不知到知、由不深刻到深刻，不斷更新的過程，是一個否定之否定的過程。人類的知識是無限發展的，不可能永遠停留在某個水平上。5.1.3不確定推理要解決的基本問題推理是運用知識求解問題的過程，是證據和規則相結閤得齣結論的過程。由於知識的不確定性，導緻瞭所産生的結論的不確定性。不確定性推理反映瞭知識不確定性的動態積纍和傳播過程.推理的每一步都需要綜閤證據和規則的不確定因素，通過某種不確定性測度，尋找盡可能符閤客觀實際的計算模式，通過不確定測度的傳遞計算，最終得到結果的不確定程度。在專傢係統中，不確定性錶現在證據、規則和推理三個方麵，需要對專傢係統中的事實與規則給齣不確定性描述，並在此基礎上建立不確定性的傳遞計算方法。因此要實現對不確定性知識的處理，要解決不確定知識的錶示問題、計算問題和語義解釋問題。
　　1.錶示問題
　　錶示問題指的是采用什麼方法描述不確定性，這是解決不確定性推理的關鍵一步。通常有數值錶示和非數值的語義錶示方法。數值錶示便於計算、比較；非數值錶示，是一種定性的描述，以便較好地解決不確定性問題。
　　在專傢係統中的“不確定性”一般分為兩類：一是知識的不確定性；二是證據的不確定性。
　　1）知識的不確定性
　　知識的不確定性是指用相應的知識錶示模式與之對應，以便於進行推理與計算，還須用適當的方法把知識的不確定性及其程度描述錶達齣來。一般用（E-H，f（H，E》來錶示知識的不確定性，它錶示相應知識的不確定性程度，稱為知識強度或規則強度。
　　2）證據的不確定性
　　通常有兩類不同來源的證據：
　　初始證據：如針對要求解問題所提供的事實，諸如病人的癥狀、化驗結果等。
　　推理證據：依據前麵的事實而推齣的若乾新情況和判斷，可作為繼續研究考證的證據。
　　證據的不確定性可記作（命題E，C（E）），它錶示證據E為真的程度。它有兩種來源：初始證據（由用戶給齣）；前麵推齣的結論作為當前證據（通常由計算得到）。
　　初始證據大多來源於客戶片麵觀察或理解，故往往是零碎的片段，不夠精確完整，因而具有證據的不確定性。而推理證據又是使用不確定的初始證據而得齣來的，當然它也是不確定的證據瞭。
　　一般來說，證據不確定性的錶示方法應與知識不確定性的錶示方法保持一緻，證據的不確定性通常也是一個數值錶示，它代錶相應證據的不確定性程度，稱為動態強度。
　　對知識及證據不確定性程度常用可信度來錶示。例如，在專傢係統MYCIN中，用可信度錶示知識及證據的不確定性，取值範圍為[-1，1]。當可信度取大於零的數值時，其數值越大，錶示相應的知識或證據越接近於“真”；當可信度的取值小於零時，其數值越小，錶示相應的知識或證據越接近於“假”。
　　……

評分☆☆☆☆☆

可以

評分☆☆☆☆☆

好書，sigh正品，你值得擁有

評分☆☆☆☆☆

比超市要便宜一些 送貨速度也快 很喜歡

評分☆☆☆☆☆

可以

評分☆☆☆☆☆

好

評分☆☆☆☆☆

學生使用！！！！！！！！！！！！！！

評分☆☆☆☆☆

現代來講，很現實也很值得學習的書籍，推薦~~~

評分☆☆☆☆☆

很不錯

評分☆☆☆☆☆

挺好