书籍详情
人工智能及其应用
作者：蔡自兴，徐光祐编著
出版社：清华大学出版社
出版时间：2003-01-01
ISBN：9787302068372
定价：¥26.00
购买这本书可以去
内容简介
《人工智能及其应用（本科生用书）（第3版）》第三版本科生用书共11章。第一章叙述人工智能的概况，列举出人工智能的研究与应用领域。第二章和第三章研究传统人工智能的知识表示方法和搜索推理技术。第四章和第五章初步阐述了计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。第六-第十章比较详细地讨论了人工智能的主要应用，包括专家系统、机器学习、自动规划、艾真体（Agent）和自然语言理解等。第十一章评述近年来关于人工智能的争论，讨论人工智能对人类经济、社会和文化的影响，展望人工智能的发展。与第二版相比，许多内容都是第一次出现的，如分布工人工智能与艾真体、计算智能与进化计算以及知识发现和数据挖掘等。其他章节也在第二版式的基础上作了相应的修改、精简或补充。 《人工智能及其应用（本科生用书）（第3版）》也可作为高等院校有关专业高年级学生的人工智能课程教材，也可供从事人工智能研究与应用的科技工作者学习参考。
作者简介
蔡自兴，1962年毕业于西安交通大学电机工程系工业电气与自动化专业。1983至1985年为美国普度（Purdue）大学和内华达大学（UNR）访问学者。1988年10月至1989年8月任中国科学院自动化研究所客座研究员。1989年9月至1990年5月任北京大学信息科学中心客座研究员。1992年至1993年为美国伦塞勒工学院（RPI）客座教授。现任中南大学信息科学与工程学院学位委员会主席、首席教授、博士生导师，联合国专家，纽约科学院院士，中国人工智能学会副理事长，智能机器人分会名誉理事长，中国计算机学会人工智能与模式积别专业委员会委员，中国自动化学会理事，IEEE高级会员和全国政协委员等职，曾任湖南省政协副主席。 蔡自兴教授的主要研究领域为人工智能、机器人学和智能控制等。1985年，在国际上首创机器人规划专家系统。1986年，在国际上首次提出智能控制的四元交集结构理论。1989年，提出智能控制学科体系的初步框架。已在国内外发表论文400多篇，出版专著和教材20部，如《人工智能及其应用》、《机器人学》、《智能控制》和《Intelligent Control：Principles，Techniques and Applications》等。他主持和参加国家级和省部级科教研究10多项，其中获国家级奖励2项，省部级奖励7项，其他奖励5项。2003年获国家级全国高校教学名师奖。
目录
前沿学科的最精彩成就
第三版序
第二版序
前言
第1章 绪论
1.1 人工智能的定义与发展
1.1.1 人工智能的定义
1.1.2 人工智能的起源与发展
1.2 人类智能与人工智能
1.2.1 智能信息处理系统的假设
1.2.2 人类智能的计算机模拟
1.3 人工智能各学派的认知观
1.4 人工智能的研究与应用领域
1.4.1 问题求解
1.4.2 逻辑推理与定理证明
1.4.3 自然语言理解
1.4.4 自动程序设计
1.4.5 专家系统
1.4.6 机器学习
1.4.7 神经网络
1.4.8 机器人学
1.4.9 模式识别
1.4.10 机器视觉
1.4.11 智能控制
1.4.12 智能检索
1.4.13 智能调度与指挥
1.4.14 分布式人工智能与Agent
1.4.15 计算智能与进化计算
1.4.16 数据挖掘与知识发现
1.4.17 人工生命
1.4.18 系统与语言工具
1.5 本书概要
习题
第2章 知识表示方法
2.1 状态空间法
2.1.1 问题状态描述
2.1.2 状态图示法
2.2 问题归约法
2.2.1 问题归约描述
2.2.2 与或图表示
2.3 谓词逻辑法
2.3.1 谓词演算
2.3.2 谓词公式
2.3.3 置换与合一
2.4 语义网络法
2.4.1 二元语义网络的表示
2.4.2 多元语义网络的表示
2.4.3 语义网络的推理过程
2.5 框架表示
2.5.1 框架的构成
2.5.2 框架的推理
2.6 剧本表示
2.6.1 剧本的构成
2.6.2 剧本的推理
2.7 过程表示
2.8 小结
习题
第3章 搜索推理技术
3.1 图搜索策略
3.2 盲目搜索
3.2.1 宽度优先搜索
3.2.2 深度优先搜索
3.2.3 等代价搜索
3.3 启发式搜索
3.3.1 启发式搜索策略和估价函数
3.3.2 有序搜索
3.3.3 A*算法
3.4 消解原理
3.4.1 子句集的求取
3.4.2 消解推理规则
3.4.3 含有变量的消解式
3.4.4 消解反演求解过程
3.5 规则演绎系统
3.5.1 规则正向演绎系统
3.5.2 规则逆向演绎系统
3.5.3 规则双向演绎系统
3.6 产生式系统
3.6.1 产生式系统的组成
3.6.2 产生式系统的推理
3.6.3 产生式系统举例
3.7 系统组织技术
3.7.1 议程表
3.7.2 黑板法
3.7.3 △-极小搜索法
3.8 不确定性推理
3.8.1 关于证据的不确定性
3.8.2 关于结论的不确定性
3.8.3 多个规则支持同一事实时的不确定性
3.9 非单调推理
3.9.1 缺省推理
3.9.2 非单调推理系统
3.10 小结
习题
第4章 计算智能(1)：神经计算 模糊计算
4.1 概述
4.2 神经计算
4.2.1 人工神经网络研究的进展
4.2.2 人工神经网络的结构
4.2.3 人工神经网络的典型模型
4.2.4 基于神经网络的知识表示与推理
4.3 模糊计算
4.3.1 模糊集合、模糊逻辑及其运算
4.3.2 模糊逻辑推理
4.3.3 模糊判决方法
4.4 小结
习题
第5章 计算智能(2)：进化计算 人工生命
5.1 遗传算法
5.1.1 遗传算法的基本机理
5.1.2 遗传算法的求解步骤
5.2 进化策略
5.2.1 进化策略的算法模型
5.2.2 进化策略和遗传算法的区别
5.3 进化编程
5.3.1 进化编程的机理与表示
5.3.2 进化编程的步骤
5.4 人工生命
5.4.1 人工生命研究的起源和发展
5.4.2 人工生命的定义和研究意义
5.4.3 人工生命的研究内容和方法
5.4.4 人工生命的实例
5.5 小结
习题
第6章 专家系统
6.1 专家系统概述
6.1.1 专家系统的特点
6.1.2 专家系统的类型
6.1.3 专家系统的结构和建造步骤
6.2 基于规则的专家系统
6.3 基于框架的专家系统
6.4 基于模型的专家系统
6.5 新型专家系统
6.5.1 新型专家系统的特征
6.5.2 分布式专家系统
6.5.3 协同式专家系统
6.6 专家系统设计
6.6.1 专家知识的描述
6.6.2 知识的使用和决策解释
6.7 专家系统开发工具
6.8 小结
习题
第7章 机器学习
7.1 机器学习的定义和发展历史
7.1.1 机器学习的定义
7.1.2 机器学习的发展史
7.2 机器学习的主要策略与基本结构
7.2.1 机器学习的主要策略
7.2.2 机器学习系统的基本结构
7.3 机械学习
7.4 归纳学习
7.4.1 归纳学习的模式和规则
7.4.2 归纳学习方法
7.5 类比学习
7.5.1 类比推理和类比学习形式
7.5.2 类比学习过程与研究类型
7.6 解释学习
7.6.1 解释学习过程和算法
7.6.2 解释学习举例
7.7 神经学习
7.7.1 基于反向传播网络的学习
7.7.2 基于Hopfield网络的学习
7.8 知识发现
7.8.1 知识发现的发展和定义
7.8.2 知识发现的处理过程
7.8.3 知识发现的方法
7.8.4 知识发现的应用
7.9 小结
习题
第8章 自动规划
8.1 机器人规划的作用与任务
8.1.1 规划的作用与问题分解途径
8.1.2 机器人规划系统的任务与方法
8.2 积木世界的机器人规划
8.2.1 积木世界的机器人问题
8.2.2 用F规则求解规划序列
8.3 STRIPS规划系统
8.3.1 STRIPS系统的组成
8.3.2 STRIPS系统规划过程
8.3.3 含有多重解答的规划
8.4 具有学习能力的规划系统
8.4.1 PULP-I系统的结构与操作方式
8.4.2 PULP-I系统的世界模型和规划结果
8.5 分层规划
8.5.1 长度优先搜索
8.5.2 NOAH规划系统
8.6 基于专家系统的机器人规划
8.6.1 系统结构和规划机理
8.6.2 ROPES机器人规划系统
8.7 小结
习题
第9章 Agent(艾真体)
9.1 分布式人工智能
9.2 Agent及其要素
9.3 艾真体的结构
9.3.1 艾真体的结构特点
9.3.2 艾真体的结构分类
9.4 艾真体通信
9.4.1 通信的过程
9.4.2 艾真体通信的类型和方式
9.4.3 交谈的规划与实现
9.4.4 艾真体的通信语言
9.5 多艾真体系统
9.5.1 多艾真体系统的模型和结构
9.5.2 多艾真体系统的协作、协商和协调
9.5.3 多艾真体系统的学习与规划
9.5.4 多艾真体系统的研究和应用领域
9.6 小结
习题
第10章 自然语言理解
10.1 语言及其理解的一般问题
10.1.1 语言与语言理解
10.1.2 自然语言理解研究的进展
10.1.3 自然语言理解过程的层次
10.2 句法和语义的自动分析
10.2.1 句法模式匹配和转移网络
10.2.2 扩充转移网络
10.2.3 词汇功能语法(LFG)
10.2.4 语义的解析
10.3 句子的自动理解
10.3.1 简单句的理解方法
10.3.2 复合句的理解方法
10.4 语言的自动生成
10.5 自然语言理解系统应用举例
10.5.1 自然语言自动理解系统
10.5.2 自然语言问答系统
10.6 小结
习题
第11章 人工智能的争论与展望
11.1 人工智能的争论
11.1.1 对人工智能理论的争论
11.1.2 对人工智能方法的争论
11.1.3 对人工智能技术路线的争论
11.2 人工智能对人类的影响
11.2.1 人工智能对经济的影响
11.2.2 人工智能对社会的影响
11.2.3 人工智能对文化的影响
11.3 对人工智能的展望
11.3.1 更新的理论框架
11.3.2 更好的技术集成
11.3.3 更成熟的应用方法
11.4 结束语
习题
参考文献
第三版序
第二版序
前言
第1章 绪论
1.1 人工智能的定义与发展
1.1.1 人工智能的定义
1.1.2 人工智能的起源与发展
1.2 人类智能与人工智能
1.2.1 智能信息处理系统的假设
1.2.2 人类智能的计算机模拟
1.3 人工智能各学派的认知观
1.4 人工智能的研究与应用领域
1.4.1 问题求解
1.4.2 逻辑推理与定理证明
1.4.3 自然语言理解
1.4.4 自动程序设计
1.4.5 专家系统
1.4.6 机器学习
1.4.7 神经网络
1.4.8 机器人学
1.4.9 模式识别
1.4.10 机器视觉
1.4.11 智能控制
1.4.12 智能检索
1.4.13 智能调度与指挥
1.4.14 分布式人工智能与Agent
1.4.15 计算智能与进化计算
1.4.16 数据挖掘与知识发现
1.4.17 人工生命
1.4.18 系统与语言工具
1.5 本书概要
习题
第2章 知识表示方法
2.1 状态空间法
2.1.1 问题状态描述
2.1.2 状态图示法
2.2 问题归约法
2.2.1 问题归约描述
2.2.2 与或图表示
2.3 谓词逻辑法
2.3.1 谓词演算
2.3.2 谓词公式
2.3.3 置换与合一
2.4 语义网络法
2.4.1 二元语义网络的表示
2.4.2 多元语义网络的表示
2.4.3 语义网络的推理过程
2.5 框架表示
2.5.1 框架的构成
2.5.2 框架的推理
2.6 剧本表示
2.6.1 剧本的构成
2.6.2 剧本的推理
2.7 过程表示
2.8 小结
习题
第3章 搜索推理技术
3.1 图搜索策略
3.2 盲目搜索
3.2.1 宽度优先搜索
3.2.2 深度优先搜索
3.2.3 等代价搜索
3.3 启发式搜索
3.3.1 启发式搜索策略和估价函数
3.3.2 有序搜索
3.3.3 A*算法
3.4 消解原理
3.4.1 子句集的求取
3.4.2 消解推理规则
3.4.3 含有变量的消解式
3.4.4 消解反演求解过程
3.5 规则演绎系统
3.5.1 规则正向演绎系统
3.5.2 规则逆向演绎系统
3.5.3 规则双向演绎系统
3.6 产生式系统
3.6.1 产生式系统的组成
3.6.2 产生式系统的推理
3.6.3 产生式系统举例
3.7 系统组织技术
3.7.1 议程表
3.7.2 黑板法
3.7.3 △-极小搜索法
3.8 不确定性推理
3.8.1 关于证据的不确定性
3.8.2 关于结论的不确定性
3.8.3 多个规则支持同一事实时的不确定性
3.9 非单调推理
3.9.1 缺省推理
3.9.2 非单调推理系统
3.10 小结
习题
第4章 计算智能(1)：神经计算 模糊计算
4.1 概述
4.2 神经计算
4.2.1 人工神经网络研究的进展
4.2.2 人工神经网络的结构
4.2.3 人工神经网络的典型模型
4.2.4 基于神经网络的知识表示与推理
4.3 模糊计算
4.3.1 模糊集合、模糊逻辑及其运算
4.3.2 模糊逻辑推理
4.3.3 模糊判决方法
4.4 小结
习题
第5章 计算智能(2)：进化计算 人工生命
5.1 遗传算法
5.1.1 遗传算法的基本机理
5.1.2 遗传算法的求解步骤
5.2 进化策略
5.2.1 进化策略的算法模型
5.2.2 进化策略和遗传算法的区别
5.3 进化编程
5.3.1 进化编程的机理与表示
5.3.2 进化编程的步骤
5.4 人工生命
5.4.1 人工生命研究的起源和发展
5.4.2 人工生命的定义和研究意义
5.4.3 人工生命的研究内容和方法
5.4.4 人工生命的实例
5.5 小结
习题
第6章 专家系统
6.1 专家系统概述
6.1.1 专家系统的特点
6.1.2 专家系统的类型
6.1.3 专家系统的结构和建造步骤
6.2 基于规则的专家系统
6.3 基于框架的专家系统
6.4 基于模型的专家系统
6.5 新型专家系统
6.5.1 新型专家系统的特征
6.5.2 分布式专家系统
6.5.3 协同式专家系统
6.6 专家系统设计
6.6.1 专家知识的描述
6.6.2 知识的使用和决策解释
6.7 专家系统开发工具
6.8 小结
习题
第7章 机器学习
7.1 机器学习的定义和发展历史
7.1.1 机器学习的定义
7.1.2 机器学习的发展史
7.2 机器学习的主要策略与基本结构
7.2.1 机器学习的主要策略
7.2.2 机器学习系统的基本结构
7.3 机械学习
7.4 归纳学习
7.4.1 归纳学习的模式和规则
7.4.2 归纳学习方法
7.5 类比学习
7.5.1 类比推理和类比学习形式
7.5.2 类比学习过程与研究类型
7.6 解释学习
7.6.1 解释学习过程和算法
7.6.2 解释学习举例
7.7 神经学习
7.7.1 基于反向传播网络的学习
7.7.2 基于Hopfield网络的学习
7.8 知识发现
7.8.1 知识发现的发展和定义
7.8.2 知识发现的处理过程
7.8.3 知识发现的方法
7.8.4 知识发现的应用
7.9 小结
习题
第8章 自动规划
8.1 机器人规划的作用与任务
8.1.1 规划的作用与问题分解途径
8.1.2 机器人规划系统的任务与方法
8.2 积木世界的机器人规划
8.2.1 积木世界的机器人问题
8.2.2 用F规则求解规划序列
8.3 STRIPS规划系统
8.3.1 STRIPS系统的组成
8.3.2 STRIPS系统规划过程
8.3.3 含有多重解答的规划
8.4 具有学习能力的规划系统
8.4.1 PULP-I系统的结构与操作方式
8.4.2 PULP-I系统的世界模型和规划结果
8.5 分层规划
8.5.1 长度优先搜索
8.5.2 NOAH规划系统
8.6 基于专家系统的机器人规划
8.6.1 系统结构和规划机理
8.6.2 ROPES机器人规划系统
8.7 小结
习题
第9章 Agent(艾真体)
9.1 分布式人工智能
9.2 Agent及其要素
9.3 艾真体的结构
9.3.1 艾真体的结构特点
9.3.2 艾真体的结构分类
9.4 艾真体通信
9.4.1 通信的过程
9.4.2 艾真体通信的类型和方式
9.4.3 交谈的规划与实现
9.4.4 艾真体的通信语言
9.5 多艾真体系统
9.5.1 多艾真体系统的模型和结构
9.5.2 多艾真体系统的协作、协商和协调
9.5.3 多艾真体系统的学习与规划
9.5.4 多艾真体系统的研究和应用领域
9.6 小结
习题
第10章 自然语言理解
10.1 语言及其理解的一般问题
10.1.1 语言与语言理解
10.1.2 自然语言理解研究的进展
10.1.3 自然语言理解过程的层次
10.2 句法和语义的自动分析
10.2.1 句法模式匹配和转移网络
10.2.2 扩充转移网络
10.2.3 词汇功能语法(LFG)
10.2.4 语义的解析
10.3 句子的自动理解
10.3.1 简单句的理解方法
10.3.2 复合句的理解方法
10.4 语言的自动生成
10.5 自然语言理解系统应用举例
10.5.1 自然语言自动理解系统
10.5.2 自然语言问答系统
10.6 小结
习题
第11章 人工智能的争论与展望
11.1 人工智能的争论
11.1.1 对人工智能理论的争论
11.1.2 对人工智能方法的争论
11.1.3 对人工智能技术路线的争论
11.2 人工智能对人类的影响
11.2.1 人工智能对经济的影响
11.2.2 人工智能对社会的影响
11.2.3 人工智能对文化的影响
11.3 对人工智能的展望
11.3.1 更新的理论框架
11.3.2 更好的技术集成
11.3.3 更成熟的应用方法
11.4 结束语
习题
参考文献
猜您喜欢
