人工智能及其应用

　　本书是作者积累多年教学经验，参考国内外大量文献资料，追踪当代人工智能发展趋势而写成的教材。全书共分七篇。第一篇讲述模拟人类自然推理的不确定性椎理方法和非单调推理方法：包括专家系统MYCIN的不确定性椎理方法、主观Bayes方法、模糊推理、证据理论和非单调推理;第二篇讲述机器学习的概念与方法：包括概念学习、决策树学习和学习规则集合;第二篇讲述计算智能：包括人工神经网络、遗传算法和其它计算智能方法;第四篇讲述如何在机器上实现人类的语言、视觉和听觉：包括语法和语义分析、基于语料库的自然语言理解、计算机视，觉和语音处理;第五篇介绍蓬勃发展的分布式人工智能和Agent技术;第六篇介绍人工智能的三个应用领域：即汉语自然语言处理、光学文字识别及移动Agent技术;第七篇是作者对于人工智能的现在与未来的思考。本书叙述简明清晰，逻辑性强，可作为高等学校相关专业研究生和高年级本科生的教材，也可供从事人工智能研究与应用的专业人员参考。

暂缺《人工智能及其应用》作者简介

第1章绪论……………………………………………………………………1 1．1人工智能的基本概念…………………………………………………………………1 1. 2人工智能的发展简史…………………………………………………………………5 1．3人工智能研究的基本内容……………………………………………………………9 1．4人工智能的主要研究领域……………………………………………………………11 思考题………………………………………………………………………………………16 第2章知识表示……………………………………………………………17 2．1 知识与知识表示的概念………………………………………………………………17 2．2一阶谓词逻辑表示法…………………………………………………………………21 2. 3产生式表示法…………………………………………………………………………30 2．4框架表示法……………………………………………………………………………37 2．5语义网络表示法………………………………………………………………………42 思考题………………………………………………………………………………………48 习题…………………………………………………………………………………………49 第3章确定性推理方法……………………………………………………51 3．1推理的基本概念………………………………………………………………………51 3．2自然演绎推理…………………………………………………………………………61 3. 3谓词公式化为子句集的方法…………………………………………………………63 3．4海伯伦定理……………………………………………………………………………68 3．5鲁宾逊归结原理………………………………………………………………………70 3．6归结反演………………………………………………………………………………74 3．7应用归结原理求解问题………………………………………………………………77 思考题………………………………………………………………………………………80 习题…………………………………………………………………………………………80 第4章．不确定性推理方法…………………………………………………83 4．1 不确定性推理的基本概念…………………………………………………………83 4．2概率方法………………………………………………………………………………87 4. 3主观Baves方法………………………………………………………………………90 4．4可信度方法…………………………………………………………………………101 4．5证据理论……………………………………………………………………………105 4．6模糊推理方法………-………………………………………………………………11 1 思考题……………………………………………………………………………………126 习题…………………………………………………………………………………………………‘…………………’。126 第5章搜索求解策略………………………………………………………129 5．1搜索的概念…………………………………………………………………………129 5．2~t状态空间的搜索策略………………………………………………………………131 5．3盲目的图搜索策略…………………………………………………………………135 5．4启发式图搜索策略…………………………………………………………………144 5．5与／或图搜索策略……………………………………………………………………155 思考题……………………………………………………………………………………157 习题………………………………………………………………………………………157 第6章专家系统…………………………………………………………………159 6．1专家系统的产生和发展……………………………………………………………159 6．2专家系统的概念……………………………………………………………………160 6．3专家系统的工作原理………………………………………………………………165 6．4知识获取……………………………………………………………………………168 6．5专家系统的建立……………………………………………………………………171 6．6专家系统实例………………………………………………………………………177 6．7专家系统的开发工具………………………………………………………………186 思考题…………………………………………………………………………………192 第7章机器学习……………………………………………………………193 7．1机器学习的基本概念………………………………………………………………193 7．2机械式学习…………………………………………………………………………199 7．3指导式学习…………………………………………………………………………200 7．4 归纳学习……………………………………………………………………………201 7．5类比学习……………………………………………………………………………208 7．6解释学习……………………………………………………………………………211 7．7机器学习方法的比较与展望………………………………………………………214 思考题……………………………………………………………………………………216 第8章人工神经网络及其应用……………………………………………217 8．1神经元与神经网络…………………………………………………………………217 8．2 BP神经网络及其学习算法…………………………………………………………221 8．3 BF，神经网络在软测量中的应用……………………………………………………225 8．4 Hopfield神经网络及其应用………………………………………………………228 8．5 Hopfield神经网络优化方法求解TSF……………………………………………240 8．6 Hopfield神经网络优化方法求解ISP………………………………………………242 思考题……………………………………………………………………………………252 习题………………………………………………………………………………………252 第9章遗传算法及其应用…………………………………………………253 9．1遗传算法的产生与发展……………………………………………………………253 9．2遗传算法的基本算法………………………………………………………………256 9．3遗传算法的改进算法………………………………………………………………271 9．4基于遗传算法的生产调度方法……………………………………………………277 思考题……………………………………………………………………………………285 习题………………………………………………………………………………………285 附录习题解答………………………………………………………………286 参考文献………………………………………………………………………301