人工智能原理【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

人工智能原理PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 序论1

1.1 什么是人工智能?1

1.2 AI的产生及主要学派2

1.3 人工智能、专家系统和知识工程4

1.4 人工智能的技术特征6

1.5 AI模拟智能成功的标准7

1.6 人工智能应用系统8

2.1.1 如何把问题求解定义为问题状态空间的搜索13

2.1 问题与问题空间13

第二章 问题求解与搜索方法13

2.1.2 问题特征分析16

2.2 盲目搜索方法21

2.2.1 宽度优选搜索（Breadth-first Search）21

2.2.2 深度优选搜索（Depth-first Search）21

2.2.3 分支有界搜索22

2.3 启发式搜索方法22

2.3.1 启发式信息的表示22

2.3.2 几种最基本的搜索策略27

2.4 图搜索策略31

2.4.1 一个通用的图搜索算法31

2.4.2 A算法与A＊算法34

2.5 问题归约与AO＊算法44

2.5.1 问题归约求解方法44

2.5.2 与/或图搜索45

2.5.3 与/或图搜索的特点46

2.5.4 与/或图搜索算法AO＊47

2.5.5 对AO＊算法的进一步观察49

2.5.6 用AO＊算法求解一个智力难题50

2.6 约束满足法55

2.6.1 约束满足问题55

2.6.2 约束满足问题求解56

2.7 手段-目的分析法（MeanS-End-Analysis）58

2.8 博弈62

2.8.1 概述62

2.8.2 极小极大搜索过程63

2.8.3 α-β剪枝算法67

2.9 搜索算法的效率分析69

第三章 知识表达与处理方法73

3.1 概述73

3.1.1 知识和知识表示的含义73

3.1.2 AI中知识表示方法分类74

3.1.3 AI对知识表示方法的要求74

3.1.4 知识表示要注意的问题75

3.2 逻辑表示法76

3.3 产生式表示法77

3.3.1 产生式系统的组成77

3.3.2 产生式系统的表示78

3.3.3 产生式系统的推理方式81

3.3.4 产生式规则的选择与匹配83

3.3.5 产生式表示的特点85

3.4 语义网络表示法85

3.4.1 语义网络结构85

3.4.3 多元语义网络的表示86

3.4.2 二元语义网络的表示86

3.4.4 连接词和量词的表示87

3.4.5 语义网络的推理过程91

3.4.6 语义网络的一般描述93

3.5 框架表示法94

3.5.1 框架理论94

3.5.2 框架结构94

3.5.3 框架表示下的推理97

3.6 过程式知识表示98

第四章 谓词逻辑的归结原理及其应用102

4.1 命题演算的归结102

4.1.1 基本概念102

4.1.2 命题演算的归结方法103

4.2 谓词演算的归结103

4.2.1 谓词演算的基本问题103

4.2.2 将公式化成标准子句形式的步骤103

4.2.3 合一算法104

4.2.5 谓词演算的归结算法106

4.2.4 变量分离标准化106

4.3 归结原理108

4.3.1 谓词演算基础109

4.3.2 归结方法理论基础110

4.3.3 Herbrand定理113

4.4 归结过程的控制策略120

4.4.1 简化策略120

4.4.2 支撑集策略122

4.4.3 线性集人策略123

4.4.4 几种推理规则及其应用124

4.5 应用实例126

4.5.1 归约在逻辑电路设计中的应用126

4.5.2 利用推理破案实例128

第五章 进一步的推理方法132

5.1 非单调推理132

5.1.1 非单推理与非单调推理的概念132

5.1.2 默认逻辑133

5.1.3 非单调推理系统TMS134

5.2 Dempster-Shater（D/S）证据理论141

5.3 不确定性推理146

5.3.1 不确定性146

5.3.2 主观概率贝叶斯方法148

5.4 MYCIN系统的推理模型150

5.4.1 理论和实际的背景150

5.4.2 MYCIN模型151

5.4.3 MYCIN模型分析153

5.4.4 MYCIN推理网络的基本模式154

5.4.5 MYCIN确定性因子的评价156

5.5 模糊推理156

5.5.1 模糊集论与模糊逻辑156

5.5.2 Fuzzy聚类认知图158

5.5.3 模糊认知图165

5.6 基于模型的推理170

5.6.1 基于模型推理在诊断中的应用170

5.6.2 基于模型的推理系统描述171

5.6.3 基于模型的推理实例172

5.6.4 基于模型的推理的优缺点173

5.7 基于事例的推理173

5.7.1 基于事例的推理的基本思想173

5.7.2 事例的表示与组织175

5.7.3 事例的检索176

5.7.4 事例的改写176

5.8 基于时序的推理176

5.8.1 时间区间关系176

5.8.2 时间区间和时间点的关系179

5.8.3 时序的推理实例180

5.9 归纳法推理181

5.9.1 归纳法推理的研究现状182

5.9.2 归纳法推理的理论基础183

5.9.3 归纳法推理的基本概念185

5.9.4 归纳法推理的定理证明器187

5.9.5 归纳法推理研究中的主要难点188

5.9.6 归纳法推理的理论局限189

第六章 专家系统192

6.1 专家系统的类型193

6.1.1 专家系统的任务类型193

6.1.2 分析型专家系统195

6.1.3 设计型专家系统195

6.1.4 组合型专家系统196

6.2 知识获取的直接方法197

6.2.1 概述197

6.2.2 知识获取的直接方法197

6.2.3 知识获取的新进展199

6.3 专家系统的解释机制200

6.3.1 预制文本解释法200

6.3.2 路径跟踪解释法201

6.3.3 自动程序员解释法201

6.3.4 策略解释法202

6.4 专家系统开发工具与环境202

6.5 专家系统开发方法204

6.5.1 专家系统开发的步骤204

6.6 专家系统开发实例205

6.5.2 专家系统开发方法205

6.6.1 动物识别专家系统206

6.6.2 MYCIN专家系统207

第七章 机器学习209

7.1 概述209

7.1.1 机器学习的定义和意义209

7.1.2 机器学习的研究简吏209

7.1.3 机器学习方法的分类210

7.1.4 机器学习中的推理方法212

7.2 归纳学习213

7.2.1 归纳概念学习的定义213

7.2.2 归纳概念学习的形式描述215

7.2.3 归纳概念学习算法的一般步骤216

7.2.4 归纳概念学习的基本技术218

7.3 解释学习225

7.3.1 解释学习的基本原理225

7.3.2 解释学习的一般框架226

7.3.3 解释的学习过程227

7.4 类比学习228

7.4.1 类比学习的一般原理228

7.4.2 类比学习的表示228

7.4.3 类比学习的求解229

7.4.4 逐步推理和监控的类比学习230

7.5 神经网络学习232

7.5.1 人工神经网络的发展简吏232

7.5.2 人工神经网络的基本原理233

7.5.3 人工神经网络模拟的数学基础237

7.5.4 人工神经网络的基本结构模式238

7.5.5 人工神经网络互连结构239

7.5.6 神经网络的学习算法242

7.5.7 神经网络模型分类244

第八章 机器人视觉247

8.1 传感器和图像247

8.1.1 数字图像247

8.2.1 图像理解249

8.2 计算机视觉249

8.1.2 图像处理中噪音249

8.2.2 视觉和思考250

8.3 视觉作为恢复过程251

8.3.1 恢复什么252

8.3.2 用几何的观点看图像构成253

8.3.3 透视投影253

8.3.4 正交投影254

8.3.5 侧面透视投影255

8.3.6 形状表示256

8.3.7 表面的方向性透视的形状256

8.3.8 表面的方向性及在正交下的形状256

8.3.9 立体面投影256

8.3.10 透视投影的几何特性257

8.3.11 透镜成像257

8.3.12 图像构成的光度方式258

8.4 恢复图像描述258

8.4.2 基于微分法的方法259

8.4.1 边缘探测259

8.4.3 基于模型的方法262

8.4.4 边缘聚合与Hough变换262

8.4.5 图像分割263

8.5 由轮廓得到形状264

8.5.1 基于边缘标志的定性分析265

8.5.2 基于斜对称的定量分析265

8.6 从阴影到形状267

8.6.1 反射率映射268

8.6.2 解决病态问题270

8.6.3 立体光度270

8.7 从纹理到形状270

8.7.1 纹理元素的密度271

8.7.2 纹理反射率图272

8.8 立体画273

8.8.1 对应问题的描述273

8.8.2 基于亮度的匹配274

8.8.3 基于边缘的匹配275

8.9.1 运动域276

8.9 视觉运动的分析276

8.9.2 运动域的估算277

8.9.3 运动域的解释280

8.10 主动视觉281

8.11 应用282

8.11.1 自动机动车驾驶282

8.11.2 物体识别284

第九章 自然语言处理289

9.1 语言的组分290

9.1.1 实义词和虚词290

9.1.2 短语结构290

9.2 上下文无关语法291

9.2.1 重写规则291

9.2.2 语法分析292

9.3 上下文无关语法分析293

9.3.1 产生后继状态的算法294

9.3.3 建立语法分析树295

9.3.2 利用词典295

9.4 包含特殊的语法298

9.4.1 引进特征298

9.4.2 特征匹配299

9.5 利用图表的高效语法分析302

9.5.1 Chart数据结构302

9.5.2 有多种解释的句子303

9.6.1 词的意思305

9.6 语义解释305

9.6.2 利用特征的语义解释307

9.6.3 消除词的多义309

9.7 生成自然语言310

9.8 在上下文中的自然语言311

9.8.1 言语的行为311

9.8.2 创建参考312

9.8.3 处理数据库的断言和问题313

9.9 量词的辖域316

10.1 概述319

10.1.1 规划的定义319

第十章 规划319

10.1.2 规划的分类320

10.2 规划问题的表达——积木世界321

10.3 规划系统的组成323

10.3.1 挑选可应用的规则323

10.3.2 应用规则323

10.3.3 框架公理324

10.3.4 检测解325

10.3.6 修正近假正确的解326

10.3.5 检测死胡同326

10.4 三角形表格327

10.5 用目标堆栈的简单规划328

10.6 使用目标集的非线性规划333

10.7 分层规划336

10.7.1 长度优先搜索336

10.7.2 NOAH规划337

10.8 多目标规划343

11.1 遗传算法的基本概念349

第十一章 遗传算法349

11.2 遗传算法的形式描述351

11.3 设计GA基本步骤353

11.4 遗传算法的基本理论356

11.5 遗传算法简例358

第十二章 次协调逻辑及其自动推理361

12.1 什么是次协调逻辑361

12.2 专家系统与不协调知识库362

12.3 广义Horn子句逻辑程序和语法362

12.4 广义Horn子句逻辑程序的语义365

12.5 前不动点的语义369

12.6 合经典的广义Horn子句程序372

12.7 广义Horn子句程序的操作语义376

12.8 对合经典GHP的线性定序非Horn子句归结380

12.9 不协调的医学专家系统及投资决策系统383

12.10 次协调逻辑自动定理证明的理论385

12.11 次协调逻辑线性结原理388

12.12 注解逻辑下的推理实例394

12.13 实现策略397