人工智能及其应用【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

人工智能及其应用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

第一篇 高级推理技术1

第1章 传统的推理技术1

1.1 命题逻辑与谓词逻辑概论1

1.1.1 命题逻辑1

1.1.2 谓词逻辑4

1.2 基于传统逻辑的推理机制6

1.2.1 推理基础6

1.2.2 基于传统逻辑的推理8

习题13

小结13

第2章 专家系统MYCIN的不确定性推理方法15

2.1 不确定性推理15

2.1.1 什么是不确定性推理15

2.1.2 不确定性推理中的基本问题16

2.2 MYCIN的可信度概念18

2.3 MYCIN的不精确推理模型19

2.3.1 知识不确定性的表示19

2.3.2 证据不确定性的表示19

2.3.5 结论不确定性的合成算法20

2.3.4 不确定性的传递算法20

2.3.3 组合证据不确定性的算法20

2.4 带加权因子的可信度推理22

小结23

习题24

第3章 主观Bayes方法25

3.1 概率论的简单回顾25

3.2 主观Bayes方法的基本理论26

3.2.1 知识不确定性的表示26

3.2.2 主观Bayes方法的基本算法26

3.3.2 证据不确定性的传递30

3.3 主观Bayes方法的推理模型30

3.3.1 组合证据不确定性的计算30

3.3.3 结论不确定性的合成31

小结33

习题33

第4章 模糊推理35

4.1 模糊数学的基本知识35

4.1.1 模糊集合35

4.1.2 模糊关系及其运算36

4.2.1 模糊知识的表示38

4.2.2 前提的模糊匹配38

4.2 模糊假言推理38

4.2.3 简单模糊推理39

小结41

习题41

第5章 证据理论43

5.1 基本理论43

5.1.1 命题的表示43

5.1.2 概率分配函数43

5.1.4 似然函数44

5.1.3 信任函数44

5.1.5 概率分配函数的正交和45

5.2 证据理论的推理模型46

5.2.1 一个特殊的概率分配函数46

5.2.2 类概率函数47

5.2.3 规则的表示方法49

5.2.4 多前提组合的CER计算49

5.2.5 不确定性的传递算法49

小结52

习题53

6.1.1 缺省规则的形式54

6.1 缺省理论54

第6章 非单调推理54

6.1.2 缺省规则的分类55

6.2 界限理论55

6.3 正确性维持系统57

小结59

习题60

第二篇 机器学习61

第7章 机器学习概论61

7.1 机器学习模型与形式化61

7.1.1 机器学习模型61

7.1.2 机器学习模型的形式化63

7.2 学习系统的结构和训练样例64

7.2.1 设计目标函数64

7.2.2 目标函数的表示形式65

7.2.3 设计函数逼近算法66

7.2.4 训练经验的选择68

7.2.5 最终设计68

7.3 学习系统的观点和问题70

小结71

习题71

8.1 什么是概念学习73

第8章 概念学习73

8.2 概念学习的搜索空间74

8.3 假设空间的偏序关系74

8.4 寻找极大特殊假设的FIND—S算法75

8.5 变型空间和候选消除算法78

8.5.1 变型空间的定义78

8.5.2 列表后消除算法79

8.5.3 候选消除算法79

8.5.4 变型空间和候选消除算法的几点说明84

小结86

习题87

第9章 决策树学习89

9.1 决策树表示法及其含义89

9.2 决策树学习的适用问题90

9.3 决策树学习的ID3算法92

9.4 最佳属性的选择93

9.4.1 用熵度量系统的混乱程度93

9.4.2 信息增益最佳分类属性96

9.4.3 决策树计算举例96

9.5 决策树学习的问题99

小结101

习题102

第10章 学习规则集合104

10.1 学习命题逻辑规则104

10.2 学习一阶逻辑规则108

10.2.1 假设的产生108

10.2.2 归纳推理110

10.2.3 FOIL算法111

小结114

习题114

11.1 脑神经系统与生物神经元的结构与特征116

第三篇 计算智能116

第11章 人工神经网络116

11.2 人工神经元的结构与模型118

11.2.1 人工神经元118

11.2.2 常用的人工神经元模型119

11.3 人工神经网络的互连结构120

11.3.1 单层或两层网络结构120

11.3.2 多层网络结构121

11.4 感知器及其训练法则122

11.4.1 感知器的定义与空间划分122

11.4.2 感知器训练法则125

11.4.3 梯度下降和delta法则126

11.4.4 梯度下降的随机近似128

11.5 多层网络和反向传播算法129

11.5.1 可微阈值单元129

11.5.2 反向传播算法129

11.5.3 反向传播算法的说明132

11.6 Hopfield网络及其学习133

11.6.1 Hopfield网络的结构133

11.6.3 Hopfield网络学习算法134

11.6.2 Hopfield模型的稳定性134

小结135

习题135

第12章 遗传算法137

12.1 遗传算法概述137

12.1.1 遗传算法的产生与发展137

12.1.2 遗传算法中的基本概念137

12.1.3 遗传算法的基本结构139

12.1.4 遗传算法的基本特征139

12.2 Holland遗传算法140

12.3.1 遗传算法的编码方法142

12.3 遗传算法的设计与实现142

12.3.2 适应度值量度145

12.3.3 遗传算法的基本操作147

12.3.4 参数控制150

12.4 Holland遗传算法的改进153

12.4.1 Holland遗传算法改进的思考方法153

12.4.2 Micro遗传算法155

12.4.3 变种群规模的遗传算法155

12.4.4 自适应遗传进化算法156

12.4.5 并行遗传算法157

12.5.2 未成熟收敛问题159

12.5 遗传算法的收敛性159

12.5.1 遗传算法收敛性的定义159

12.5.3 遗传算法收敛性的结论160

12.6 遗传算法的应用举例160

12.6.1 组合优化问题160

12.6.2 作业车间调度问题162

小结164

习题165

13.1 进化策略166

13.1.1 进化策略的算法模型166

第13章 其它计算智能方法166

13.1.2 进化策略和遗传算法的区别167

13.2 进化编程167

13.2.1 进化编程的机理与表示167

13.2.2 进化编程的步骤168

13.3 人工生命169

13.3.1 人工生命研究的起源和发展169

13.3.2 人工生命的定义和研究意义169

13.3.3 人工生命的研究内容和方法170

13.4 粒群优化172

13.3.4 人工生命的实例172

13.4.1 群智能和粒群优化概述173

13.4.2 粒群优化算法174

13.5 蚁群算法176

13.5.1 蚁群算法基本原理176

13.5.2 蚁群系统模型177

小结179

习题179

14.1.1 萌芽180

14.1 自然语言理解的发展180

第四篇 自然语言理解与感知180

第14章 概述180

14.1.2 发展181

14.1.3 繁荣182

14.2 自然语言的构成182

14.3 自然语言理解的层次183

第15章 语法分析和语义分析186

15.1 短语结构语法理论与乔姆斯基语法体系186

15.1.1 短语结构语法理论186

15.1.2 乔姆斯基语法体系187

15.2.1 有限状态转移网络189

15.2 乔姆斯基语法体系的网络表示189

15.2.2 递归转移网络191

15.2.3 扩充转移网络191

15.3 语法分析194

15.3.1 自顶向下分析算法194

15.3.2 自底向上分析算法196

15.3.3 带有属性限制的语法198

15.4 语义分析201

15.4.1 在语法规则中编码语义结构202

15.4.2 将语法结构编码进词典205

15.5 语境分析207

习题208

小结208

第16章 基于语料库的自然语言理解211

16.1 基于概率分布的语言模型211

16.2 基于上下文信息的语言建模212

16.2.1 基于随机过程理论的模型构造213

16.2.2 基于信息论最大熵方法的模型构造214

16.3 基于组合思想的语言建模215

16.3.1 利用插值法构造新的模型215

16.3.2 利用加权方法构造新的模型215

16.4.2 数据稀疏问题的解决216

16.4.3 语言模型的性能分析216

16.4 语言模型的相关问题216

16.4.1 语言模型参数的确定216

小结217

习题217

第17章 计算机视觉218

17.1 图像的产生218

17.1.1 二维图像的获取218

17.1.2 立体成像219

17.2.1 图像的边缘检测220

17.2 图像的处理220

17.2.2 分割221

17.3 图像的描述222

17.3.1 边缘距离的计算222

17.3.2 表面方向的计算223

17.4 视觉的知识表示227

17.4.1 视觉信息的语义网络表示227

17.4.2 位置网络228

17.5 物体形状的分析与识别229

17.5.1 复杂形状物体的表示229

17.5.2 物体形状识别方法232

小结234

习题234

第18章 语音处理235

18.1 组成单词读音的基本单元235

18.2 信号处理236

18.3 语音识别的隐Morkov模型238

小结243

习题244

19.1.1 起源245

19.1 什么是分布式人工智能245

第19章 概述245

第五篇 分布式人工智能245

19.1.2 分布式人工智能的特点246

19.1.3 分布式人工智能的分类246

19.1.4 分布式人工智能系统的研究发展246

19.2 分布式问题求解247

19.2.1 分布式问题求解的概述247

19.2.2 分布式问题的求解过程与方法247

20.1 Agent的基本结构249

20.1.1 什么是Agent249

第20章 Agent技术249

20.1.2 Agent的基本结构250

20.1.3 Agent的结构分类251

20.2 Agent通信253

20.2.1 Agent间的协作与通信253

20.2.2 交谈的规划与实现254

20.2.3 Agent系统的通信语言256

20.3 多Agent系统257

20.3.1 多Agent系统的基本模型257

20.3.2 多Agent系统的体系结构258

20.3.3 多Agent系统的协作、协商与协调262

20.3.4 多Agent系统的学习与规划264

20.3.5 多Agent系统的应用265

小结266

习题266

第六篇 人工智能的应用268

第21章 汉语自然语言处理268

21.1 语音识别中的音字转换技术268

21.1.1 汉语声音语句输入的特点268

21.1.2 汉语声音语句输入系统的结构269

21.1.3 汉语声音语句输入的实现270

21.2.1 自动文摘系统的构成271

21.2 汉语自动文摘技术271

21.2.2 文本的内部表示方法272

21.2.3 基于浅层分析的文摘技术272

21.2.4 基于实体分析的文摘技术273

21.2.5 基于话语结构的文摘技术274

21.3 信息检索技术276

21.3.1 信息检索的定义与术语276

21.3.2 信息检索系统的构成277

21.3.3 信息检索的统计模型277

22.1 印刷体文字识别系统的构成280

第22章 光学字符识别技术280

22.2 汉字图像预处理技术281

22.2.1 二值化281

22.2.2 版面分析282

22.2.3 倾斜自动测量282

22.2.4 版面切分282

22.2.5 行、字分割283

22.2.6 细化和规范化283

22.3 汉字笔段特征抽取与识别283

22.3.2 汉字笔画的分类284

22.3.1 笔段特征抽取的方法284

22.3.3 汉字笔画的方向编码285

22.3.4 汉字笔画方向码合并处理及笔画识别286

22.3.5 汉字笔画间特征量的定义286

22.3.6 基于整字匹配的汉字识别287

第23章 移动Agent技术289

23.1 移动Agent系统结构及其关键技术289

23.1.1 移动Agent系统结构289

23.1.2 移动Agent系统的关键技术290

23.1.3 典型的Agent系统291

23.2.2 基于移动Agent的协作信息中间件CISOM292

23.2.1 电子商务系统模型B-CISOM292

23.1.4 移动Agent的开发292

23.2 移动Agent在电子商务中的应用292

23.2.3 CISOM的设计与实现293

23.2.4 基于CISOM的B2B协作电子商务系统B-CISOM294

23.3 移动Agent在信息安全中的应用295

23.3.1 入侵检测系统IDS295

23.3.2 传统的入侵检测系统295

23.3.3 基于移动Agent的分布式入侵检测模型296

23.3.4 NIABDIDS实现的关键技术及解决方案298

23.4.2 信息搜索工作流程299

23.4 移动Agent在信息服务中的应用299

23.4.1 基于移动Agent的Web服务299

小结300

第七篇 人工智能的现在与未来301

第24章 对人工智能的思考301

24.1 专家系统对知识的滥用301

24.2 强人工智能与弱人工智能303

24.3 人工智能的极限304

参考文献306