人工智能-网络科技-文化科教-太极之巅书单号

书刊介绍

人工智能本书特色

本书是“OHM大学理工系列”之一。书中简明扼要地介绍了基于搜索的问题求解、知识表示和推理、机器学习、模糊理论-精神网络-遗传算法、模糊识别，以及人工智能语言等。

人工智能内容简介

本书是“OHM大学理工系列”之一。书中简明扼要地介绍了基于搜索的问题求解、知识表示和推理、机器学习、模糊理论-精神网络-遗传算法、模糊识别，以及人工智能语言等。本书讲解条理清晰、通俗易懂，内容基本涵盖了人工智能学科的基础知识，选材上既注意了知识的系统性，也考虑了信息工程相关学科学生学习人工智能的需求。本书可作为大学相关专业本科生的教材，也可作为相关专业技术人员及研究人员的参考用书；还可供信息工程相关学科的师生、技术人员及研究人员参考。

人工智能目录

第1章人工智能概述
1·1什么是人工智能
1·2人工智能的历史
第2章基于搜索的问题求解
2·1搜索与人工智能的关系
2·1·1八数码魔方
2·1·2状态空间表示
2·1·3与图有关的术语
2·2逐个搜索
2·2·1随机搜索
2·2·2CLOSED表的引入
2·2·3OPEN表的引入
2·4·4纵向搜索
2·2·5横向搜索
2·2·6均一代价搜索
2·3应用智能的搜索
2·3·1启发式搜索
2·3·2登山法和*佳优先搜索
2·3·3A*算法
2·3·4约束的利用
2·4对问题进行分割后进行搜索
2·4·1与/或(AND/OR)图表示
2·4·2与/或(AND/OR)图搜索
2·5博弈树的搜索
练习题
第3章知识表示和推理
3·1知识与推理中的关系
3·2产生式系统
3·2·1产生式系统的构造
3·2·2推理机构的运行
3·2·3理由(Why)和方法(How)
3·2·4产生式系统的特征
3·3框架
3·3·1典型知识与框架
3·3·2阶层知识与特征的继承
3·3·3程序知识及其启动
3·3·4框架的特征
练习题
第4章机器学习
4·1关于学习和机器学习
4·1·1什么是学习
4·1·2机器学习的研究历史
4·1·3机器学习的分类标准
4·2应用归纳方法由示例学习概念的定义
4·2·1温斯顿的拱学习
4·2·2决策树的学习
4·3根据丰富的知识和经验提高推理效率
4·3·1效率化学习
4·3·2基于解释的学习(EBL)
练习题
第5章模糊理论-神经网络-遗传算法
5·1模糊理论
5·1·1什么是模糊理论
5·1·2模糊集合与普通集合的区别
5·1·3模糊数也是数吗?
5·1·4模糊控制是一种方便的控制方法
5·2神经网络
5·2·1什么是神经网络
5·2·2神经元及其学习功能的研究
5·2·3误差反向传播学习是一种便利方法
5·3遗传算法
5·3·1什么是遗传算法
5·3·2单纯GA的基本步骤
5·3·3简单函数*优化举例
5·3·4单纯GA的扩张
5·3·5模式定理
5·3·6遗传算法的应用
5·3·7遗传算法的一些同类方法
练习题
第6章模式识别
6·1什么是模式识别
6·2模式的特征
6·3根据特征模式匹配进行识别
6·3·1用一个参考模式代表类
6·3·2用多个参考模式代表类
6·4基于统计决策理论的识别
6·5对声音的识别
6·5·1根据与参考模式的匹配识别单词
6·5·2基于统计决策理论的单词识别
6·5·3基于统计决策理论的连续声音识别
练习题
第7章人工智能语言
7·1人工智能语言是怎样一种语言
7·2函数型语言Lisp
7·2·1表:具有递归结构的数据
7·2·2Lisp程序的基本结构
7·2·3由程序到数据和由数据到程序:eval和quote
7·2·4表操作
7·2·5其他的Lisp函数
7·2·6Lisp的执行例子
7·3逻辑型语言Prolog
7·3·1项:具有递归结构的另一种数据结构
7·3·2逻辑型语言的计算方法:归结原理
7·3·3Prolog的对象:Horn逻辑式
7·3·4Prolog程序的表示法
7·3·5单一化(unification)
7·3·6Prolog的表处理
7·3·7Prolog的执行控制功能：自动回溯和截断符号
7·3·8把程序变成数据，把数据变成程序:assert，retract及univ
7·3·9其他的谓词
7·3·10Prolog的执行例子
练习题
练习题简答
参考文献