人工智能 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

人工智能 第2版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

第一部分 引言2

第1章 人工智能概述2

1.0引言2

1.0.1人工智能的定义3

1.0.2思维是什么？智能是什么？3

1.1图灵测试5

1.1.1图灵测试的定义6

1.1.2图灵测试的争议和批评8

1.2强人工智能与弱人工智能9

1.3启发法11

1.3.1长方体的对角线：解决一个相对简单但相关的问题11

1.3.2水壶问题：向后倒推12

1.4识别适用人工智能来求解的问题13

1.5应用和方法15

1.5.1搜索算法和拼图16

1.5.2二人博弈18

1.5.3自动推理18

1.5.4产生式规则和专家系统19

1.5.5细胞自动机20

1.5.6神经计算21

1.5.7遗传算法23

1.5.8知识表示23

1.5.9不确定性推理24

1.6人工智能的早期历史25

1.7人工智能的近期历史到现在29

1.7.1博弈29

1.7.2专家系统30

1.7.3神经计算31

1.7.4进化计算31

1.7.5自然语言处理32

1.7.6生物信息学34

1.8新千年人工智能的发展34

1.9本章小结36

第二部分 基础知识46

第2章 盲目搜索46

2.0简介：智能系统中的搜索46

2.1状态空间图47

2.2生成与测试范式49

2.2.1回溯50

2.2.2贪婪算法54

2.2.3旅行销售员问题56

2.3盲目搜索算法58

2.3.1深度优先搜索58

2.3.2广度优先搜索60

2.4盲目搜索算法的实现和比较63

2.4.1实现深度优先搜索63

2.4.2实现广度优先搜索65

2.4.3问题求解性能的测量指标65

2.4.4DFS和BFS的比较66

2.5本章小结68

第3章 知情搜索74

3.0引言74

3.1启发法76

3.2知情搜索（第一部分）——找到任何解81

3.2.1爬山法81

3.2.2最陡爬坡法82

3.3最佳优先搜索84

3.4集束搜索87

3.5搜索算法的其他指标89

3.6知情搜索（第二部分）——找到最佳解90

3.6.1分支定界法90

3.6.2使用低估值的分支定界法95

3.6.3采用动态规划的分支定界法98

3.6.4A＊搜索99

3.7知情搜索（第三部分）——高级搜索算法100

3.7.1约束满足搜索100

3.7.2与或树101

3.7.3双向搜索102

3.8本章小结104

第4章 博弈中的搜索109

4.0引言109

4.1博弈树和极小化极大评估110

4.1.1启发式评估112

4.1.2博弈树的极小化极大评估112

4.2具有α-β剪枝的极小化极大算法115

4.3极小化极大算法的变体和改进120

4.3.1负极大值算法120

4.3.2渐进深化法122

4.3.3启发式续篇和地平线效应122

4.4概率游戏和预期极小化极大值算法123

4.5博弈理论125

迭代的囚徒困境126

4.6本章小结127

第5章 人工智能中的逻辑133

5.0引言133

5.1逻辑和表示134

5.2命题逻辑135

5.2.1命题逻辑——基础136

5.2.2命题逻辑中的论证140

5.2.3证明命题逻辑论证有效的第二种方法141

5.3谓词逻辑——简要介绍143

5.3.1谓词逻辑中的合一144

5.3.2谓词逻辑中的反演146

5.3.3将谓词表达式转换为子句形式148

5.4其他一些逻辑151

5.4.1二阶逻辑151

5.4.2非单调逻辑152

5.4.3模糊逻辑152

5.4.4模态逻辑153

5.5本章小结153

第6章 知识表示160

6.0引言160

6.1图形草图和人类视窗163

6.2图和哥尼斯堡桥问题166

6.3搜索树167

6.4表示方法的选择169

6.5产生式系统172

6.6面向对象172

6.7框架法173

6.8脚本和概念依赖系统176

6.9语义网络179

6.10关联181

6.11新近的方法182

6.11.1概念地图182

6.11.2概念图184

6.11.3Baecker的工作184

6.12智能体：智能或其他185

6.12.1智能体的一些历史188

6.12.2当代智能体189

6.12.3语义网191

6.12.4IBM眼中的未来世界191

6.12.5作者的观点192

6.13本章小结192

第7章 产生式系统199

7.0引言199

7.1背景199

7.2基本示例202

7.3CARBUYER系统204

7.4产生式系统和推导方法208

7.4.1冲突消解211

7.4.2正向链接213

7.4.3反向链接214

7.5产生式系统和细胞自动机219

7.6随机过程与马尔可夫链221

7.7本章小结222

第三部分 基于知识的系统228

第8章 人工智能中的不确定性228

8.0引言228

8.1模糊集229

8.2模糊逻辑231

8.3模糊推理232

8.4概率理论和不确定性235

8.5本章小结239

第9章 专家系统242

9.0引言242

9.1背景242

9.2专家系统的特点249

9.3知识工程250

9.4知识获取252

9.5经典的专家系统254

9.5.1DENDRAL254

9.5.2MYCIN255

9.5.3EMYCIN258

9.5.4PROSPECTOR259

9.5.5模糊知识和贝叶斯规则261

9.6提高效率的方法262

9.6.1守护规则262

9.6.2Rete算法263

9.7基于案例的推理264

9.8更多最新的专家系统269

9.8.1改善就业匹配系统269

9.8.2振动故障诊断的专家系统270

9.8.3自动牙科识别270

9.8.4更多采用案例推理的专家系统271

9.9本章小结271

第10章 机器学习第一部分277

10.0引言277

10.1机器学习：简要概述277

10.2机器学习系统中反馈的作用279

10.3归纳学习280

10.4利用决策树进行学习282

10.5适用于决策树的问题283

10.6熵284

10.7使用ID3构建决策树285

10.8其余问题287

10.9本章小结288

第11章 机器学习第二部分：神经网络291

11.0引言291

11.1人工神经网络的研究292

11.2麦卡洛克-皮茨网络294

11.3感知器学习规则295

11.4增量规则303

11.5反向传播308

11.6实现关注点313

11.6.1模式分析316

11.6.2训练方法317

11.7离散型霍普菲尔德网络318

11.8应用领域323

11.9本章小结330

第12章 受到自然启发的搜索337

12.0引言337

12.1模拟退火338

12.2遗传算法341

12.3遗传规划349

12.4禁忌搜索353

12.5蚂蚁聚居地优化356

12.6本章小结359

第四部分 高级专题368

第13章 自然语言处理368

13.0引言368

13.1概述：语言的问题和可能性368

13.2自然语言处理的历史371

13.2.1基础期（20世纪40年代和50年代）371

13.2.2符号与随机方法（1957—1970）372

13.2.3 4种范式（1970—1983）372

13.2.4经验主义和有限状态模型（1983—1993）373

13.2.5大融合（1994—1999）373

13.2.6机器学习的兴起（2000—2008）374

13.3句法和形式语法374

13.3.1语法类型374

13.3.2句法解析：CYK算法379

13.4语义分析和扩展语法380

13.4.1转换语法381

13.4.2系统语法381

13.4.3格语法382

13.4.4语义语法383

13.4.5Schank系统383

13.5NLP中的统计方法387

13.5.1统计解析387

13.5.2机器翻译（回顾）和IBM的Candide系统388

13.5.3词义消歧389

13.6统计NLP的概率模型390

13.6.1隐马尔可夫模型390

13.6.2维特比算法391

13.7统计NLP语言数据集392

13.7.1宾夕法尼亚州树库项目392

13.7.2WordNet394

13.7.3NLP中的隐喻模型394

13.8应用：信息提取和问答系统396

13.8.1问答系统396

13.8.2信息提取401

13.9现在和未来的研究（基于CHARNIAK的工作）401

13.10语音理解402

13.11语音理解技术的应用405

13.12本章小结410

第14章 自动规划417

14.0引言417

14.1规划问题418

14.1.1规划术语418

14.1.2规划应用示例419

14.2一段简短的历史和一个著名的问题424

14.3规划方法426

14.3.1规划即搜索426

14.3.2部分有序规划430

14.3.3分级规划432

14.3.4基于案例的规划433

14.3.5规划方法集锦434

14.4早期规划系统435

14.4.1STRIPS435

14.4.2NOAH436

14.4.3NONLIN436

14.5更多现代规划系统437

14.5.1O-PLAN438

14.5.2Graphplan439

14.5.3规划系统集锦441

14.5.4学习系统的规划方法441

14.5.5SCI Box自动规划器442

14.6本章小结444

第五部分 现在和未来452

第15章 机器人技术452

15.0引言452

15.1历史：服务人类、仿效人类、增强人类和替代人类455

15.1.1早期机械机器人455

15.1.2电影与文学中的机器人458

15.1.3 20世纪早期的机器人458

15.2技术问题464

15.2.1机器人的组件464

15.2.2运动467

15.2.3点机器人的路径规划468

15.2.4移动机器人运动学469

15.3应用：21世纪的机器人471

15.4本章小结479

第16章 高级计算机博弈482

16.0引言482

16.1跳棋：从塞缪尔到舍弗尔483

16.1.1在跳棋博弈中用于机器学习的启发式方法486

16.1.2填鸭式学习与概括488

16.1.3签名表评估和棋谱学习489

16.1.4含有奇诺克程序的世界跳棋锦标赛490

16.1.5彻底解决跳棋游戏491

16.2国际象棋：人工智能的“果蝇”494

16.2.1计算机国际象棋的历史背景495

16.2.2编程方法496

16.2.3超越地平线效应505

16.2.4Deep Thought和DeepBlue与特级大师的比赛（1988—1995年）505

16.3计算机国际象棋对人工智能的贡献507

16.3.1在机器中的搜索507

16.3.2在搜索方面，人与机器的对比508

16.3.3启发式、知识和问题求解509

16.3.4蛮力：知识vs.搜索；表现vs.能力510

16.3.5残局数据库和并行计算511

16.3.6本书作者的贡献514

16.4其他博弈514

16.4.1奥赛罗515

16.4.2西洋双陆棋516

16.4.3桥牌518

16.4.4扑克519

16.5围棋：人工智能的“新果蝇”？520

16.6本章小结523

第17章 大事记532

17.0引言532

17.1提纲挈领——概述532

17.2普罗米修斯归来534

17.3提纲挈领——介绍人工智能的成果535

17.4IBM的沃森-危险边缘挑战赛539

17.5 21世纪的人工智能543

17.6本章小结545

附录A CLIPS示例：专家系统外壳548

附录B 用于隐马尔可夫链的维特比算法的实现（由Harun Iftikhar提供）552

附录C 对计算机国际象棋的贡献：令人惊叹的Walter Shawn Browne555

附录D 应用程序和数据559

附录E 部分练习的答案560