人工智能及其应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

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

目录1

第1章 人工智能概述1

1.1 人工智能及其研究目标1

1.1.1 人工智能的定义1

1.1.2 人工智能的研究目标4

1.2 人工智能的产生与发展5

1.2.1 孕育期5

1.2.2 形成期7

1.2.3 知识应用期9

1.2.4 综合集成期11

1.3.1 人工智能研究的基本内容12

1.3 人工智能研究的基本内容及其特点12

1.3.2 人工智能研究的特点14

1.4 人工智能的研究和应用领域15

1.4.1 机器学习16

1.4.2 自然语言理解16

1.4.3 专家系统16

1.4.4 模式识别17

1.4.5 计算机视觉18

1.4.6 机器人学18

1.4.7 博弈20

1.4.8 自动定理证明20

1.4.9 自动程序设计21

1.4.12 人工神经网络22

1.4.13 知识发现和数据挖掘22

1.4.10 智能控制22

1.4.11 智能决策支持系统22

1.4.14 分布式人工智能23

1.5 人工智能研究的不同学派及其争论23

1.5.1 人工智能的三大学派23

1.5.2 人工智能理论的争论25

1.5.3 人工智能研究方法的争论26

1.6 人工智能的近期发展分析27

1.6.1 更新的理论框架研究27

1.6.2 更好的技术集成研究27

1.6.3 更成熟的应用方法研究28

习题28

2.1 知识与知识表示的概念29

2.1.1 知识29

第2章 知识表示29

2.1.2 知识表示33

2.2 一阶谓词逻辑表示法35

2.2.1 一阶谓词逻辑表示的逻辑基础35

2.2.2 谓词逻辑表示方法39

2.2.3 谓词逻辑表示的应用40

2.2.4 谓词逻辑表示的特性45

2.3 产生式表示法46

2.3.1 产生式表示的基本方法及特性46

2.3.2 产生式系统的基本结构48

2.3.3 产生式系统的基本过程51

2.3.4 产生式系统的控制策略51

2.3.5 产生式系统的类型52

2.3.6 产生式系统的特点55

2.4.1 语义网络的基本概念56

2.4 语义网络表示法56

2.4.2 事物和概念的表示59

2.4.3 情况和动作的表示62

2.4.4 逻辑关系的表示64

2.4.5 语义网络的推理过程66

2.4.6 语义网络表示法的特征67

2.5 框架表示法68

2.5.1 框架理论68

2.5.2 框架和实例框架69

2.5.3 框架系统71

2.5.4 框架系统的问题求解过程79

2.5.5 框架表示的特性81

2.6.1 脚本的结构82

2.6 脚本表示法82

2.6.2 脚本的推理83

2.7 过程表示法84

2.7.1 表示知识的方法85

2.7.2 过程表示的问题求解过程86

2.7.3 过程表示的特性87

2.8 面向对象表示法87

2.8.1 面向对象的基本概念和特征87

2.8.2 知识的面向对象表示89

习题90

第3章 搜索策略92

3.1 搜索的基本概念92

3.1.1 搜索的含义92

3.1.2 状态空间法92

3.1.3 问题归约97

3.2 状态空间的盲目搜索100

3.2.1 一般图搜索过程101

3.2.2 广度优先搜索103

3.2.3 深度优先搜索105

3.2.4 有界深度优先搜索106

3.2.5 代价树搜索107

3.3 状态空间的启发式搜索109

3.3.1 启发性信息和估价函数110

3.3.2 A算法111

3.3.3 A算法113

3.3.4 A算法应用举例118

3.4.1 与／或树的一般搜索120

3.4 与／或树的盲目搜索120

3.4.2 与／或树的广度优先搜索121

3.4.3 与／或树的深度优先搜索123

3.5 与／或树的启发式搜索123

3.5.1 解树的代价与希望树124

3.5.2 与／或树的启发式搜索过程125

习题127

第4章 确定性推理130

4.1 推理的基本概念130

4.1.1 推理的概念130

4.1.2 推理的方法及其类型130

4.1.3 推理的控制策略132

4.1.4 推理的冲突消解策略132

4.2.1 命题的概念134

4.2.2 连接词与命题公式134

4.2 命题逻辑134

4.3 谓词逻辑136

4.3.1 谓词与个体136

4.3.2 谓词公式的解释136

4.3.3 谓词公式的永真性137

4.3.4 谓词公式的可满足性138

4.3.5 谓词公式的等价性138

4.3.6 谓词公式的永真蕴含性139

4.3.7 谓词公式的范式139

4.3.8 置换与合一140

4.4 自然演绎推理方法141

4.5 归结演绎推理方法142

4.5.1 子句集及其化简142

4.5.2 海伯伦理论145

4.5.3 鲁宾逊归结原理146

4.5.4 归结演绎推理的归结策略148

4.5.5 用归结反演求取问题的答案149

4.6 基于规则的演绎推理方法149

4.6.1 规则正向演绎推理150

4.6.2 规则逆向演绎推理155

4.6.3 规则双向演绎推理158

4.7 规则演绎推理的剪枝策略159

习题160

第5章 归纳学习164

5.1 概述164

5.2 归纳学习的逻辑基础165

5.2.1 归纳学习的一般模式165

5.2.2 概念获取的条件167

5.2.3 问题背景知识168

5.2.4 选择型和构造型泛化规则169

5.3 偏置变换173

5.4 变型空间方法174

5.4.1 消除候选元素算法175

5.4.2 两种改进算法177

5.5 AQ归纳学习算法179

5.6 产生与测试方法180

5.6.1 INDUCE1.2180

5.6.2 算法的推广180

5.7 决策树学习182

5.7.1 CLS学习算法182

5.7.2 ID3学习算法183

5.7.4 ID5学习算法186

5.7.3 ID4学习算法186

5.8 归纳学习的计算理论187

5.8.1 Gold学习理论188

5.8.2 模型推理系统189

5.8.3 Valiant学习理论190

第6章 统计学习193

6.1 统计学习理论思想追源193

6.2 统计学习理论基础194

6.2.1 学习问题的表示194

6.2.2 期望风险和经验风险195

6.2.3 VC维理论197

6.2.4 推广性的界198

6.2.5 结构风险最小化200

6.3.1 梯度下降和delta法则201

6.3 神经网络201

6.3.2 梯度下降的随机近似204

6.3.3 小结205

6.4 最大边缘算法205

6.4.1 凸二次规划问题与支持向量206

6.4.2 SVM优化问题的几何解释207

6.4.3 算法设计的理论基础208

6.4.4 线性SVM理论的几何解释208

6.5 核技巧211

6.5.1 特征映射211

6.5.2 特征空间的线性可分性212

6.5.3 分类算法的理论框架214

7.1 智能Agent215

7.1.1 什么是Agent215

第7章 Agent技术理论基础215

7.1.2 理性Agent模型216

7.1.3 Agent结构220

7.2 多Agent系统223

7.2.1 多Agent系统的定义223

7.2.2 Agent通信223

7.2.3 协调与协商226

7.2.4 Agent协作与组织227

7.2.5 多Agent系统的开发方法及工具239

第8章 模态逻辑与Agent242

8.1 模态逻辑的计算解释242

8.2 模态程序设计语言243

8.3 知识与行为理论245

8.4.1 为什么多代理系统需要模态逻辑？246

8.4 模态逻辑与多代理系统246

8.4.2 模态逻辑中的可能世界语义248

8.4.3 正规模态逻辑249

8.4.4 对应理论250

8.4.5 作为认知逻辑的正规模态逻辑251

8.4.6 逻辑全知252

8.4.7 知识和信念的公理252

8.4.8 讨论253

8.5 多Agent系统的认知逻辑253

8.6 模态逻辑与面向Agent的软件工程255

8.6.1 系统规范的形式化方法255

8.6.2 系统现实的形式化方法256

8.6.3 系统验证258

9.1 人工智能在石油工业中的应用261

第9章 人工智能应用261

9.1.1 人工智能应用的原则262

9.1.2 人工智能的应用模式263

9.1.3 国内外研究现状264

9.1.4 人工智能在油田开发中的应用268

9.1.5 用于油田储层保护的“IEDPTFD”系统分析277

9.2 基于Agent的混合智能系统在金融投资计划领域的应用287

9.2.1 关于系统中一些模型的介绍287

9.2.2 系统分析297

9.2.3 系统的设计298

9.2.4 系统体系结构300

9.2.5 系统的执行301

参考文献306