图书信息

内容简介

图书目录

高等学校教材《人工智能原理与应用》(图书信息 内容简介 图书目录)

图书信息

图书信息

书 名: 人工智能原理与应用

作　者：金聪

出版社： 清华大学出版社

出版时间： 2009年10月

ISBN: 9787302205838

开本： 16开

定价: 25.00 元

内容简介

《人工智能原理与应用》全面阐述人工智能领域的核心内容，并深入介绍各个主要的研究方向及人工智能技术在教育教学领域中的应用，是一本理论与应用相结合的教材。全书共分为7章，包括了绪论、知识及知识的表示、经典逻辑推理、不确定性推理、搜索问题求解和遗传算法等基础知识和基本理论以及人工智能在教育教学领域中的若干应用。

《人工智能原理与应用》既详细介绍了大量的基本概念、思想和算法，也描述了各研究方向最前沿的进展，并对中国在人工智能领域的贡献给出了一个概要性的介绍。前6章都附有习题，用于指导学生自学及加深对基本概念和技术的理解及掌握。最后一章属于拓展阅读部分，旨在让读者能够较快地了解人工智能在教育教学领域中的应用。全书讲述力求由浅入深，通俗易懂，理论上具有完整性和系统性，强调基本原理和基本技术配以大量的实例、图表，易于教学，便于自学。《人工智能原理与应用》不仅适合作为师范类计算机科学与技术专业本科生教材，也适合于不同层次和领域的研究人员及学生；既可以作为信息领域与相关领域的高等院校本科生和研究生的教科书或教学辅导书目，也可以作为相关领域的科研与工程技术人员的参考书。

图书目录

第1章 绪论

1．1 什么是人工智能

1．1．1 智能的解释

1．1．2 人工智能的解释

1．1．3 计算机与人工智能

1．1．4 人类智能与人工智能

1．1．5 人工智能的研究目标

1．1．6 人工智能中的通用问题求解方法

1．2 人工智能的发展简史

1．3 人工智能的研究方法及基本内容

1．3．1 人工智能的研究方法

1．3．2 人工智能研究的基本内容

1．4 人工智能的基本技术

1．5 人工智能的主要研究领域及实践

1．5．1 人工智能的主要研究领域

1．5．2 人工智能实践

1．6 人工智能在中国

1．6．1 数学机械化

1．6．2 机器学习

1．6．3 自动推理

1．6．4 时间和空间知识表示和推理

1．6．5 自然语言处理

1．6．6 智能体技术及应用

1．6．7 图像识别

习题

第2章 知识及知识的表示

2．1 概述

2．1．1 知识的基本概念

2．1．2 知识表示

2．2 一阶谓词逻辑表示法

2．2．1 知识的谓词逻辑表示法

2．2．2 谓词逻辑表示知识举例

2．2．3 一阶谓词逻辑表示法的特点

2．3 产生式表示法

2．3．1 产生式的基本形式

2．3．2 产生式表示知识的方法

2．3．3 产生式系统的组成

2．3．4 产生式系统的推理方式

2．3．5 产生式系统应用举例

2．3．6 产生式表示法的特点

2．4 框架表示法

2．4．1 框架的构成

2．4．2 框架表示知识举例

2．4．3 框架系统的推理

2．4．4 框架表示法的特点

2．5 语义网络表示法

2．5．1 语义网络的概念及结构

2．5．2 语义网络的基本语义联系

2．5．3 语义网络表示知识的方法及步骤

2．5．4 语义网络知识表示举例

2．5．5 语义网络的推理过程

2．5．6 语义网络表示法的特点

2．6 面向对象表示法

2．6．1 面向对象的基本概念

2．6．2 面向对象的知识表示

2．6．3 面向对象的知识表示举例

习题

第3章 经典逻辑推理

3．1 概述

3．1．1 推理定义

3．1．2 推理方式及分类

3．2 推理的逻辑基础

3．2．1 谓词公式的解释

3．2．2 谓词公式的等价性与永真蕴含性

3．2．3 置换与合一

3．2．4 谓词公式的范式

3．3 产生式系统推理

3．3．1 产生式系统的基本结构

3．3．2 推理方向

3．3．3 冲突消解策略

3．4 自然演绎推理

3．4．1 自然演绎推理的基本概念

3．4．2 利用演绎推理解决问题

3．5 归结演绎推理

3．5．1 子句集及其化简

3．5．2 Herbrand理论

3．5．3 Robinson归结原理

3．5．4 应用归结原理证明问题

3．5．6 用归结原理求解问题

3．5．7 归结策略

习题

第4章 不确定性推理

4．1 不确定性推理中的基本问题

4．2 不确定性推理方法分类

4．3 概率方法

4．3．1 经典概率方法

4．3．2 Bayes定理

4．3．3 逆概率方法的基本思想

4．3．4 逆概率方法的优缺点

4．4 主观Bayes方法

4．4．1 知识不确定性的表示

4．4．2 证据不确定性的表示

4．4．3 不确定性的传递算法

4．4．4 结论不确定性的合成算法

4．4．5 例子

4．4．6 主观Bayes方法的主要优缺点

4．5 可信度方法

4．5．1 可信度概念

4．5．2 C-F模型

4．5．3 可信度方法应用举例

4．6 证据理论

4．6．1 基本概念

4．6．2 D-S理论

4．6．3 知识的不确定性的表示

4．6．4 证据的不确定性的表示

4．6．5 例子

4．6．6 证据理论的主要优缺点

习题

第5章 搜索问题求解

5．1 基本概念

5．2 状态空间搜索

5．2．1 问题的状态空间表示

5．2．2 状态空间的穷搜索法

5．2．3 启发式搜索法

5．3 问题归约法

5．3．1 问题归约描述

5．3．2 与或图表示

5．3．3 AO*算法

5．4 博弈树搜索

5．4．1 极大极小过程

5．4．2 α-β过程

习题

第6章 遗传算法

6．1 遗传算法简介

6．1．1 遗传算法的起源

6．1．2 遗传算法的基本思想

6．1．3 遗传算法的主要特点

6．1．4 遗传算法的应用

6．2 函数优化实例

6．2．1 问题描述

6．2．2 种群的初始化

6．2．3 选择策略

6．2．4 遗传算子

6．3 基本遗传算法

6．3．1 编码表示

6．3．2 适应度函数

6．3．3 选择策略

6．3．4 遗传算子的设计

6．4 遗传算法的应用举例

6．4．1 函数最优化问题

6．4．2 旅行商问题

6．4．3 排课表问题

习题

第7章 人工智能在教育教学领域中的应用

7．1 遗传算法在教育教学领域中的应用

7．1．1 基于遗传算法的智能组卷策略

7．1．2 基于遗传算法和模糊综合评价的课堂效果评价方

7．1．3 基于遗传算法的网络教学资源共享优化调度

7．2 专家系统在教育教学领域中的应用

7．2．1 智能教学专家系统的形式化模型

7．2．2 计算机编程辅助教学专家系统的构建

7．2．3 专家系统在计算机辅助教学系统中的应用

7．2．4 智能计算机辅助教学系统中学生模型库的设计

7．2．5 计算机智能导师系统的知识表示

7．3 数据挖掘在教育教学领域中的应用

7．3．1 数据挖掘在本科教学评估中的应用

7．3．2 关联规则挖掘在学分制教学管理中的应用

7．3．3 多维关联规则挖掘在高校就业领域中的应用

7．4 神经网络在教育教学领域中的应用

7．4．1 神经网络在教学工作水平评估中的应用

7．4．2 基于BP神经网络的编译原理学绩评估方法

附录简单函数优化的遗传算法C代码

参考文献

……

高等学校教材《人工智能原理与应用》

图书信息

图书在版编目（CIP）数据

人工智能原理与应用/张仰森.——北京：高等教育出版社，（2006重印）

ISBN7-04-014238-4

I.人……II.张……III.人工智能-高等学校-教材IV. TP18

中国版本图书馆CIP数据核字（2004）第000962号

出版发行：高等教育出版社

社址：北京市西城区德外大街4号

邮政编码：100011

经销：蓝色畅想图书发行有限公司

印刷：北京新丰印刷厂

开本：787X1092 1/16

印张：25.25

字数：520000

版次：2004年2月第1版

定价：29.50元

内容简介

本书是作者依据自己的教学实践，学习、吸纳前辈经验，归纳、提炼、创新而形成的具有特色的教材。书中比较系统地介绍了人工智能的基本原理、方法和应用技术。

本书可作为高等学校相关专业高年级本科生和研究生的教材，也可供从事人工智能研究和应用的科技工作者参考，还可供同等学力申请硕士学位人员以及参加其他考试的相关人员参考。

图书目录

第一篇 人工智能基本原理

第一章 绪论

1.1 人工智能的诞生及发展

1.2 人工智能的定义

1.3 人工智能研究的方法及途径

1.4 人工智能的研究及应用领域

第二章 知识表示方法

2.1 概述

2.2 一阶谓词逻辑表示法

2.3 产生式表示法

2.4 语义网络表示法

2.5 框架表示法

2.6 面向对象的表示法

2.7 脚本表示法

2.8 过程表示法

2.9 状态空间表示法

2.10 与/或树表示法

第三章 确定性推理方法

3.1 推理概述

3.2 命题逻辑

3.3 逻辑谓词

3.4 自然演绎推理方法

3.5 归结推理方法

3.6 归结过程的控制策略

第四章 不确定性推理方法

4.1 不确定性推理概述

4.2 可信度方法

4.3 主观贝叶斯方法

4.4 证据推理

第五章 状态空间搜索策略

5.1 搜索的概念及种类

5.2 盲目搜索策略

5.3 启发式搜索策略

第六章 机器学习

6.1 概述

6.2 机器学习系统的基本模型

6.3 机械学习的过程

6.4 传授式学习

6.5 类比学习

6.6 归纳学习

6.7 基于解释的学习

第二篇 人工智能的应用

第七章 自然语言理解

7.1 自然语言及其理解

7.2 词法分析

7.3 句法分析

7.4 语义分析

7.5 大规模真实文本的处理

7.6 基于语料库的自然语言建模方法

第八章 专家系统

8.1 专家系统概述

8.2 专家系统的基本结构

8.3 知识获取

8.4 专家系统的设计与建造

8.5 专家系统的评价

8.6 专家系统开发工具

8.7 新一代专家系统的发展

第九章 人工神经网络

9.1 神经网络的基本概念及组成特性

9.2 感知器模型及其学习算法

9.3 反向传播模型及其学习算法

9.4 Hopfield模型及其学习方法

第十章 数据挖掘与Agent技术

10.1 数据挖掘及其应用

10.2 Agent技术及其应用

附录

参考文献

图书信息

书名:人工智能原理与应用

ISBN:704014238

作者:张仰森著

出版社:高等教育出版社

定价:29.5

页数:393

出版日期:2004-2-1

版次:1

开本:16开

包装:

简介:本书是作者依据自己的教学实践，学习、吸纳前辈经验，归纳、提炼、创新而形成的具有特色的教材。书中比较系统地介绍了人工智能的基本原理、方法和应用技术。全书共分两篇，包括十章内容。第一篇为原理篇，主要论述知识表示、知识获取以及知识运用三大问题，包括人工智能的基本概念及其发展状况、知识表示方法、确定性推理方法、不确定性推理方法、状态空间搜索、机器学习等内容。第二篇为应用篇，介绍自然语言理解、专家系统、人工神经网络等研究领域，并在第十章对数据挖掘和Agent技术等热点研究领域进行了介绍。每章都给出了大量的例题和习题，并在附录中给出了习题的参考解答。本书的特色是简明、实用，逻辑性强，可读性好，教学生动手解题，附有习题参考答案，符合当前素质教育的要求，让学生在有限的时间内，掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。

考虑到同等学力申请硕士学位人员对人工智能知识的要求，附录中还提供了3套历年全国统一考试的真题及解答，成为本书另一突出特色。

本书可作为高等学校相关专业高年级本科生和研究生的教材，也可供从事人工智能研究和应用的科技工作者参考，还可供同等学力申请硕士学位人员以及参加其他考试的相关人员参考。

目录:

第一篇　人工智能基本原理

第一章　绪论

1.1　人工智能的诞生及发展

1.2　人工智能的定义

1.3　人工智能研究的方法及途径

1.3.1　人工智能研究的各种学派及其理论

1.3.2　实现人工智能的技术路线

1.4　人工智能的研究及应用领域

1.4.1　问题求解

1.4.2　机器学习

1.4.3　专家系统

1.4.4　模式识别

1.4.5　自动定理证明

1.4.6　自动程序设计

1.4.7　自然语言理解

1.4.8　机器人学

1.4.9　人工神经网络

1.4.10　智能检索

习题一

第二章　知识表示的方法

2.1　概述

2.1.1　知识、信息和数据

2.1.2　知识的特性

2.1.3　知识的分类

2.1.4　知识的表示

2.2　一阶谓词逻辑表示法

2.2.1　知识的谓词逻辑表示法

2.2.2　用谓词公式表示知识的步骤

2.2.3　谓词公式表示知识的举例

2.2.4　一阶谓词逻辑表示法的特点

2.3　产生式表示法

2.3.1　产生式可表示的知识种类及其基本形式

2.3.2　知识的表示方法

2.3.3　产生式系统的组成

2.3.4　产生式系统的推理方式

2.3.5　产生式表示法的特点

2.4　语义网络表示法

2.4.1　语义网络的概念、结构及与表示法的联系

2.4.2　语义网络中常用的语义联系

2.4.3　语义网络表示知识的方法

2.4.4　用语义网络表示知识的步骤

2.4.5　语义网络表示知识举例

2.4.6　语义网络表示下的推理过程

2.4.7　语义网络表示法的特点

2.5　框架表示法

2.5.1　框架理论

2.5.2　框架的定义及组成

2.5.3　用框架表示知识的步骤

2.5.4　框架举例

2.5.5　框架表示下的推理方法

2.5.6　框架表示法的特点

2.6　面向对象的表示法

2.6.1　面向对象的基本概念

2.6.2　表示知识的方法

2.7　脚本表示法

2.7.1　脚本的定义与组成

2.7.2　用脚本表示知识的步骤

2.7.3　用脚本表示知识举例

2.7.4

脚本表示下的推理方法

2.7.5

脚本表示法的特点

2.8 过程表示法

2.8.1 知识的过程表示法

2.8.2 过程表示的问题求解过程

2.8.3 过程知识表示法的特性

2.9 状态空间表示法

2.9.1 问题状态空间的构成

2.9.2

用状态空间表示问题的步骤

2.9.3

利用状态空间求解问题的过程

2.10

与/或树表示法

2.10.1 问题的分解与等价变换

2.10.2 问题归约的与/或树表示

2.10.3 用与/或树表示问题的步骤

2.10.4 与/或树表示举例

习题二

第三章 确定性推理方法

3.1 推理概述

3.1.1 推理的基本概念

3.1.2 推理的方法及其分类

3.1.3 推理的控制策略

3.1.4 推理的冲突消解策略

3.2 命题逻辑

3.2.1 命题

3.2.2 命题公式

3.3

谓词逻辑

3.3.1 谓词与个体

3.3.2 谓词公式

3.3.3 谓词公式的永真性和可满足性

3.3.4 谓词公式的等价性与永真蕴涵

3.3.5 置换与合一

3.4 自然演绎推理方法

3.4.1 自然演绎推理的概念

3.4.2 利用演绎推理解决问题

3.4.3 演绎推理的特点

3.5 归结推理方法

3.5.1 谓词公式与子句集

3.5.2 Herbrand理论

3.5.3 归结原理

3.5.4 利用归结原理进行定理证明

3.5.5 应用归结原理进行问题求解

3.6 归结过程的控制策略

3.6.1 引入控制策略

3.6.2 归结控制策略及其应用举例

习题三

第四章 不确定性推理方法

4.1 不确定性推理概述

4.1.1 不确定性推理的概念

4.1.2 不确定性推理方法的分类

4.1.3 不确定性推理中的基本问题

4.2 可信度方法

4.2.1 可信度的概念

4.2.2 知识不确定性的表示

4.2.3 证据不确定性的表示

4.2.4 不确定性的推理计算

4.2.5 可信度方法应用举例

4.3 主观Bayes方法

4.3.1 基本Bayes公式

4.3.2 主观Bayes方法及其推理网络

4.3.3 知识不确定性的表示

4.3.4 证据不确定性的表示

4.3.5 不确定性的推理计算

4.3.6 结论不确定性的合成与更新算法

4.3.7 主观Bayes方法应用举例

4.4 证据理论

4.4.1 D-S理论的数学基础

4.4.2 特定概率分配函数

4.4.3 基于特定概率分配函数的不确定性推理模型

4.4.4 证据理论解题举例

习题四

第五章 状态空间搜索策略

5.1 搜索的概念及种类

5.1.1 搜索的概念

5.1.2 搜索的种类

5.2 盲目搜索策略

5.2.1 状态空间图的搜索策略

5.2.2 宽度优先搜索策略

5.2.3 深度优先搜索

5.2.4 有界深度优先搜索

5.2.5 代价树的宽度优先搜索

5.2.6 代价树的深度优先搜索

5.3 启发式搜索策略

5.3.1 启发信息与估价函数

5.3.2 最佳优先搜索

5.3.3 A*算法

习题五

第六章 机器学习

6.1 概述

6.1.1 什么是机器学习

6.1.2 研究机器学习的意义

6.1.3 机器学习的发展史

6.1.4 机器学习的主要策略及研究现状

6.2 机器学习系统的基本模型

6.2.1 环境

6.2.2 学习环节

6.2.3 知识库

6.2.4 执行环节

6.3 机械学习

6.3.1 机械学习的过程

6.3.2 机械学习系统要考虑的问题

6.4 传授式学习

6.5 类比学习

6.5.1 学习新概念

6.5.2 学习问题的求解方法

6.6 归纳学习

6.6.1 实例学习

6.6.2 观察与发现学习

6.7 基于解释的学习

6.7.1 基于解释学习的工作原理

6.7.2 基于解释学习举例

6.7.3 领域知识的完善性

习题六

第二篇 人工智能的应用

第七章 自然语言理解

7.1 自然语言及其理解

7.1.1 自然语言及其构成

7.1.2 自然语言理解的概念

7.1.3 自然语言理解研究的进展

7.1.4 自然语言理解过程的层次

7.2 词法分析

7.3 句法分析

7.3.1 短语结构语法理论与乔姆斯基语法体系

7.3.2 递归转移网络与扩充转移网络

7.3.3 词汇功能语法

7.3.4 自动句法分析算法

7.4 语义分析

7.5 大规模真实文本的处理

7.5.1 语料库语言学的崛起

7.5.2 语料库语言学的特点及研究对象

7.5.3 汉语语料库加工的基本方法

7.5.4 统计学方法的应用及所面临的问题

7.6

基于语料库的自然语言建模方法

7.6.1 基于概率分布的语言建模

7.6.2 基于上下文信息的语言建模

7.6.3 基于组合思想的语言建模

7.6.4 语言建模的相关问题

习题七

第八章 专家系统

8.1　专家系统概述

8.1.1　专家系统的产生与发展

8.1.2　专家系统的定义

8.1.3　专家系统的种类

8.1.4　专家系统的一般特点

8.2　专家系统的基本结构

8.2.1　数据库及其管理系统

8.2.2　知识库及其管理系统

8.2.3　知识获取机构

8.2.4　推理机

8.2.5　解释器

8.2.6　人-机接口

8.3　知识获取

8.3.1　知识获取的任务

8.3.2　知识获取的主要途径

8.4　专家系统的设计与建造

8.4.1　开发专家系统的基本要求

8.4.2　专家系统建造的步骤

8.5　专家系统的评价

8.6　专家系统开发工具

8.6.1　语言型开发工具

8.6.2　骨架型开发工具

8.6.3　通用型开发工具

8.6.4　开发环境与辅助型开发工具

8.7　专家系统的进一步发展

8.7.1　新一代专家系统应具备的特征

8.7.2　分布式专家系统

8.7.3　协同式专家系统