人工智能技术

节选

[

《人工智能技术》系统介绍了人工智能技术的基本理论和应用技术。全书共9章，主要内容包括：知识表示技术，知识推理技术，模糊逻辑技术，神经网络技术，遗传算法，专家系统，机器学习，群集智能。《人工智能技术》是作者在总结近年来教学和科研成果，学习国内外人工智能技术领域*新技术的基础上编写而成的。全书内容体系新颖，选材具有先进性、系统性和实用性的特点。《人工智能技术》可作为高等学校计算机科学与技术专业、电子信息工程专业、电工及自动化类专业、机电一体化专业的高年级本科生和研究生的教材，也可供相关专业的工程技术人员参考。

]

相关资料

[

插图：智能是人们在认识与改造客观世界的活动中，由思维过程和脑力劳动所体现的能力，即系统能灵活地、有效地、创造性地进行信息获取、信息处理、信息利用的能力。智能的核心在于知识，包括感性知识与理性知识、先验知识与理论知识，因此智能也可表达为知识获取能力、知识处理能力和知识适用能力。智能所具有的特征如下。1.具有感知能力感知能力是指人们通过感觉器官感知外部世界的能力。感知是人类最基本的生理和心理现象，是获取外部信息的基本途径。据有关研究，大约80％以上的外部信息是通过视觉得到的，有10％是通过听觉得到的，这表明视觉和听觉在人类感知中占有主导地位。2.具有记忆和思维的能力记忆和思维是人们之所以有智能的根本原因所在。记忆用于存储由感觉器官感知到外部信息以及由思维所产生的知识；思维用于对记忆的信息进行处理，即利用已有的知识对信息进行分析、计算、比较、判断、推理、联想和决策等。人的记忆与思维密不可分，其物质基础都是由神经元组成的大脑皮层，通过相关神经元此起彼伏的兴奋与抑制来实现记忆与思维活动。3.具有学习能力和自适应能力学习是人的本能，它既有可能是自觉的、有意识的，也有可能是不自觉的、无意识的；既可以是教师指导的，也可以是通过实践获得的。每个人都在通过与环境的相互作用，不断地进行学习，并通过学习积累知识、增长才干，适应环境的变化，充实完善自己。只是由于个人所处的环境不同，条件不同，学习效果亦不相同，体现出不同的智力差异。

]

本书特色

[

《人工智能技术》：高等学校计算机专业教材精选·计算机原理

]

目录

第1章 概论 1.1 人工智能 1.1.1 智能 1.1.2 人工智能的定义 1.1.3 人工智能的发展简史 1.1.4 人工智能的目标与表现形式 1.1.5 人工智能的研究途径 1.1.6 人工智能的研究领域 1.2 智能工程 1.2.1 智能工程的提出 1.2.2 智能工程与人工智能 1.2.3 智能制造系统 1.3 智能控制 1.3.1 智能控制的发展概况 1.3.2 智能控制系统的基本结构 1.3.3 智能控制的结构理论 1.3.4 智能控制的特点 1.3.5 智能控制研究的数学工具 1.3.6 智能控制的主要研究内容 习题和思考题 第2章 知识表示技术 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 逻辑表示法 2.2.1 命题逻辑 2.2.2 谓词逻辑 2.2.3 谓词逻辑表示法的特点 2.3 语义网络表示法 2.3.1 语义网络的概念 2.3.2 语义网络表示知识的方法及步骤 2.3.3 语义网络中常用的语义联系 2.3.4 语义网络表示下的推理过程 2.3.5 语义网络表示法的特点 2.4 框架表示法 2.4.1 框架结构及知识表示 2.4.2 基于框架的推理 2.4.3 框架表示法的特点 2.5 产生式表示法 2.5.1 产生式的基本形式 2.5.2 产生式系统 2.5.3 产生式系统示例 2.5.4 产生式表示法的特点 2.6 状态空间表示法 2.6.1 状态空间表示法的描述 2.6.2 状态空间表示法示例 2.7 问题归约法 2.7.1 问题归约描述 2.7.2 与或图表示法 2.8 面向对象表示法 2.8.1 面向对象的基本概念 2.8.2 面向对象的知识表示 习题和思考题 第3章 知识推理技术 3.1 推理方式及其分类 3.1.1 演绎推理、归纳推理、默认推理 3.1.2 确定性推理、不确定性推理 3.1.3 单调推理、非单调推理 3.1.4 定性推理 3.2 推理的控制策略 3.2.1 正向推理 3.2.2 反向推理 3.2.3 正反向推理 3.3 搜索策略 3.3.1 状态空间的一般搜索过程 3.3.2 宽度优先搜索策略 3.3.3 深度优先搜索策略 3.3.4 启发式搜索策略 习题和思考题 第4章 模糊逻辑技术 4.1 模糊逻辑的数学基础 4.1.1 模糊集合 4.1.2 模糊集合的表示方法 4.1.3 模糊集合的运算 4.1.4 隶属函数确定方法 4.1.5 模糊关系 4.2 模糊逻辑的推理 4.2.1 模糊命题 4.2.2 模糊逻辑 4.2.3 模糊语言 4.2.4 模糊推理 4.3 模糊控制系统概述 4.3.1 模糊控制系统的构成 4.3.2 模糊控制系统的原理 4.4 模糊控制器原理 4.5 模糊控制器设计基础 4.6 双人单出模糊控制器设计 4.6.1 模糊化 4.6.2 模糊控制规则、模糊关系的推理 4.6.3 清晰化 4.6.4 控制表计算程序 习题和思考题 第5章 神经网络技术 5.1 神经网络基础 5.1.1 生物神经元结构 5.1.2 神经元数学模型 5.2 神经网络的结构和学习规则 5.2.1 神经网络的结构 5.2.2 神经网络的学习 5.2.3 神经网络的记忆 5.3 典型前向网络——BP网络 5.3.1 感知机 5.3.2 BP网络 5.4 典型反馈网络——Hopfield网络 5.4.1 离散型Hopfield网络 5.4.2 连续型Hopfield网络 5.5 应用神经网络产生模糊集的隶属函数 5.6 神经网络控制原理 5.6.1 神经网络控制的基本思想 5.6.2 神经网络在控制中的作用 5.7 神经网络在工程中的应用 5.7.1 基于神经网络的系统辨识 5.7.2 基于神经网络的自适应控制 5.8 单神经元控制的直流调速系统 5.8.1 系统组成 5.8.2 单神经元控制器及其学习算法设计 5.8.3 单神经元直流调速系统参数设计 5.9 模糊神经网络 5.9.1 模糊系统的标准模型 5.9.2 模糊神经网络的结构 5.9.3 学习算法 5.9.4 应用模糊神经网络在线检测参数 习题和思考题 第6章 遗传算法 6.1 遗传算法的基本原理 6.1.1 遗传算法的基本遗传学基础 6.1.2 遗传算法的原理和特点 6.1.3 遗传算法的基本操作 6.2 遗传算法的模式理论 6.2.1 模式 6.2.2 复制对模式的影响 6.2.3 交叉对模式的影响 6.2.4 变异对模式的影响 6.2.5 遗传算法有效处理的模式数量 6.3 遗传算法应用中的一些基本问题 6.3.1 目标函数值到适值形式的映射 6.3.2 适值的调整 6.3.3 编码原则 6.3.4 多参数级联定点映射编码 6.4 高级遗传算法 6.4.1 改进的复制方法 6.4.2 高级GA算法 6.5 基于遗传算法的模糊控制 6.6 免疫遗传算法 6.6.1 免疫遗传算法的基本概念 6.6.2 免疫算子的机理与构造 6.6.3 TSP问题的免疫遗传算法 习题和思考题 第7章 专家系统 7.1 专家系统的概念 7.1.1 什么是专家系统 7.1.2 专家系统的产生和发展 7.1.3 专家系统的特点 7.1.4 专家系统的类型 7.1.5 专家系统与知识系统 7.1.6 专家系统与知识工程 7.2 专家系统的结构与工作原理 7.2.1 专家系统的一般结构 7.2.2 专家系统的工作原理 7.3 知识的获取 7.3.1 知识获取的方式 7.3.2 知识获取的步骤 7.4 专家系统的建造与评价 7.4.1 专家系统的建造原则 7.4.2 专家系统的建造步骤 7.4.3 专家系统的评价 7.5 专家系统设计举例 7.5.1 动物识别系统 7.5.2 专家生产指导系统 7.6 专家控制系统 7.6.1 专家控制系统的工作原理 7.6.2 专家控制系统的类型 7.6.3 直接专家控制系统 7.6.4 间接专家控制系统 7.6.5 实时专家控制系统 7.7 新一代的专家系统 7.7.1 深层知识专家系统 7.7.2 模糊专家系统 7.7.3 神经网络专家系统 7.7.4 大型协同分布式专家系统 7.7.5 网上专家系统 习题和思考题 第8章 机器学习 8.1 机器学习的基本概念 8.1.1 什么是机器学习 8.1.2 学习系统 8.1.3 机器学习的主要策略 8.1.4 机器学习系统的基本结构 8.2 机械学习 8.2.1 机械学习的模式 8.2.2 机械学习的主要问题 8.3 指导学习 8.4 类比学习 8.4.1 类比推理 8.4.2 属性类比学习 8.4.3 转换类比学习 8.5 归纳学习 8.5.1 实例学习 8.5.2 观察与发现学习 8.6 解释学习 8.6.1 解释学习的概念 8.6.2 解释学习的过程 8.6.3 解释学习的例子 8.6.4 领域知识的完善性 8.7 知识发现与数据挖掘 8.7.1 知识发现 8.7.2 数据挖掘概述 8.7.3 数据挖掘技术简介 8.8 学习控制系统 8.8.1 基于模式识别的学习控制 8.8.2 反复学习控制 8.8.3 自学习控制系统 习题和思考题 第9章 群集智能 9.1 群集智能概述 9.1.1 群集智能的基本概念 9.1.2 群集智能研究方法的主要优缺点 9.1.3 群集智能的底层机制 9.1.4 群集智能不同算法的比较 9.2 蚁群算法 9.2.1 蚁群算法的生物原型 9.2.2 基本蚁群算法的原理 9.2.3 蚁群优化算法的特点及收敛性 9.2.4 基本蚁群算法的数学模型 9.2.5 蚁群算法的参数设置 9.2.6 改进的蚁群算法 9.3 粒子群优化算法 9.3.1 粒子群优化算法的生物原型 9.3.2 标准粒子群优化算法 9.3.3 改进粒子群优化算法 9.3.4 改进粒子群算法对BP神经网络的优化 9.4 人工鱼群算法 9.4.1 人工鱼群算法的来源 9.4.2 基本人工鱼群算法 9.4.3 改进人工鱼群算法 9.4.4 改进人工鱼群算法优化BP神经网络 9.4.5 改进人工鱼群算法优化BP神经网络的在线运行 习题和思考题 参考文献

封面

书名:人工智能技术

作者:曹承志

页数:297页

定价:¥29.5

出版社:清华大学出版社

出版日期:2010-08-01

ISBN:9787302218357

PDF电子书大小:78MB 高清扫描完整版