人工智能原理 出版时间：2011年版内容简介 《人工智能原理》介绍了人工智能的发展历史、基本流派、研究领域，知识表示方法和推理技术，图搜索技术，专家系统及开发工具的使用和设计方法，模糊理论及应用，机器学习与神经网络，混沌理论，智能优化算法原理和应用等。《人工智能原理》是作者在多年教学和科研实践的基础上，参阅了国内外现有教材和相关文献后编写的。全书注重理论与实践的结合，注重算法的实际应用与实现方法，注重创新思维的训练与培养。《人工智能原理》可作为高等院校自动化、电气工程、计算机、电子信息等专业人工智能的本科生、研究生教材，也可供从事人工智能研究与应用的科技工作者学习参考。目录前言第1章 绪论1.1 人工智能的起源与发展1.2 人工智能学术流派1.3 人工智能的研究与应用领域第2章 知识表示和推理2.1 知识和知识表示的基本概念2.2 命题逻辑2.2.1 语法2.2.2 语义2.2.3 命题演算形式系统2.3 谓词逻辑2.3.1 语法2.3.2 语义2.4 归结推理2.4.1 子句集及其简化2.4.2 海伯伦定理2.4.3 Robinson归结原理2.4.4 利用Robinson归结原理实现定理证明2.4.5 应用归结原理求解问题2.5 产生式系统2.5.1 产生式系统的组成部分2.5.2 产生式系统的控制策略2.5.3 产生式系统的推理方式2.6 语义网络表示法2.6.1 语义网络的结构2.6.2 基本命题的语义网络表示2.6.3 语义网络的知识表示方法2.6.4 语义网络表示法的特点2.7 框架表示法2.8 状态空间表示法2.9 与或图表示法第3章 图搜索技术3.1 问题的提出3.2 状态图搜索3.2.1 状态图搜索分类3.2.2 穷举式搜索3.2.3 启发式搜索3.2.4 A算法及A算法3.3 与或图搜索3.3.1 与或图3.3.2 与或图搜索举例3.4 博弈图搜索3.4.1 博弈图3.4.2 极大极小分析法3.4.3 剪枝技术第4章 专家系统4.1 专家系统的概述4.1.1 专家系统的概念与特点4.1.2 专家系统和传统程序的区别4.2 专家系统的结构4.3 专家系统的设计原则与开发过程4.3.1 专家系统的设计原则4.3.2 专家系统的开发过程4.4 专家系统评价4.5 专家系统开发工具4.5.1 骨架型开发工具4.5.2 语言型开发工具4.5.3 构造辅助工具4.5.4 支撑环境4.6 Prolog语言4.6.1 Prolog语言的特点4.6.2 基本Prolog的程序结构4.6.3 Prolog程序的运行机理4.6.4 TurboProlog程序结构4.6.5 TurboProlog的数据与表达式4.6.6 VisualProlog介绍4.6.7 PIE Prolog的推理机第5章 模糊理论及应用5.1 模糊理论的产生与发展5.2 模糊理论的数学基础5.2.1 经典集合论的基本概念5.2.2 模糊集合的基本概念5.2.3 模糊关系与复合运算5.3 模糊逻辑5.3.1 模糊条件语句5.3.2 模糊推理5.4 模糊控制系统及模糊控制器5.4.1 模糊控制系统的基本结构5.4.2 模糊控制器5.4.3 模糊控制器的设计5.4.4 模糊PID控制器的设计5.5 模糊聚类分析与模糊模式识别5.5.1 模糊聚类分析5.5.2 模糊模式识别第6章 机器学习和神经网络6.1 机器学习的基本概念和发展史6.2 经典机器学习方法6.3 基于神经网络的学习j6.3.1 神经网络概述6.3.2 人工神经网络模型6.3.3 BP神经网络6.3.4 RBF神经网络6.3.5 cMAc神经网络6.3.6 Hopfield神经网络6.3.7 模糊神经网络6.3.8 其他类型的神经网络介绍第7章 混沌理论与混沌神经网络7.1 混沌研究的起源与发展7.2 混沌的基本特性7.3 通往混沌的道路7.4 混沌的识别7.4.1 定性分析法7.4.2 定量分析法7.5 混沌应用7.6 混沌神经网络7.6.1 暂态混沌神经网络7.6.2 其他类型的混沌神经网络7.6.3 G-s混沌神经网络应用实例第8章 智能优化计算8.1 优化问题的分类8.2 优化算法分类8.3 梯度优化计算8.4 混沌优化8.5 模拟退火算法8.6 遗传算法8.6.1 遗传算法中的关键参数与操作8.6.2 遗传算法中的基本流程8.6.3 遗传算法的改进8.6.4 遗传算法的实现8.7 蚁群算法8.7.1 蚁群算法的研究现状8.7.2 基本蚁群算法的工作原理8.8 粒子群算法及应用8.8.1 基本粒子群优化算法8.8.2 粒子群优化算法的拓扑结构8.9 鱼群算法简介8.10 混合优化计算方法简介参考文献 上一篇: 人工智能哲学 2011年版 下一篇: 人工智能与人工生命
