人工智能(第2版) PDF格式高清电子书免费下载

人工智能(第2版)

作者 [美]史蒂芬·卢奇(Stephen Lucci),丹尼·科佩克(Danny Kopec)
译者 林赐
出版社 人民邮电出版社
出版日期 2018
页数 200
格式 Paper book / ebook (PDF)
ISBN 9787115488435
评分
价格 108
  • 内容简介
  • 图书目录
  • 免费下载

出版信息

ISBN:9787115488435
语言:简体中文
包装/印刷类型:1
开本:16开
出版时间:2018-10-01 00:00:00
页数:200

内容简介

本书共为17章,讲述了如何多样化探索人工智能领域,原书在亚马逊上收到众多高校老师和学生的好评。书中不仅介绍了人工智能的基础理论,还介绍了机器学习、神经网络、自然语言处理等热门话题,帮助读者全方位了解人工智能领域的方方面面。本书既适合作为教材,也适合作为个人阅读的参考指南。

作为计算机科学的一个分支,人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统,涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。

本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。第一部分从人工智能的定义讲起,就人工智能的早期历史、思维和智能的内涵、图灵测试、启发法、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。第三部分介绍并探究了人工智能领域的成功案例,如DENDRAL、MYCIN、EMYCIN等经典的专家系统,振动故障诊断、自动牙科识别等新的专家系统,以及受到自然启发的搜索等。第四部分介绍了自然语言处理和自动规划等高级专题。第五部分对人工智能的历史和现状进行了梳理,回顾了几十年来人工智能所取得的诸多成就,并对其未来进行了展望。

本书系统、全面地涵盖了人工智能的相关知识,既简明扼要地介绍了这一学科的基础知识,也对自然语言处理、自动规划、神经网络等内容进行了拓展,更辅以实例,可以帮助读者扎扎实实打好基础。本书特色鲜明、内容易读易学,适合人工智能相关领域和对该领域感兴趣的读者阅读,也适合高校计算机专业的教师和学生参考。

图书目录

第 一部分 引 言

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

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

2.4.4 DFS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

3.6.4 A *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- 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

6.11.3 Baecker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

6.12.4 IBM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

7.3 CARBUYER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

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

9.5.1 DENDRAL 254

9.5.2 MYCIN 255

9.5.3 EMYCIN 258

9.5.4 PROSPECTOR 259

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

9.6.2 Rete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

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

13.4.5 Schank系统 383

13.5 NLP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

13.7.2 WordNet 394

13.7.3 NLP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

14.4.1 STRIPS 435

14.4.2 NOAH 436

14.4.3 NONLIN 436

14.5 更多现代规划系统 437

14.5.1 O-PLAN 438

14.5.2 Graphplan 439

14.5.3 规划系统集锦 441

14.5.4 学习系统的规划方法 441

14.5.5 SCI Box自动规划器 442

14.6 本章小结 444

第五部分 现在和未来

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

16.2.4 Deep Thought和Deep Blue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 本书第 一作者的贡献 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

17.4 IBM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 Browne 555

附录D 应用程序和数据 559

附录E 部分练习的答案 560

点击展开

点击收起

人工智能(第2版) PDF格式高清电子书免费下载

提醒:本站所有图书资源均索引自互联网,版权争议与本站无关。如有侵权或其他争议的可能性,请发起版权投诉,因本站未参与任何制作、转制、存储等任一环节,故无法对涉及到的资源进行删除,本站会依据DMCA原则, 对涉及的资源链接进行删除。因为所有图书资源均不属于本站,本站只提供索引服务,故本站不保证任何资源的准确性,权威性,请使用者自行判断。

  • 查看原页面 报告错误 复制提取码下载 提取码:c26k

看了 人工智能(第2版) 的用户也看了: