人工智能原理及应用PDF|Epub|txt|kindle电子书版本网盘下载

人工智能原理及应用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

第1章 绪论1

1.1 人工智能概念和发展1

1.1.1 人工智能的概念1

1.1.2 人工智能的发展简史6

1.2 人工智能的研究学派12

1.2.1 符号主义12

1.2.2 联结主义12

1.2.3 行为主义12

1.3 人工智能的研究目标13

1.4 人工智能的研究领域13

1.4.1 模式识别13

1.4.2 自动定理证明14

1.4.3 机器视觉15

1.4.4 专家系统15

1.4.5 机器人15

1.4.6 自然语言处理15

1.4.7 博弈16

1.4.8 人工神经网络16

1.4.9 问题求解17

1.4.10 机器学习17

1.4.11 基于Agent的人工智能17

第2章 知识表示和问题求解18

2.1 知识及知识表示的基本概念18

2.1.1 知识的概念18

2.1.2 知识表示18

2.1.3 知识的分类20

2.1.4 知识的使用20

2.1.5 对知识表示方法的衡量21

2.2 状态空间知识表示及求解22

2.2.1 状态空间表示法22

2.2.2 图搜索策略24

2.3 产生式系统及推理37

2.3.1 产生式系统的构成38

2.3.2 产生式系统的求解问题策略40

2.4 问题归约法47

2.4.1 问题归约表示48

2.4.2 与／或图表示48

2.5 谓词逻辑表示及归结原理50

2.5.1 命题逻辑50

2.5.2 谓词逻辑53

2.5.3 一阶谓词演算的基本体系60

2.5.4 推理规则63

2.5.5 归结原理66

2.6 语义网络83

2.6.1 语义网络的构成及特点84

2.6.2 语义网络的表示84

2.6.3 语义网络的推理90

2.6.4 语义网络表示的优缺点特点94

2.7 其他知识表示与问题求解方法94

2.7.1 框架94

2.7.2 脚本99

2.7.3 过程101

第3章 自动规划求解系统106

3.1 规划106

3.1.1 规划的概念106

3.1.2 规划的特性及作用107

3.1.3 系统规划求解的方法与途径107

3.1.4 系统规划求解的任务107

3.2 机器规划成功性基本原理108

3.2.1 概述108

3.2.2 总规划的设计与分层规划原理108

3.2.3 规划问题求解与最优规划原理109

3.3 机器人规划求解应用举例110

第4章 机器学习114

4.1 机器学习的概念114

4.1.1 什么是学习114

4.1.2 机器学习与人类学习的区别115

4.1.3 机器学习实现的困难115

4.2 机器学习的研究目标115

4.2.1 通用学习算法116

4.2.2 认知模型116

4.2.3 工程目标116

4.3 机器学习系统116

4.3.1 什么是机器学习系统116

4.3.2 机器学习的基本模型116

4.4 机器学习的分类118

4.5 实例学习119

4.5.1 概述119

4.5.2 实例学习的两个空间模型119

4.5.3 实例学习示例121

第5章 自然语言处理技术124

5.1 自然语言处理概述124

5.1.1 汉语信息处理技术方面的进展125

5.1.2 少数民族语言文字信息处理技术方面的进展125

5.1.3 自然语言处理的研究领域和方向127

5.2 自然语言理解128

5.2.1 自然语言分析的层次129

5.2.2 自然语言理解的层次130

5.3 词法分析131

5.3 句法分析132

5.3.1 短语结构文法132

5.3.2 乔姆斯基文法体系132

5.3.3 句法分析树134

5.3.4 转移网络134

5.4 语义分析135

5.4.1 语义文法135

5.4.2 格文法135

5.5 大规模真实文本的处理136

5.6 信息搜索137

5.6.1 搜索引擎137

5.6.2 智能搜索引擎138

5.7 机器翻译138

5.7.1 基于词的统计机器翻译139

5.7.2 基于短语的统计机器翻译140

5.8 语音识别141

5.8.1 信号处理141

5.8.2 识别142

第6章 智能信息处理技术144

6.1 神经网络144

6.1.1 神经网络的模型和学习算法144

6.1.2 几种典型神经网络简介148

6.1.3 神经网络的应用152

6.2 深度学习153

6.2.1 深度学习的模型和学习算法154

6.2.2 深度学习的应用159

6.3 遗传算法159

6.3.1 遗传算法的概念160

6.3.2 基本遗传算法161

6.3.3 遗传算法应用164

6.4 粗糙集方法165

6.4.1 粗糙集的基本概念165

6.4.2 粗糙集对缺失数据的补齐方法167

6.5 模糊计算技术170

6.5.1 模糊集合170

6.5.2 模糊集合的表示方法170

6.5.3 模糊集合的运算171

6.5.4 隶属函数172

6.5.5 模糊模式识别172

6.6 云模型理论173

6.7 支持向量机175

6.7.1 线性分类176

6.7.2 核函数177

6.7.3 SVM的应用177

第7章 分布式人工智能和Agent技术178

7.1 分布式人工智能178

7.2 Agent系统178

7.2.1 Agent的基本概念及特性179

7.2.2 Agent的分类及能力180

7.3 多Agent系统182

7.3.1 多Agent系统的基本概念及特性182

7.3.2 多Agent系统的研究内容182

第8章 知识发现与数据挖掘184

8.1 知识发现184

8.2 数据挖掘185

8.2.1 数据挖掘技术的产生及定义185

8.2.2 数据挖掘的功能186

8.2.3 常用的数据挖掘方法187

8.3 大数据处理193

8.3.1 大数据计算框架——MapReduce195

8.3.2 Hadoop平台及相关生态系统195

8.3.3 Spark计算框架及相关生态系统196

8.3.4 流式大数据197

8.3.5 大数据挖掘与分析198

主要参考文献200