您好,欢迎光临有路网!
人工智能技术简明教程
QQ咨询:
有路璐璐:

人工智能技术简明教程

  • 作者:廉师友
  • 出版社:人民邮电出版社
  • ISBN:9787115232373
  • 出版日期:2011年04月01日
  • 页数:194
  • 定价:¥25.00
  • 分享领佣金
    手机购买
    城市
    店铺名称
    店主联系方式
    店铺售价
    库存
    店铺得分/总交易量
    发布时间
    操作

    新书比价

    网站名称
    书名
    售价
    优惠
    操作

    图书详情

    内容提要
    本书简明扼要地介绍了人工智能技术的基本原理、方法及其应用。全书共10章,主要内容包括:人工智能的基本概念、研究途径、分支领域和发展概况等;常用的人工智能程序设计语言Prolog;基于图搜索的问题求解技术;基于遗传算法的随机优化搜索;常用的知识表示及其推理技术;机器学习与知识发现的基本原理和方法;专家系统的基本原理与建造方法;Agent系统的基本原理与设计;智能机器人的基本原理;智能化网络的基本原理与技术。
    本书取材新颖,内容简明,注重基础,面向应用,理例结合,?教易学,可作为普通高等院校计算机、自动化、信息、计算科学、管理、控制及系统工程等专业人工智能课程的教材或教学参考书,也可供其他专业的师生和相关科研及工程技术人员自学或参考。
    目录
    第1章 概述
    1.1 什么是人工智能
    1.2 为什么要研究人工智能
    1.3 人工智能的研究途径与方法
    1.4 人工智能技术的应用
    1.5 人工智能学科的发展概况*
    习题1
    第2章 逻辑程序设计语言Prolog
    2.1 Prolog基础
    2.1.1 Prolog的语句
    ? 2.1.2 Prolog的程序
    2.1.3 Prolog程序的运行机理
    2.2 Turbo Prolog程序设计
    2.2.1 程序结构
    2.2.2 数据与表达式
    2.2.3 输入与输出
    2.2.4 分支与循环
    2.2.5 动态数据库
    2.2.6 表处理与递归
    2.2.7 回溯控制
    2.2.8 程序举例
    2.3 Visual Prolog语言简介*
    习题2
    第3章 基于图搜索的问题求解
    3.1 状态图搜索
    3.1.1 状态图
    3.1.2 状态图搜索
    3.1.3 穷举式搜索
    3.1.4 启发式搜索
    3.1.5 加权状态图搜索
    3.1.6 A算法和A*算法
    3.1.7 状态图搜索策略小结
    3.2 状态图搜索问题求解
    3.2.1 问题的状态图表示
    3.2.2 状态图问题求解程序举例
    3.3 与或图搜索
    3.3.1 与或图
    3.3.2 与或图搜索
    3.3.3 启发式与或树搜索
    3.4 与或图搜索问题求解
    3.4.1 问题的与或图表示
    3.4.2 与或图问题求解?序举例
    3.5 博弈树搜索*
    3.5.1 博弈树的概念
    3.5.2 极小-极大分析法
    3.5.3 a-b剪枝技术
    习题3
    第4章 基于遗传算法的随机优化搜索
    4.1 几个基本概念
    4.2 基本遗传算法
    4.3 遗传算法应用举例
    4.4 遗传算法的特点与优势
    习题4
    第5章 知识表示与推理
    5.1 概述
    5.1.1 知识及其表示
    5.1.2 机器推理
    5.2 谓词公式及其推理
    5.2.1 一阶谓词逻辑简介
    5.2.2 自然语言命题的谓词公式表示与推理
    5.2.3 子句与归结演绎推理
    5.3 产生式规则及其推理
    5.3.1 产生式规则及其推理模式
    5.3.2 产生式系统
    5.4 几种结构化知识表示及其推理
    5.4.1 框架及其推理
    5.4.2 语义网络及其推理
    5.4.3 类与对象及其推理
    5.5 不确定性知识的表示与推理*
    5.5.1 何为不确定性知识
    5.5.2 不确定性知识的表示及推理
    5.5.3 确定性理论简介
    5.6 不确切性知识的表示及推理*
    5.6.1 何为不确切性知识
    5.6.2 不确切性知识的表示及推理
    习题5
    第6章 机器学习与知识发现
    6.1 机器学习与知识发现的概念
    6.1.1 何为机器学习和知识发现
    6.1.2 机器学习的分类
    6.2 符号学习
    6.2.1 记忆学习
    6.2.2 示例学习
    6.2.3 决策树学习
    6.3 神经网络学习
    6.3.1 从生物神经元到人工神经元
    6.3.2 人工神经网络
    6.3.3 神经网络学习
    6.3.4 BP网络及其学习举例
    6.4 知识发现与数据挖掘
    习题6
    第7章 专家系统
    7.1 什么是专家系统
    7.2 专家系统的结构
    7.2.1 概念结构
    7.2.2 实际结构
    7.2.3 黑板模型
    7.2.4 网络与分布式结构
    7.3 专家系统实例
    7.4 专家系统设计与实现
    7.4.1 一般步骤与方法
    7.4.2 知识获取
    7.4.3 知识表示与知识描述语言设计
    7.4.4 知识库与知识库管理系统设计
    7.4.5 推理机与解释机制设计
    7.4.6 系统结构设计
    7.4.7 人机界面设计
    7.5 开发工具与环境
    7.5.1 开发工具
    7.5.2 开发环境
    习题7
    第8章 Agent系统
    8.1 什么是Agent
    8.2 Agent实例——Web Agent
    8.3 多Agent系统
    8.4 Agent的实现
    8.5 Agent技术的发展与应用
    习题8
    第9章 智能机器人
    9.1 智能机器人的概念
    9.2 机器人感知
    9.3 机器人规划
    9.4 机器人控制
    9.5 机器人系统的软件结构
    9.6 机器人程序设计与语言
    习题9
    第10章 智能化网络
    10.1 智能网
    10.2 网络的智能化管理与控制
    10.3 智能搜索引擎与网上信息的智能化检索
    习题10
    上机实习
    实习一 Prolog语言编程练习
    实习二 小型演绎数据库系统开发练习
    实习三 图搜索问题求解程序练习
    实习四 小型专家系统设计与实现
    参考文献

    与描述相符

    100

    北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 台湾 香港 澳门 海外