✍ Scribed by 王万森
No coin nor oath required. For personal study only.
“十二五”普通高等教育本科国家级规划教材 北京高等教育精品教材
简介:本书可作为高等院校计算机类各专业及相关专业相关课程的教材。
扉页
版权页
前 言
目 录
第1章 人工智能概述
1.1 人工智能的基本概念
1.1.1 智能的概念
1.1.2 人工智能的概念
1.1.3 人工智能的研究目标
1.2 人工智能的产生与发展
1.2.1 孕育期（1956年之前）
1.2.2 形成期（1956年到20世纪60年代末）
1.2.3 知识应用期（20世纪70年代初到80年代初）
1.2.4 从学派分立走向综合（20世纪80年代中到21世纪初）
1.2.5 机器学习和深度学习引领发展（21世纪初至今）
1.3 人工智能研究的基本内容
1.3.1 智能的脑与认知机理研究
1.3.2 智能模拟的理论、方法和技术研究
1.4 人工智能研究中的不同学派
1.4.1 符号主义
1.4.2 连接主义
1.4.3 行为主义
1.5 人工智能的研究和应用领域
1.5.1 机器思维
1.5.2 机器学习
1.5.3 机器感知
1.5.4 机器行为
1.5.5 计算智能
1.5.6 分布智能
1.5.7 智能系统
1.5.8 人工心理和人工情感
1.5.9 人工智能的典型应用
习题1
第2章 确定性知识系统
2.1 确定性知识系统概述
2.1.1 确定性知识表示概述
2.1.2 确定性知识推理概述
2.2 确定性知识表示方法
2.2.1 谓词逻辑表示法
2.2.2 产生式表示法
2.2.3 语义网络表示法
2.2.4 框架表示法
2.3 确定性知识推理方法
2.3.1 产生式推理
2.3.2 自然演绎推理
2.3.3 归结演绎推理
2.4 确定性知识系统简例
2.4.1 产生式系统简例
2.4.2 归结演绎系统简例
习题2
第3章 不确定性知识系统
3.1 不确定性推理概述
3.1.1 不确定性推理的含义
3.1.2 不确定性推理的基本问题
3.1.3 不确定性推理的类型
3.2 可信度推理
3.2.1 可信度的概念
3.2.2 可信度推理模型
3.2.3 可信度推理的例子
3.3 主观Bayes推理
3.3.1 主观Bayes方法的概率论基础
3.3.2 主观Bayes方法的推理模型
3.3.3 主观Bayes推理的例子
3.3.4 主观Bayes推理的特性
3.4 证据理论
3.4.1 证据理论的形式化描述
3.4.2 证据理论的推理模型
3.4.3 推理实例
3.4.4 证据理论推理的特性
3.5 模糊推理
3.5.1 模糊集及其运算
3.5.2 模糊关系及其运算
3.5.3 模糊知识表示
3.5.4 模糊概念的匹配
3.5.5 模糊推理的方法
3.6 概率推理
3.6.1 贝叶斯网络的概念及理论
3.6.2 贝叶斯网络推理的概念和类型
3.6.3 贝叶斯网络的精确推理
3.6.4 贝叶斯网络的近似推理
习题3
第4章 智能搜索技术
4.1 搜索概述
4.1.1 搜索的含义
4.1.2 状态空间问题求解方法
4.1.3 问题归约求解方法
4.1.4 进化搜索法概述
4.2 状态空间的启发式搜索
4.2.1 启发性信息和估价函数
4.2.2 A算法
4.2.3 A算法
4.2.4 A算法应用举例
4.3 与/或树的启发式搜索
4.3.1 解树的代价与希望树
4.3.2 与/或树的启发式搜索过程
4.4 博弈树的启发式搜索
4.4.1 博弈概述
4.4.2 极大/极小过程
4.4.3 α-β剪枝
4.5 遗传算法
4.5.1 遗传算法中的基本概念
4.5.2 遗传算法的基本过程
4.5.3 遗传编码
4.5.4 适应度函数
4.5.5 基本遗传操作
4.5.6 遗传算法应用简例
习题4
第5章 机器学习
5.1 机器学习概述
5.1.1 学习的概念
5.1.2 机器学习的概念
5.1.3 机器学习系统的基本模型
5.2 记忆学习
5.3 示例学习
5.3.1 示例学习的类型
5.3.2 示例学习的模型
5.3.3 示例学习的归纳方法
5.4 决策树学习
5.4.1 决策树的概念
5.4.2 ID3算法
5.5 统计学习
5.5.1 小样本统计学习理论
5.5.2 支持向量机
5.6 集成学习
5.6.1 集成学习概述
5.6.2 AdaBoost算法
5.6.3 Bagging算法
5.7 粗糙集知识发现
5.7.1 粗糙集概述
5.7.2 粗糙集的基本理论
5.7.3 决策表的约简
习题5
第6章 人工神经网络与连接学习
6.1 概述
6.1.1 人工神经网络概述
6.1.2 连接学习概述
6.2 人工神经网络的生物机理
6.2.1 人脑神经元的结构及功能
6.2.2 学习的神经机理
6.3 人工神经元及人工神经网络的结构
6.3.1 人工神经元的结构及模型
6.3.2 人工神经网络的互连结构
6.4 人工神经网络的浅层模型
6.4.1 感知器模型
6.4.2 BP网络模型
6.4.3 Hopfield网络模型
6.5 深层神经网络模型
6.5.1 深度卷积神经网络
6.5.2 深度波尔茨曼机与深度信念网络
6.6 浅层连接学习
6.6.1 连接学习规则
6.6.2 感知器学习
6.6.3 BP网络学习
6.6.4 Hopfield网络学习
6.7 深度学习
6.7.1 深度学习概述
6.7.2 深度卷积神经网络学习
6.7.3 卷积神经网络学习的经典模型LeNet5
习题6
第7章 分布智能
7.1 分布智能概述
7.1.1 分布智能的概念
7.1.2 分布式问题求解
7.1.3 多Agent系统
7.2 Agent的结构
7.2.1 Agent的机理
7.2.2 反应Agent的结构
7.2.3 认知Agent的结构
7.2.4 混合Agent的结构
7.3 多Agent系统
7.3.1 Agent通信
7.3.2 多Agent合作
7.4 移动Agent
7.4.1 移动Agent系统的一般结构
7.4.2 移动Agent的实现技术及应用
习题7
第8章 智能应用简介
8.1 自然语言理解简介
8.1.1 自然语言理解的基本概念
8.1.2 词法分析
8.1.3 句法分析
8.1.4 语义分析
8.2 专家系统简介
8.2.1 专家系统概述
8.2.2 基于规则和基于框架的专家系统
8.2.3 模糊专家系统和神经网络专家系统
8.2.4 基于Web的专家系统
8.2.5 分布式和协同式专家系统
8.2.6 专家系统的开发
习题8
附录A 新一代人工智能简介
A.1 新一代人工智能基础理论简介
A.2 新一代人工智能关键共性技术简介
参考文献
📜 SIMILAR VOLUMES
<p>本书第5版共10章。第1章叙述人工智能的定义、起源、分类与发展。第2章和第3章研究人工智能的知识表示方法和搜索推理技术。第4章探讨不确定性推理的主要方法。第5章阐述计算智能的基本知识。第6章至第10章逐一讨论了人工智能的主要应用领域，包括专家系统、机器学习、自动规划、分布式人工智能和自然语言理解等。与第4版相比，许多内容都是第*次出现的，例如，人工智能的分类与计算方法、谓词演算符号的规范、进化算法的框架与执行过程、专家系统的设计方法和基于Web专家系统的开发工具以及深度学习等。其他章节也在第4版的基础上作了相应的修改、精简或补充。</p> <p>本书可作为高等院校有关专业本科生和研究生
本书以技术应用型人才知识能力素质培养为目标，介绍了计算机控制系统基本知识、集散型控制系统的 基础知识和典型集散型控制系统（TDC-3000/TPS/PKS,CENTUM-CS,JX-300X,Delta V,I/A S,MACS 等）的基 本结构、基本功能、操作使用方法、软件组态、系统维护方法和工程应用案例等知识，结合实验实训，介绍 集散控制系统的应用技术。教材力求内容的实用性、先进性、通用性和典型性，突出高等职业教育注重实践 技能训练和动手能力培养的特色。 本书可作为高等职业院校“工业生产自动化技术”及“计算机控制技术”专业的教材，亦可适用于化工、 石油化工、炼油、冶金、电力、轻
<p>《电器智能化原理及应用》是普通高等教育“十一五”国家级规划教材，全书系统、全面地讨论电器智能化的原理与应用，全书共分8章。</p> <p>第1章介绍智能电器及电器智能化的基本概念等内容。第2章讨论智能电器常用的一次设备及其控制特点，分析了其智能控制的可行性。第3章和第4章主要介绍智能电器元件与开关设备现场的各类运行参量及其测量电路的设计和常用电路元件，讨论现场模拟参量数字处理方法，分析测量误差。第5章着重讨论智能电器元件及开关设备监控器的结构组成及软、硬件的设计方法。第6章介绍了与智能电器电磁兼容性有关的基本知识、主要的干扰类型及抑制措施、相关的试验标准和方法。第7章讨论与电器智能化网
本书共10章,内容包括:绪论,MCS-51单片机的结构与原理,指令系统及程序设计,内部资源及应用,系统扩展技术,输入/输出通道设计,交互通道配置与设计,应用系统设计,以及单片机调试/仿真常用软件Keil C51与Proteus的使用方法介绍,最后一章为课程设计与创新实验题目.
本书系统介绍了80x86PC机的原理、汇编语言程序设计及接口技术、主要内容包括计算机基础知识；汇编语言与汇编程序；程序设计技术；总线与主机；存储器；输入与输出技术；中断技术；常用可编程接口芯片等。
全书共分为10章，内容包括数据库系统概述、关系运算、数据库应用系统设计方法、关系数据库语言SQL、关系数据库模式的规范化设计、T-SQL与存储过程、数据库应用系统设计体系结构与访问技术