注册 登录 进入教材巡展 进入在线书城
#
  • #
  • #

出版时间:2016-02-29

出版社:高等教育出版社

以下为《人工智能及其应用(第三版)》的配套数字资源,这些资源在您购买图书后将免费附送给您:
  • 高等教育出版社
  • 9787040442557
  • 3
  • 97831
  • 44212754-4
  • 平装
  • 异16开
  • 2016-02-29
  • 500
  • 451
  • 工学
  • 控制科学与工程
  • TP18
  • 计算机
  • 本科
内容简介

人工智能是解决复杂工程问题的重要工具,是当前许多高新技术产品中的核心技术。读者通过学习本书,能够掌握人工智能的基本内容,了解人工智能研究的一些前沿技术,为进一步学习与研究人工智能理论与应用奠定基础。

全书共11章,分别为人工智能的基本概念与主要研究领域、知识表示、确定性推理方法、不确定性推理方法、搜索求解策略、进化算法(包括遗传算法、差分进化算法、量子进化算法)、群智能算法(包括粒子群算法、量子粒子群算法、蚁群算法)、人工神经网络(包括卷积神经网络)、机器学习(包括深度学习)、专家系统、自然语言处理。附录中给出了本书习题的简要解答和实验指导书。

本书主要作为计算机、自动化、电气、电子信息、机械等类专业本科生、研究生学习人工智能课程的教材。由于书中几大部分内容相对独立,可以容易地根据课程计划学时选择部分内容学习,仍可保持课程体系结构的完整性。本书也可供希望掌握人工智能技术的研究人员与工程技术人员学习参考。书中增加了“扫一扫”,能够观看相应内容的讲课录像和实验的参考程序,很方便读者自学。

目录

 前辅文
 第1章 绪论
  1.1 人工智能的基本概念
  1.2 人工智能的发展简史
  1.3 人工智能研究的基本内容
  1.4 人工智能的主要研究领域
  1.5 小结
  思考题
 第2章 知识表示
  2.1 知识与知识表示的概念
  2.2 一阶谓词逻辑表示法
  2.3 产生式表示法
  2.4 框架表示法
  2.5 语义网络表示法
  2.6 小结
  思考题
  习题
 第3章 确定性推理方法
  3.1 推理的基本概念
  3.2 自然演绎推理
  3.3 谓词公式化为子句集的方法
  3.4 海伯伦定理
  3.5 鲁宾逊归结原理
  3.6 归结反演
  3.7 应用归结原理求解问题
  3.8 小结
  思考题
  习题
 第4章 不确定性推理方法
  4.1 不确定性推理中的基本问题
  4.2 概率方法
  4.3 主观Bayes方法
  4.4 可信度方法
  4.5 证据理论
  4.6 模糊推理方法
  4.7 模糊控制
  4.8 小结
  思考题
  习题
 第5章 搜索求解策略
  5.1 搜索的概念
  5.2 状态空间知识表示方法
  5.3 盲目的图搜索策略
  5.4 启发式图搜索策略
  5.5 与/或图搜索策略
  5.6 小结
  思考题
  习题
 第6章 进化算法及其应用
  6.1 进化算法的产生与发展
  6.2 基本遗传算法
  6.3 遗传算法的改进算法
  6.4 基于遗传算法的生产调度方法
  6.5 差分进化算法及其应用
  6.6 量子进化算法及其应用
  6.7 小结
  思考题
  习题
 第7章 群智能算法及其应用
  7.1 群智能算法产生的背景
  7.2 粒子群优化算法
  7.3 量子粒子群优化算法
  7.4 粒子群优化算法的应用
  7.5 基本蚁群算法
  7.6 改进蚁群算法
  7.7 蚁群算法的应用
  7.8 小结
  思考题
 第8章 人工神经网络及其应用
  8.1 神经元与神经网络
  8.2 BP神经网络及其学习算法
  8.3 BP神经网络的应用
  8.4 Hopfield神经网络及其改进
  8.5 Hopfield神经网络的应用
  8.6 Hopfield神经网络优化方法求解JSP
  8.7 卷积神经网络及其应用
  8.8 小结
  思考题
  习题
 第9章 机器学习
  9.1 机器学习的基本概念
  9.2 符号学习
  9.3 知识发现与数据挖掘
  9.4 深度学习
  9.5 小结
  思考题
 第10章 专家系统
  10.1 专家系统的产生和发展
  10.2 专家系统的概念
  10.3 专家系统的工作原理
  10.4 知识获取的主要过程与模式
  10.5 专家系统的建立
  10.6 专家系统实例
  10.7 专家系统的开发工具
  10.8 小结
  思考题
 第11章 自然语言理解及其应用
  11.1 自然语言理解的概念与发展历史
  11.2 语言处理过程的层次
  11.3 词法分析
  11.4 句法分析
  11.5 语义分析
  11.6 基于语料库的大规模文本处理
  11.7 机器翻译
  11.8 语音识别
  11.9 基于隐马尔可夫模型的语音识别方法
  11.10 小结
  思考题
  习题
 附录A 部分习题解答
 附录B 实验指导书
 参考文献