中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
人工智能及其應用(第6版)/蔡自興 劉麗玨 蔡競峰 版權信息
- ISBN：9787302556817
- 條形碼：9787302556817 ; 978-7-302-55681-7
- 裝幀：70g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
人工智能及其應用(第6版)/蔡自興 劉麗玨 蔡競峰 本書特色
本書涵蓋了人工智能十分廣泛的主題，具有三個明顯特色。首先，該書系統全面，既包括“傳統”人工智能的基礎理論與技術，又涉及計算智能的基本原理與方法，其主要研究與應用領域包含知識表示與推理、計算智能、專家系統、機器學習、智能規劃、分布式智能和自然語言理解等。其次，該書內容比較新穎，注重創新，用相當多的篇幅介紹了人工智能的先進研究方法，特別是一些新技術和交叉技術的應用。再次，該書理論與實踐高度融合，既有理論、技術和方法的闡述，又有許多應用實例的介紹，有助于讀者對人工智能理論方法的深入理解及其應用開發。由于上述特點，本書先后出版了6個版本，發行近70萬冊，獲得廣泛使用，并榮獲多項國內外科技和教育獎勵。本書是大學本科生和大學研究生學習人工智能的**參考資料，也可供人工智能研究與開發人員進行相關人工智能項目研究的綜合手冊和實用指南。 本書為人工智能領域的經典教材，國家級精品課程“人工智能”配套教材，國家級雙語教學示范課程“人工智能”配套教材，國家級精品資源共享課程“人工智能”配套教材，第二版獲國家教育部科技進步一等獎。
人工智能及其應用(第6版)/蔡自興 劉麗玨 蔡競峰 內容簡介
本書共8章。章敘述人工智能的定義、起源與發展，簡介人工智能不同學派的認知觀，列舉出人工智能的研究與應用領域。第2章和第3章主要研究傳統人工智能的知識表示方法和搜索推理技術。第4章闡述計算智能的基本知識，包含神經計算、模糊計算、進化計算、人工生命、粒群優化和蟻群計算等內容。第5章至第8章討論人工智能的主要應用領域，包括專家系統、機器學習、自動規劃和自然語言理解等。與第5版相比，許多內容都是次出現，例如，人工智能的核心技術、基于本體的知識表示、各種基于生物行為的算法、新型專家系統、語音識別和語料庫語言學以及深度學習等。其他章節也在第5版的基礎上作了相應的修改、精簡或補充。
人工智能及其應用(第6版)/蔡自興 劉麗玨 蔡競峰 目錄
第1章緒論
1.1人工智能的定義與發展
1.1.1人工智能的定義
1.1.2人工智能的起源與發展
1.1.3中國人工智能的發展
1.2人工智能的各種認知觀
1.2.1人工智能各學派的認知觀
1.2.2人工智能的爭論
1.3人類智能與人工智能
1.3.1智能信息處理系統的假設
1.3.2人類智能的計算機模擬
1.4人工智能系統的分類
1.5人工智能的研究目標和內容
1.5.1人工智能的研究目標
1.5.2人工智能研究的基本內容
1.5.3人工智能的核心技術
1.6人工智能的研究與計算方法
1.6.1人工智能的研究方法
1.6.2人工智能的計算方法
1.7人工智能的研究與應用領域
1.8本書概要
習題1
參考文獻
第2章知識表示方法
2.1狀態空間表示
2.1.1問題狀態描述
2.1.2狀態圖示法
2.2問題歸約表示
2.2.1問題歸約描述
2.2.2與或圖表示
2.3謂詞邏輯表示
2.3.1謂詞演算
2.3.2謂詞公式
2.3.3置換與合一
2.4語義網絡表示
2.4.1二元語義網絡的表示
2.4.2多元語義網絡的表示
2.4.3語義網絡的推理過程
2.5框架表示
2.5.1框架的構成
2.5.2框架的推理
2.6本體技術
2.6.1本體的概念
2.6.2本體的組成與分類
2.6.3本體的建模
2.7過程表示
2.8小結
習題2
參考文獻
第3章搜索推理技術
3.1圖搜索策略
3.2盲目搜索
3.2.1寬度優先搜索
3.2.2深度優先搜索
3.2.3等代價搜索
3.3啟發式搜索
3.3.1啟發式搜索策略和估價函數
3.3.2有序搜索
3.3.3A*算法
3.4消解原理
3.4.1子句集的求取
3.4.2消解推理規則
3.4.3含有變量的消解式
3.4.4消解反演求解過程
3.5規則演繹系統
3.5.1規則正向演繹系統
3.5.2規則逆向演繹系統
3.5.3規則雙向演繹系統
3.6不確定性推理
3.6.1不確定性的表示與度量
3.6.2不確定性的算法
3.7概率推理
3.7.1概率的基本性質和計算公式
3.7.2概率推理方法
3.8主觀貝葉斯方法
3.8.1知識不確定性的表示
3.8.2證據不確定性的表示
3.8.3主觀貝葉斯方法的推理過程
3.9小結
習題3
參考文獻
第4章計算智能
4.1概述
4.2神經計算
4.2.1人工神經網絡研究的進展
4.2.2人工神經網絡的結構
4.2.3人工神經網絡示例及其算法
4.2.4基于神經網絡的知識表示與推理
4.3模糊計算
4.3.1模糊集合、模糊邏輯及其運算
4.3.2模糊邏輯推理
4.4進化算法與遺傳算法
4.4.1進化算法原理
4.4.2進化算法框架
4.4.3遺傳算法的編碼與解碼
4.4.4遺傳算法的遺傳算子
4.4.5遺傳算法的執行過程
4.4.6遺傳算法的執行實例
4.5人工生命
4.5.1人工生命研究的起源和發展
4.5.2人工生命的定義和研究意義
4.5.3人工生命的研究內容和方法
4.5.4人工生命的實例
4.6粒群優化算法
4.6.1群智能和粒群優化概述
4.6.2粒群優化算法
4.7蟻群算法
4.7.1蟻群算法理論
4.7.2蟻群算法的研究與應用
4.8小結
習題4
參考文獻
第5章專家系統
5.1專家系統概述
5.1.1專家系統的定義與特點
5.1.2專家系統的結構和建造步驟
5.2基于規則的專家系統
5.2.1基于規則專家系統的工作模型和結構
5.2.2基于規則專家系統的特點
5.3基于框架的專家系統
5.3.1基于框架專家系統的定義、結構和設計方法
5.3.2基于框架專家系統的繼承、槽和方法
5.4基于模型的專家系統
5.4.1基于模型專家系統的提出
5.4.2基于神經網絡的專家系統
5.5基于Web的專家系統
5.5.1基于Web專家系統的結構
5.5.2基于Web專家系統的實例
5.6新型專家系統
5.6.1新型專家系統的特征
5.6.2分布式專家系統
5.6.3協同式專家系統
5.7專家系統的設計
5.7.1專家系統的設計過程
5.7.2基于規則專家系統的一般設計方法
5.7.3反向推理規則專家系統的設計任務
5.8專家系統開發工具
5.8.1專家系統的傳統開發工具
5.8.2專家系統的Matlab開發工具
5.9小結
習題5
參考文獻
第6章機器學習
6.1機器學習的定義和發展歷史
6.1.1機器學習的定義
6.1.2機器學習的發展史
6.2機器學習的主要策略與基本結構
6.2.1機器學習的主要策略
6.2.2機器學習系統的基本結構
6.3歸納學習
6.3.1歸納學習的模式和規則
6.3.2歸納學習方法
6.4決策樹學習
6.4.1決策樹和決策樹構造算法
6.4.2決策樹學習算法ID3
6.5類比學習
6.5.1類比推理和類比學習形式
6.5.2類比學習過程與研究類型
6.6解釋學習
6.6.1解釋學習過程和算法
6.6.2解釋學習舉例
6.7神經網絡學習
6.7.1基于反向傳播網絡的學習
6.7.2基于Hopfield網絡的學習
6.8知識發現
6.8.1知識發現的發展和定義
6.8.2知識發現的處理過程
6.8.3知識發現的方法
6.8.4知識發現的應用
6.9增強學習
6.9.1增強學習概述
6.9.2Q學習
6.10深度學習
6.10.1深度學習的定義與特點
6.10.2深度學習基礎及神經網絡
6.10.3深度學習的常用模型
6.10.4深度學習應用簡介
6.10.5總結與展望
6.11小結
習題6
參考文獻
第7章智能規劃
7.1智能規劃概述
7.1.1規劃的概念和作用
7.1.2規劃的分類和問題分解途徑
7.1.3執行規劃系統任務的一般方法
7.2任務規劃
7.2.1積木世界的機器人規劃
7.2.2基于消解原理的規劃
7.2.3具有學習能力的規劃系統
7.2.4分層規劃
7.2.5基于專家系統的規劃
7.3運動路徑規劃
7.3.1機器人路徑規劃的主要方法和發展趨勢
7.3.2基于模擬退火算法的機器人局部路徑規劃
7.3.3免疫進化和示例學習的機器人路徑規劃
7.3.4基于蟻群算法的機器人路徑規劃
7.4軌跡規劃簡介
7.5小結
習題7
參考文獻
第8章自然語言理解
8.1自然語言理解概述
8.1.1語言與語言理解
8.1.2自然語言處理的概念和定義
8.1.3自然語言處理的研究領域和意義
8.1.4自然語言理解研究的基本方法和進展
8.1.5自然語言理解過程的層次
8.2詞法分析
8.3句法分析
8.3.1短語結構語法
8.3.2喬姆斯基形式語法
8.3.3轉移網絡
8.3.4擴充轉移網絡
8.3.5詞匯功能語法
8.4語義分析
8.5句子的自動理解
8.5.1簡單句的理解方法
8.5.2復合句的理解方法
8.6語料庫語言學
8.7語音識別
8.7.1語音識別基本原理
8.7.2語音識別關鍵技術
8.7.3語音識別技術的發展
8.7.4語音識別技術展望
8.8文本的自動翻譯——機器翻譯
8.9自然語言理解系統的主要模型
8.10自然語言理解系統應用舉例
8.10.1自然語言自動理解系統
8.10.2自然語言問答系統
8.11小結
習題8
參考文獻
結束語
索引
1.1人工智能的定義與發展
1.1.1人工智能的定義
1.1.2人工智能的起源與發展
1.1.3中國人工智能的發展
1.2人工智能的各種認知觀
1.2.1人工智能各學派的認知觀
1.2.2人工智能的爭論
1.3人類智能與人工智能
1.3.1智能信息處理系統的假設
1.3.2人類智能的計算機模擬
1.4人工智能系統的分類
1.5人工智能的研究目標和內容
1.5.1人工智能的研究目標
1.5.2人工智能研究的基本內容
1.5.3人工智能的核心技術
1.6人工智能的研究與計算方法
1.6.1人工智能的研究方法
1.6.2人工智能的計算方法
1.7人工智能的研究與應用領域
1.8本書概要
習題1
參考文獻
第2章知識表示方法
2.1狀態空間表示
2.1.1問題狀態描述
2.1.2狀態圖示法
2.2問題歸約表示
2.2.1問題歸約描述
2.2.2與或圖表示
2.3謂詞邏輯表示
2.3.1謂詞演算
2.3.2謂詞公式
2.3.3置換與合一
2.4語義網絡表示
2.4.1二元語義網絡的表示
2.4.2多元語義網絡的表示
2.4.3語義網絡的推理過程
2.5框架表示
2.5.1框架的構成
2.5.2框架的推理
2.6本體技術
2.6.1本體的概念
2.6.2本體的組成與分類
2.6.3本體的建模
2.7過程表示
2.8小結
習題2
參考文獻
第3章搜索推理技術
3.1圖搜索策略
3.2盲目搜索
3.2.1寬度優先搜索
3.2.2深度優先搜索
3.2.3等代價搜索
3.3啟發式搜索
3.3.1啟發式搜索策略和估價函數
3.3.2有序搜索
3.3.3A*算法
3.4消解原理
3.4.1子句集的求取
3.4.2消解推理規則
3.4.3含有變量的消解式
3.4.4消解反演求解過程
3.5規則演繹系統
3.5.1規則正向演繹系統
3.5.2規則逆向演繹系統
3.5.3規則雙向演繹系統
3.6不確定性推理
3.6.1不確定性的表示與度量
3.6.2不確定性的算法
3.7概率推理
3.7.1概率的基本性質和計算公式
3.7.2概率推理方法
3.8主觀貝葉斯方法
3.8.1知識不確定性的表示
3.8.2證據不確定性的表示
3.8.3主觀貝葉斯方法的推理過程
3.9小結
習題3
參考文獻
第4章計算智能
4.1概述
4.2神經計算
4.2.1人工神經網絡研究的進展
4.2.2人工神經網絡的結構
4.2.3人工神經網絡示例及其算法
4.2.4基于神經網絡的知識表示與推理
4.3模糊計算
4.3.1模糊集合、模糊邏輯及其運算
4.3.2模糊邏輯推理
4.4進化算法與遺傳算法
4.4.1進化算法原理
4.4.2進化算法框架
4.4.3遺傳算法的編碼與解碼
4.4.4遺傳算法的遺傳算子
4.4.5遺傳算法的執行過程
4.4.6遺傳算法的執行實例
4.5人工生命
4.5.1人工生命研究的起源和發展
4.5.2人工生命的定義和研究意義
4.5.3人工生命的研究內容和方法
4.5.4人工生命的實例
4.6粒群優化算法
4.6.1群智能和粒群優化概述
4.6.2粒群優化算法
4.7蟻群算法
4.7.1蟻群算法理論
4.7.2蟻群算法的研究與應用
4.8小結
習題4
參考文獻
第5章專家系統
5.1專家系統概述
5.1.1專家系統的定義與特點
5.1.2專家系統的結構和建造步驟
5.2基于規則的專家系統
5.2.1基于規則專家系統的工作模型和結構
5.2.2基于規則專家系統的特點
5.3基于框架的專家系統
5.3.1基于框架專家系統的定義、結構和設計方法
5.3.2基于框架專家系統的繼承、槽和方法
5.4基于模型的專家系統
5.4.1基于模型專家系統的提出
5.4.2基于神經網絡的專家系統
5.5基于Web的專家系統
5.5.1基于Web專家系統的結構
5.5.2基于Web專家系統的實例
5.6新型專家系統
5.6.1新型專家系統的特征
5.6.2分布式專家系統
5.6.3協同式專家系統
5.7專家系統的設計
5.7.1專家系統的設計過程
5.7.2基于規則專家系統的一般設計方法
5.7.3反向推理規則專家系統的設計任務
5.8專家系統開發工具
5.8.1專家系統的傳統開發工具
5.8.2專家系統的Matlab開發工具
5.9小結
習題5
參考文獻
第6章機器學習
6.1機器學習的定義和發展歷史
6.1.1機器學習的定義
6.1.2機器學習的發展史
6.2機器學習的主要策略與基本結構
6.2.1機器學習的主要策略
6.2.2機器學習系統的基本結構
6.3歸納學習
6.3.1歸納學習的模式和規則
6.3.2歸納學習方法
6.4決策樹學習
6.4.1決策樹和決策樹構造算法
6.4.2決策樹學習算法ID3
6.5類比學習
6.5.1類比推理和類比學習形式
6.5.2類比學習過程與研究類型
6.6解釋學習
6.6.1解釋學習過程和算法
6.6.2解釋學習舉例
6.7神經網絡學習
6.7.1基于反向傳播網絡的學習
6.7.2基于Hopfield網絡的學習
6.8知識發現
6.8.1知識發現的發展和定義
6.8.2知識發現的處理過程
6.8.3知識發現的方法
6.8.4知識發現的應用
6.9增強學習
6.9.1增強學習概述
6.9.2Q學習
6.10深度學習
6.10.1深度學習的定義與特點
6.10.2深度學習基礎及神經網絡
6.10.3深度學習的常用模型
6.10.4深度學習應用簡介
6.10.5總結與展望
6.11小結
習題6
參考文獻
第7章智能規劃
7.1智能規劃概述
7.1.1規劃的概念和作用
7.1.2規劃的分類和問題分解途徑
7.1.3執行規劃系統任務的一般方法
7.2任務規劃
7.2.1積木世界的機器人規劃
7.2.2基于消解原理的規劃
7.2.3具有學習能力的規劃系統
7.2.4分層規劃
7.2.5基于專家系統的規劃
7.3運動路徑規劃
7.3.1機器人路徑規劃的主要方法和發展趨勢
7.3.2基于模擬退火算法的機器人局部路徑規劃
7.3.3免疫進化和示例學習的機器人路徑規劃
7.3.4基于蟻群算法的機器人路徑規劃
7.4軌跡規劃簡介
7.5小結
習題7
參考文獻
第8章自然語言理解
8.1自然語言理解概述
8.1.1語言與語言理解
8.1.2自然語言處理的概念和定義
8.1.3自然語言處理的研究領域和意義
8.1.4自然語言理解研究的基本方法和進展
8.1.5自然語言理解過程的層次
8.2詞法分析
8.3句法分析
8.3.1短語結構語法
8.3.2喬姆斯基形式語法
8.3.3轉移網絡
8.3.4擴充轉移網絡
8.3.5詞匯功能語法
8.4語義分析
8.5句子的自動理解
8.5.1簡單句的理解方法
8.5.2復合句的理解方法
8.6語料庫語言學
8.7語音識別
8.7.1語音識別基本原理
8.7.2語音識別關鍵技術
8.7.3語音識別技術的發展
8.7.4語音識別技術展望
8.8文本的自動翻譯——機器翻譯
8.9自然語言理解系統的主要模型
8.10自然語言理解系統應用舉例
8.10.1自然語言自動理解系統
8.10.2自然語言問答系統
8.11小結
習題8
參考文獻
結束語
索引
展開全部
人工智能及其應用(第6版)/蔡自興 劉麗玨 蔡競峰 作者簡介
蔡自興，IEEE院士和IEEE終身院士（Fellow）、國際導航與運動控制科學院院士、紐約科學院院士、聯合國專家，中南大學信息科學與工程學院教授、博士生導師，湖南省自興人工智能研究院首席科學家。首屆全國高校國j級教學名師獎、吳文俊人工智能科技獎成就獎、徐特立教育獎、寶鋼全國優秀教師獎特等獎獲得者。歷任第八屆湖南省政協副主席和全國政協第九屆和第十屆委員會委員，兼任中國人工智能學會副理事長及智能機器人專業委員會創會主任、IEEE計算智能學會評獎委員會委員和IEEE CIS進化計算技術委員會委員等。已在國內外編著出版專著和教材50多部（版），發表論文1000余篇，他引數萬次。主持國j級精品課程、精品資源共享課程、國j級教學團隊等國家教育部質量工程項目8項。是我國人工智能、智能控制、機器人學諸學科的學術帶頭人之一，被譽為“中國人工智能教育第一人”“中國智能機器人學科創始人”“中國智能控制奠基者”。
書友推薦
- >
上帝之肋:男人的真實旅程
- >
名家帶你讀魯迅:故事新編
- >
中國歷史的瞬間
- >
我從未如此眷戀人間
- >
煙與鏡
- >
李白與唐代文化
- >
詩經-先民的歌唱
- >
人文閱讀與收藏·良友文學叢書:一天的工作
本類暢銷
