人工智能及其应用

作者简介

本书是作者积累多年教学经验,参考国内外大量文献资料,追踪当代人工智能发展趋势而写成的教材。 

    全书共分七篇。第一篇讲述模拟人类自然推理的不确定性椎理方法和非单调推理方法:包括专家系统MYCIN的不确定性椎理方法、主观Bayes方法、模糊推理、证据理论和非单调推理;第二篇讲述机器学习的概念与方法:包括概念学习、决策树学习和学习规则集合;第二篇讲述计算智能:包括人工神经网络、遗传算法和其它计算智能方法;第四篇讲述如何在机器上实现人类的语言、视觉和听觉:包括语法和语义分析、基于语料库的自然语言理解、计算机视,觉和语音处理;第五篇介绍蓬勃发展的分布式人工智能和Agent技术;第六篇介绍人工智能的三个应用领域:即汉语自然语言处理、光学文字识别及移动Agent技术;第七篇是作者对于人工智能的现在与未来的思考。 

    本书叙述简明清晰,逻辑性强,可作为高等学校相关专业研究生和高年级本科生的教材,也可供从事人工智能研究与应用的专业人员参考。

书籍目录

第一篇 高级推理技术 第1章 传统的推理技术   1.1 命题逻辑与谓词逻辑概论   1.2 基于传统逻辑概论   小结   习题 第2章 专家系统MYCIN的不确定性推理方法   2.1 不确定推理    2.2 MYCIN的可信度概念   2.3 MYCIN的不精确推理模型   2.4 带加权因子的可信度推理   小结   习题 第3章 主观Bayes方法   3.1 概率论的简单回顾   3.2 主观Bayes方法的基本理论   3.3 主观Bayes方法的推理模型   小结   习题 第4章 模糊推理   4.1 模糊数学的基本知识   4.2 模糊假言推理   小结   习题 第5章 证据理论   5.1 基本理论   5.2 证据理论的推理模型 第6章 非单调推理   6.1 缺省理论   6.2 界限理论   6.3 正确性维持系统   小结   习题第二篇 机器学习 第7章 机器学概论   7.1 机器学习模型与形式化   7.2 学习系统的结构和训练样例   7.3 学习系统的观点和问题   小结   习题 第8章 概念学习   8.1 什么是概念学习   8.2  概念学习的搜索空间   8.3 假设空间的偏序关系   8.4 寻找极大特殊假设的FIND—S算法   8.5 变型空间和候选消除算法   小结   习题 第9章 决策树学习   9.1 决策树表示法及其含义   9.2 决策树学习的适用问题   9.3 决策树学习的ID3算法   9.4 最佳属性的选择   9.5 决策树学习的问题   小结   习题 第10章 学习规则集合……第三篇 计算智能 第11章 人工神经网络 第12章 遗传算示 第13章 其它计算智能方法第四篇 自然语言理解与感知 第14章 概述 第15章 语法分析和语义分析 第16章 基于语料库的自然语言理解 第17章 计算机视觉 第18章 语音处理第五篇 分布式人工智能 第19章 概述 第20章 Agent技术第六篇 人工智能的应用 第21章 汉语自然语言处理 第22章 光学字符识别技术 第23章 移动Agent技术第七篇 人工智能的现在与未来 第24章 对人工智能的思考参考文献

图书封面

 人工智能及其应用下载