內容簡介
《人工智慧基礎》為普通高等教育“十一五”國家級規劃教材,旨在系統介紹人工智慧的基本原理、方法和技術,並反映國內外研究和套用的最新進展。全書共7章。第1章闡述人工智慧研究的發展、成果和基本原則;第2、3章介紹人工智慧的基本概念、方法和技術,包括問題求解的基本方法和知識表示;第4~6章討論人工智慧技術的主要套用,包括基於知識的系統、自動規劃和配置以及機器學習;第7章對人工智慧的高級技術作引導性綜述,包括非單調推理和軟計算、基於範例的推理、關於時間和空間的推理、機器學習研究和套用的新進展、Agent技術和多Agent協同工作,以及新一代網路計算的技術基礎及其智慧型化,以開闊學生的眼界。《人工智慧基礎》內容豐富,敘述脈絡清晰,強化實用化介紹,同時配有豐富的習題,可作為高等院校計算機及有關專業本科生教材,也可供工程技術人員參考使用。
作者簡介
高濟,浙江大學計算機科學與技術學院教授,博士生導師。主要研究方向為網路計算與普適計算、智慧型軟體與Agent技術、軟體工程與中間件技術、知識管理與決策支持等。長期從事人工智慧和計算機套用研究工作,先後主持和完成了國家自然科學基金項目6個(在研1個),國家高技術研究發展(863)計畫I頁目8個(在研1個)、以及國家重點基礎研究發展(973)計畫項目子課題1個(在研):已有6項主持的科研成果通過鑑定、分別達到國際水平或國內領先水平:已發表學術論文200餘篇,其中98篇收錄進SCI索引、EI索引或國內一級期刊:出版的專著“基於知識的軟體智慧型化技術”“屬國家九五重點圖書。圖書目錄
第1章人工智慧研究的發展和基本原則1.1人工智慧的研究和套用
1.2人工智慧研究的發展
1.3人工智慧研究的成果
1.4人工智慧研究的基本原則
1.5存在的問題和發展前景
習題
參考文獻
第2章問題求解的基本方法
2.1一般圖搜尋
2.1.1狀態空間搜尋
2.1.2啟發式搜尋
2.1.3狀態空間抽象和生成一測試法
2.1.4啟發式搜尋的適用性討論
2.2問題歸約
2.2.1問題歸約的描述
2.2.2與或圖搜尋
2.2.3與或圖的啟發式搜尋
2.3基於歸結的演繹推理
2.3.1謂詞演算
2.3.2歸結演繹方法
2.3.3歸結反演
2.4基於規則的演繹推理
2.4.1基於規則的正向演繹推理
2.4.2基於規則的逆向演繹推理
2.4.3演繹推理的套用討論
2.4.4邏輯程式語言Prolog
本章小結
習題
參考文獻
第3章知識表示
3.1知識和知識表示
3.1.1知識原則
3.1.2知識表示的作用
3.1.3知識表示的功能
3.1.4知識表示的性能
3.1.5基本的知識表示方式
3.2產生式表示
3.2.1產生式系統
3.2.2控制策略
3.2.3產生式系統的分類
3.3結構化表示
3.3.1語義網路
3.3.2框架表示法
3.3.3面向對象的表示法
3.4知識表示的實用化問題
3.4.1程式性和陳述性知識
3.4.2表示能力和推理效率之間的制約關係
3.5基於本體的語義知識表示
3.5.1語義知識表示和共享本體
3.5.2本體表示語言的研究
3.5.3Web本體語言OWL
3.5.4語義Web的套用情景和支持技術
本章小結
習題
參考文獻
第4章基於知識的系統
4.1KB系統的開發
4.1.1KB系統的一般概念
4.1.2KB系統的體系結構原則
4.1.3KB系統的開發過程
4.1.4KB系統的開發工具和環境
4.2設計基於產生式表示的KB系統開發工具
4.2.1總體設計
4.2.2xps的實現
4.2.3套用實例——家族樹
4.2.4性能改進
4.2.5開發工具OPS5
4.3專家系統實例——MYCIN
4.3.1知識庫的構造
4.3.2推理機的設計
4.3.3系統服務設施
4.3.4開發工具EMYCIN
4.4問題求解的結構化組織
4.4.1結構化組織的需求
4.4.2事務表
4.4.3黑板法
4.4.4問題求解建模
4.4.5KB系統的高級技術
4.5基於本體的知識系統
4.5.1基礎級本體工程
4.5.2高級本體工程
4.5.3開發基於本體的知識系統
本章小結
習題
參考文獻
第5章自動規劃和配置
5.1經典規劃技術
5.1.1經典規劃技術的發展
5.1.2規劃的基本概念
5.1.3早期的自動規劃技術
5.1.4部分排序規劃技術
5.2自動規劃技術的新進展
5.2.1非經典規劃技術的開發
5.2.2自動規劃技術的實用化
5.2.3智慧型的調度、規劃和項目管理
5.3自動配置
5.3.1配置的一般概念
5.3.2自動配置的建模
5.3.3XCON——計算機自動配置系統
本章小結
習題
參考文獻
第6章機器學習
6.1機器學習概論
6.1.1機器學習的基本概念
6.1.2機器學習的發展歷史
6.1.3機器學習分類
6.2示例學習
6.2.1示例學習的基本策略
6.2.2決策樹構造法ID3
6.3基於解釋的學習
6.3.1基於解釋的泛化(EBG)
6.3.2基於解釋學習的若干基本問題
6.4遺傳算法
6.4.1簡單遺傳算法
6.4.2分類系統
6.5加強學習
6.5.1加強學習的基本方法
6.5.2p學習
6.5.3有關加強學習的進一步討論
6.6基於範例的學習
6.6.1基於範例推理的過程
6.6.2套用實例:智慧型飼料配方系統IcMIx
6.7知識發現與數據挖掘
6.7.1定理髮現
6.7.2數據挖掘
6.7.3關聯規則挖掘
6.7.4資料庫及網路中的知識發現
本章小結
習題
參考文獻
第7章人工智慧高級技術綜述
參考文獻
第二版本前面6章內容基本相同
以下附帶:
第一版的第七章到第九章
第七章非單調推理和軟計算
7.1傳統邏輯系統的局限性
7.2非單調推理
7.3不確定推理
7.4模糊邏輯和模糊推理
7.5神經網路
本章小結
習題
參考文獻
第八章機器感知
8.1視覺與視覺圖像
8.2圖像特徵提取
8.3視覺模型與識別
8.4自然語言理解
8.5機器翻譯
本章小結
習題
參考文獻
第九章Agent技術和信息基礎設施智慧型化
9.1Agent技術的研究和發展
9.2多Agent協作
9.3Agent通信
9.4信息基礎設施的智慧型化
本章小結
習題
參考文獻