热门关键字:  听力密码  单词密码  新概念美语  巧用听写练听力  零起点
图书信息

人工智能与专家系统(第二版)

中国水利水电出版社
    【作 者】尹朝庆 【I S B N 】978-7-5084-6335-3 【责任编辑】李 炎 【适用读者群】本科 【出版时间】2009-04-01 【开 本】16开本 【装帧信息】平装(光膜) 【版 次】2009年4月第1版 【页 数】244 【千字数】 【印 张】 【定 价】28 【丛 书】21世纪高等院校计算机系列教材 【备注信息】
图书详情

       本书在延续第一版编写风格的基础上,根据近几年人工智能与专家系统的发展趋势和国内外高等院校相关专业本科生教学内容的重点,结合作者多年教学经验,并考虑到读者的反馈信息,对各章节内容、结构等进行了修订、调整、完善和补充,删减和更新了第一版中比较陈旧的内容,增加了典型应用实例。本书主要介绍人工智能的基本理论、方法以及实现技术。全书共7章,可分为两部分。第一部分包括第1~4章,主要介绍人工智能的基本概念、方法和技术,包括知识表示方法和搜索、逻辑推理等问题求解的基本方法。第二部分包括第5~7章,以专家系统为应用方向,讨论了产生式专家系统及其实现技术、模糊知识表示和模糊推理、机器学习方法及其应用实例。本书内容翔实,层次清晰,详略适当,重点突出,语言严谨,例题丰富,可作为高等院校计算机等信息类和管理类相关专业的本科生教材,也可供从事相关行业的人员参考。

    1.系统性与新颖性相结合。在介绍经典理论与方法的同时,根据目前国内外人工智能与专家系统发展与应用的情况,对知识的不确定性表示与推理、机器学习与神经网络进行了较多的讨论,介绍了多种方法和实现技术。

    2.理论性与实用性相结合。本书既注重理论上的论述,又注重结合有关语言与工具的编程介绍实现技术,精选应用实例和习题,理论联系实际。

    3.对有关概念、算法、方法与技术的阐述准确精炼,写作风格通俗易懂、深入浅出。用实例说明抽象的概念与算法,便于读者理解。

      第二版前言人工智能是一门综合性学科,它旨在研究如何利用计算机等现代工具设计模拟人类智能行为的系统。随着计算机科学与技术的发展和计算机应用的日益普及,人工智能技术也随之广泛地渗透到各学科领域和各行各业。因此,人工智能不仅是高等学校计算机科学与技术、软件工程等计算机类专业的主干课程,也是其他信息类和管理类等学科领域提高计算机应用水平的重要基础。人工智能及其应用领域的研究发展很快,涉及的学科领域越来越多,新的理论、方法与技术不断涌现,已形成多个研究方向。我们认为,本科生的人工智能课程的教学目标应定位为:培养学生掌握人工智能的基本理论、方法和技术,具有开发应用系统的基本能力。教学内容不应过于宽泛,而应突出重点,强调应用,深入浅出地介绍人工智能的方法与实现技术。以专家系统为应用方向,研究学习专家系统的算法,开发应用系统,并将该领域不断出现的新概念、新方法和新技术适当地补充到教学内容中,这个目标对于对本科生的教学才是合适的。学习该课程时,首先需要熟练地掌握算法,其次通过学习一些案例,举一反三,掌握人工智能与专家系统的基本理论、方法和技术,具有开发应用系统的基本能力。因此,本书编写的指导思想是:概念是基础,算法是主导,例题是精髓,应用是目标。本书的第一版由中国水利水电出版社出版后,被许多高校选用,得到了广大读者的肯定。根据近几年人工智能与专家系统的发展趋势和国内外高等院校相关专业的本科生教学内容的重点,作者重新编写了本书,删减和更新了第一版中比较陈旧的内容;改写了全部算法,使算法的描述更简洁,技术的实现更明确;增加了典型应用实例的介绍;全书结构更紧凑,内容更精炼。

        本书主要有以下特点:(1)系统性与新颖性相结合。本书比较系统地介绍了人工智能与专家系统的理论、方法与实现技术,力求反映该领域的学科前沿技术及最新成果。在介绍经典理论与方法的同时,根据目前国内外人工智能与专家系统发展与应用的情况,对知识的不确定性表示与推理、机器学习与神经网络进行了较多的讨论,介绍了多种方法和实现技术。(2)理论性与实用性相结合。本书既注重理论上的论述,又注重结合有关语言与工具的编程介绍实现技术,精选应用实例和习题,理论联系实际。(3)对有关概念、算法、方法与技术的阐述准确精炼,写作风格通俗易懂、深入浅出。用实例说明抽象的概念与算法,便于读者理解。本书共分7章,各章内容如下:第1章“绪论”介绍人工智能的发展史、主要学派及研究应用领域。第2章“知识表示方法”介绍一阶谓词逻辑表示方法、产生式表示方法和框架表示方法等知识表示方法。第3章“搜索方法”在给出问题求解过程的两种形式表示的基础上,分别讨论状态空间和与/或图的多种盲目搜索算法和启发式搜索算法,以及典型应用实例。第4章“逻辑推理”主要讨论归结演绎推理,及其在定理证明和问题求解中的应用。第5章“专家系统”主要讨论产生式专家系统的知识库、推理机与解释器及其实现技术,讨论知识检测与求精的方法,介绍专家系统工具CLIPS以及基于Java的规则引擎Jess。第6章“模糊推理”在讨论知识不确定性的基础上,介绍专家系统的模糊推理方法。第7章“机器学习”主要讨论归纳学习方法(CLS算法和ID3算法)、遗传算法和人工神经网络方法(BP算法)等机器学习方法与算法,以及典型应用实例。本书内容翔实,层次清晰,详略适当,重点突出,语言严谨,例题丰富,便于教学。可作为高等学校计算机等信息类和管理类相关专业的教材,也可供有关科技人员参考。本书由尹朝庆任主编,其中第2、3、5章由尹皓编写,第1、4、6章由余正红编写,第7章由尹朝庆编写。尹朝庆负责全书内容的审定与统稿。由于作者水平有限,书中难免有不妥之处,请广大读者批评指正。我的联系邮箱:yinchaoqing@yahoo.com.cn

    第二版前言
    第一版前言
    第1章  绪论 1
    1.1  人工智能及其发展 1
    1.2  人工智能的研究与应用领域 7
    习题一 10
    第2章  知识表示方法 11
    2.1   一阶谓词逻辑表示方法 11
    2.1.1  一阶谓词逻辑 11
    2.1.2  一阶谓词逻辑表示方法 16
    2.2  产生式表示方法 18
    2.2.1  产生式与产生式系统 18
    2.2.2  产生式系统的分类及其特点 21
    习题二 24
    第3章  搜索方法 25
    3.1  问题求解过程的形式表示 25
    3.1.1  状态空间表示法 25
    3.1.2  与/或图表示法 27
    3.2  状态空间的搜索算法 29
    3.2.1  盲目搜索算法 30
    3.2.2  启发式搜索算法 36
    3.2.3  状态空间搜索算法的应用 42
    3.2.4  A*算法及其特性 54
    3.3  与/或图的搜索方法 57
    3.3.1  与/或图的盲目搜索算法 58
    3.3.2  与/或图的启发式搜索算法 59
    3.3.3  博弈算法及应用 62
    习题三 66
    第4章  逻辑推理 69
    4.1  推理的基本概念 69
    4.1.1  推理方式及其分类 69
    4.1.2  推理的控制策略 71
    4.1.3  模式匹配及其变量代换 74
    4.2  归结演绎推理 76
    4.2.1  谓词公式化为子句集的方法 77
    4.2.2  归结原理 78
    4.2.3  归结反演 82
    4.3  基于归结反演的问题求解 83
    4.4  归结反演的改进策略 86
    4.4.1  删除策略 86
    4.4.2  限制策略 87
    习题四 89
    第5章  专家系统 93
    5.1  专家系统概述 93
    5.1.1  专家系统研究的意义 93
    5.1.2  专家系统的结构与开发方法 95
    5.2  LISP语言 97
    5.2.1  LISP语言的特点与表达式 98
    5.2.2  LISP语言的基本函数 99
    5.3  知识库与推理机 107
    5.3.1  产生式规则与规则库的存储结构 107
    5.3.2  正向推理机 111
    5.3.3  反向推理机 115
    5.4  解释方法与解释器 120
    5.5  知识获取与检测 124
    5.5.1  知识获取的任务与方式 124
    5.5.2  知识的检测与求精 126
    5.5.3  知识检测的方法 128
    5.6  专家系统工具 130
    5.6.1  专家系统工具概述 130
    5.6.2  CLIPS及其应用 132
    5.6.3  基于Java的规则引擎Jess 142
    习题五 143
    第6章  模糊推理 146
    6.1  知识的不确定性 146
    6.2  模糊集合的定义与运算 148
    6.2.1  模糊集合的定义与表示 148
    6.2.2  模糊集合的运算 150
    6.3  模糊知识表示与模糊匹配 155
    6.3.1  模糊知识表示 155
    6.3.2  模糊匹配 156
    6.4  简单模糊推理 159
    6.4.1  模糊推理的基本模式 160
    6.4.2  简单模糊推理方法 160
    6.4.3  模糊三段论推理方法 166
    6.5  一般模式的模糊推理 167
    6.5.1  多维模糊推理方法 167
    6.5.2  带有可信度的模糊推理方法 170
    习题六 172
    第7章  机器学习 175
    7.1  机器学习的特征与方法 175
    7.2  归纳学习方法 176
    7.2.1  CLS算法 176
    7.2.2  ID3算法 179
    7.2.3  归纳学习生成产生式规则集的应用 183
    7.3  遗传算法 196
    7.3.1  遗传算法的概念与计算方法 196
    7.3.2  遗传算法在预测预报中的应用 202
    7.4  人工神经网络方法 205
    7.4.1  人工神经元与感知器 205
    7.4.2  人工神经网络模型 208
    7.4.3  BP神经网络的学习算法 211
    7.4.4  BP学习算法的改进 215
    7.4.5  基于神经网络的专家系统 217
    7.4.6  基于神经网络的模糊分类器 219
    7.4.7  神经网络在预测中的应用 225
    习题七 229
    参考文献 233
最新评论共有 0 位网友发表了评论
发表评论
评论内容:不能超过250字,需审核,请自觉遵守互联网相关政策法规。
用户名: 密码:
匿名?
注册