新書推薦：
《
如何不被一杯水淹没
》
售價：NT$
307.0
《
流人系列03：猛虎 午夜文库
》
售價：NT$
411.0
《
洛克现代性政治学之根
》
售價：NT$
494.0
《
奥登诗精选
》
售價：NT$
510.0
《
《你的名字。》美术画集
》
售價：NT$
562.0
《
北齐书（点校本二十四史修订本 全2册）
》
售價：NT$
770.0
《
美丽的地球：高山（呈现世界70余座宏伟高山，感受世界的起伏）
》
售價：NT$
510.0
《
下一个风口：新质生产力驱动下的科创投资逻辑
》
售價：NT$
364.0
|
| 編輯推薦： |
|
本书对人工智能的相关知识进行了更为系统的梳理。
|
| 內容簡介： |
本书在全面覆盖人工智能框架知识的基础上，以精简内容、突出重点为准则，避免面面俱到。每一部分都是挑选经典、实用的知识内容，同时配有典型案例和源代码，将人工智能原理融会到典型案例中详细讲授，可以使初学者以较快的节奏学习、实践人工智能基础知识，重点掌握关键部分的常用算法，进而了解人工智能领域的知识轮廓。
全书共分7章： 第1章为绪论，简要介绍人工智能发展历史和相关技术内容； 第2章为知识表示和推理，着重讲授归结演绎推理和产生式系统； 第3章为搜索技术，讲授典型的搜索技术，主要包括启发式搜索、博弈树搜索和遗传算法等； 第4章为不确定知识表示与推理，主要讲授主观Bayes方法、可信度方法和证据理论； 第5章为Agent技术，讲授Agent系统通信和移动Agent技术； 第6章为神经网络，主要讲授反向传播神经网络和Hopfield神经网络； 第7章为计算智能，讲授蚁群算法、粒子群优化和模拟退火等经典智能算法。
本教材适合计算机科学与技术、软件工程、智能科学与技术以及自动化等专业的本科生和研究生使用，也可供相关开发人员、广大科技工作者和研究人员参考。
|
| 目錄：
|
第1章绪论
1.1人工智能的定义
1.1.1人工智能
1.1.2计算机与人工智能
1.2人工智能的发展
1.2.1人工智能的形成期
1.2.2人工智能的发展期
1.2.3人工智能的成熟期
1.3人工智能的研究目标及基本内容
1.3.1人工智能的研究目标
1.3.2人工智能研究的基本内容
1.4人工智能的研究方法
1.4.1传统划分方法
1.4.2现代划分方法
1.5人工智能的基本技术
1.5.1推理技术
1.5.2搜索技术
1.5.3归纳技术
1.5.4联想技术
1.6人工智能的主要研究领域及实践
1.6.1博弈与专家系统
1.6.2模式识别与机器学习
1.6.3自然语言处理与自动程序设计
1.6.4计算智能与软计算
1.6.5数据挖掘与机器人学
1.7习题
第2章知识表示和推理
2.1概述
2.1.1知识以及知识的表示
2.1.2知识的特性与分类
2.1.3人工智能对知识表示方法的要求
2.2命题逻辑
2.2.1语法
2.2.2语义
2.2.3命题演算形式系统
2.3谓词逻辑
2.3.1表示知识方法
2.3.2谓词逻辑形式系统FC
2.3.3一阶谓词逻辑特点与应用
2.4归结演绎推理
2.4.1命题逻辑中的归结原理
2.4.2谓词逻辑中的归结推理
2.4.3谓词演算归结反演的合理性和完备性
2.4.4归结原理的应用实例
2.5产生式系统
2.5.1产生式系统的基本形式
2.5.2产生式系统的系统结构
2.5.3产生式系统的控制策略
2.6知识表示的其他方法
2.6.1语义网络表示法
2.6.2框架表示法
2.6.3面向对象表示法
2.7习题
第3章搜索技术
3.1搜索原理概述
3.1.1搜索的基本概念及其方法分类
3.1.2搜索空间和搜索算法
3.2盲目搜索策略
3.2.1生成再测试法
3.2.2迭代加深搜索
3.3启发式搜索
3.3.1启发性信息和评估函数
3.3.2最好优先搜索算法
3.3.3贪婪优先搜索算法
3.3.4启发式搜索中的A*算法及应用
3.3.5迭代加深A*算法
3.4问题归约和ANDOR图启发式搜索
3.4.1问题归约的概述
3.4.2ANDOR图的问题表示和应用
3.4.3AO*算法及应用
3.5博弈树及搜索技术
3.5.1博弈树
3.5.2博弈树的搜索及应用实例
3.6高级搜索
3.6.1爬山算法原理
3.6.2遗传算法原理
3.6.3遗传算法的应用实例
3.7习题
第4章不确定知识表示与推理
4.1不确定性推理概述
4.1.1不确定性推理含义
4.1.2不确定性推理中的基本问题
4.1.3不确定性推理方法的分类
4.2主观Bayes方法
4.2.1全概率公式和主观Bayes公式
4.2.2知识不确定性的表示
4.2.3证据不确定性的表示
4.2.4不确定性的传递算法
4.2.5主观Bayes的主要优缺点
4.2.6主观Bayes应用实例
4.2.7朴素贝叶斯分类模型
4.3可信度方法
4.3.1可信度概念
4.3.2CF模型
4.3.3可信度方法实例
4.4证据理论
4.4.1DS理论
4.4.2证据的组合函数
4.4.3规则的不确定性
4.4.4不确定性的传递与组合
4.4.5证据理论应用实例
4.5习题
第5章Agent技术
5.1概述
5.1.1Agent技术的定义
5.1.2Agent的特性
5.1.3Agent实例
5.1.4Agent的结构分类
5.2Agent系统通信
5.2.1系统通信方式
5.2.2消息传送
5.2.3Agent系统的通信语言
5.3移动Agent技术
5.3.1移动Agent产生的背景
5.3.2移动Agent的系统结构
5.3.3移动Agent的实现技术
5.3.4移动Agent的分布式计算应用实例
5.3.5移动Agent技术的应用前景
5.3.6多Agent系统的应用
5.4习题
第6章神经网络
6.1人工神经网络概述
6.1.1神经元
6.1.2人工神经网络的结构
6.2反向传播(BP)神经网络
6.2.1感知器
6.2.2BP算法
6.2.3BP神经网络的实现及程序代码
6.2.4BP神经网络的应用实例
6.3Hopfield神经网络
6.3.1Hopfield神经网络结构
6.3.2Hopfield神经网络学习算法
6.3.3Hopfield网络应用实例及程序代码
6.4神经网络在专家系统中的应用
6.4.1神经网络与专家系统的互补性
6.4.2基于神经网络的知识表示
6.4.3基于神经网络的推理
6.5习题
第7章计算智能
7.1人工免疫算法
7.1.1自然免疫系统
7.1.2人工免疫算法模型
7.1.3人工免疫算法的应用
7.2蚁群算法
7.2.1蚁群算法基本原理
7.2.2蚁群算法研究进展
7.2.3蚁群算法模型
7.2.4蚁群算法的相关应用
7.3粒子群优化算法
7.3.1粒子群优化算法简介
7.3.2粒子群优化算法基本原理
7.3.3粒子群优化算法模型
7.3.4粒子群优化算法的相关应用
7.4模拟退火算法
7.4.1模拟退火算法思想
7.4.2模拟退火算法模型
7.4.3模拟退火算法的相关应用
7.5习题
参考文献
|
| 內容試閱：
|
人工智能（Artificial Intelligence，AI）是研究理解和模拟人类智能、智能行为及其规律的一门学科。主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。人类的许多活动，如下棋、竞技、解题、游戏、规划和编程，甚至驾车和骑车都需要“智能”。如果机器能够执行这种任务，就可以认为机器已具有某种性质的“人工智能”。
人工智能的理论和技术发展可以大体分为三个阶段。第一阶段： 智能系统代替人类完成部分逻辑推理工作，可以在一定程度上减轻人类复杂推理的工作负担； 第二阶段： 智能系统能够和环境交互，从运行的环境中获取信息，代替人完成包括不确定性在内的部分思维工作，通过自身的动作，对环境施加影响，并能够根据环境的变化做出相应的适应性调整； 第三阶段： 智能系统具有类人的认知和思维能力，能够发现新的知识，去完成面临的任务，该阶段的智能主体具有自主的学习、判断、决策、行动等功能，在特定应用领域可以完全代替人类完成相应的工作。
人工智能自诞生之日起就引起了人们无限美丽的想象和憧憬，已经成为学科交叉发展中的一盏明灯，光芒四射，但其理论起伏跌宕，也存在争议和误解。人工智能技术发展到今天，其研究和应用领域极其广泛，例如自然语言处理、自动定理证明、智能数据检索系统、机器学习、模式识别、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。所有的研究和应用可以大体归纳为四个方面： 智能感知、智能推理、智能学习和智能行动。
目前人工智能相关的书籍也较为丰富。大部分书籍力求从人工智能的发展、理论、算法、数学原理等全方位详细讲述，力求覆盖所有的知识点，这样做的结果不但使书本变得非常厚重，大部分内容常常泛泛而论，浅尝辄止，而且对具体常用的知识点缺乏实践应用和深入剖析，使得学习枯燥乏味、效率低下。本书针对高等学校本科或研究生教学学时有限的背景，精选人工智能领域常用的知识和技术编写而成，突出典型知识点的应用实践，以满足初学者在有限的时间内了解人工智能知识架构、掌握人工智能主要技能的需要。本书的主要特色有如下两点：
第一，尽量遵循人工智能知识架构，但不要求面面俱到。力求选择有代表性的知识点，进行深度剖析。
第二，充分注重理论知识的实践应用。力求在每个知识点的原理基础上，进行丰富的实践应用，包括具体问题的推理、证明、分析及源代码的实现等。
本书特别适合计算机科学与技术、智能科学与技术以及自动化等专业的本科生和研究生使用，可以使
读者以较快的节奏学习、实践人工智能的基础知识，重点掌握关键部分的常用算法，进而了解人工智能领域的大概知识轮廓。
人工智能的神秘性和应用宽广性吸引着众多青年学者的学习目光，但是由于较强的理论性和学科交叉性决定了其较高的学习门槛，大大增加了学习难度。当初学者捧着厚重的书籍，读着晦涩难懂的数学公式和枯燥的理论时，往往会望而却步。所以编者才编写了这部教程，将复杂的理论融会于一个个生动的实例中，进行深入讲解，使之通俗易懂，易于理解。本书覆盖了人工智能知识架构的大部分内容，但刻意避免面面俱到，坚持简约而不简单的原则，每部分内容只介绍经典的知识点，同时配有典型案例，注重知识点的精讲，非常适合初学者。
此外，本书中尽量加入趣味性的案例，比如： 井字棋游戏、取火柴问题、八皇后问题、函数优化问题、网球问题、基于Agent技术的分布式计算平台、BP神经网络的二次函数模拟、蚊子分类、基于Hopfield神经网络的原始图像回忆、医疗诊断等。每个案例后面尽量提供实际编程代码，学习过程中可以轻松进行验证和二次开发。希望本书能够帮助读者打开人工智能领域的一扇大门，成为指引读者进阶的一盏明灯，祝愿读者阅读愉快！
编者
2024年4月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
