人工智能及其应用 第3版

第1章 绪论 1

1.1 人工智能的基本概念 1

1.2 人工智能的发展简史 6

1.3 人工智能研究的基本内容 10

1.4 人工智能的主要研究领域 12

1.5 小结 22

思考题 22

第2章 知识表示 23

2.1 知识与知识表示的概念 23

2.2 一阶谓词逻辑表示法 27

2.3 产生式表示法 36

2.4 框架表示法 44

2.5 语义网络表示法 49

2.6 小结 56

思考题 57

习题 58

第3章 确定性推理方法 60

3.1 推理的基本概念 60

3.2 自然演绎推理 69

3.3 谓词公式化为子句集的方法 71

3.4 海伯伦定理 76

3.5 鲁宾逊归结原理 78

3.6 归结反演 82

3.7 应用归结原理求解问题 85

3.8 小结 88

思考题 89

习题 89

第4章 不确定性推理方法 92

4.1 不确定性推理中的基本问题 92

4.2 概率方法 95

4.3 主观 Bayes方法 98

4.4 可信度方法 109

4.5 证据理论 112

4.6 模糊推理方法 120

4.7 模糊控制 136

4.8 小结 148

思考题 150

习题 150

第5章 搜索求解策略 154

5.1 搜索的概念 154

5.2 状态空间知识表示方法 156

5.3 盲目的图搜索策略 160

5.4 启发式图搜索策略 169

5.5 与/或图搜索策略 179

5.6 小结 182

思考题 183

习题 184

第6章 进化算法及其应用 185

6.1 进化算法的产生与发展 185

6.2 基本遗传算法 187

6.3 遗传算法的改进算法 206

6.4 基于遗传算法的生产调度方法 212

6.5 差分进化算法及其应用 219

6.6 量子进化算法及其应用 223

6.7 小结 233

思考题 234

习题 234

第7章 群智能算法及其应用 236

7.1 群智能算法产生的背景 236

7.2 粒子群优化算法 237

7.3 量子粒子群优化算法 241

7.4 粒子群优化算法的应用 245

7.5 基本蚁群算法 248

7.6 改进蚁群算法 252

7.7 蚁群算法的应用 257

7.8 小结 259

思考题 260

第8章 人工神经网络及其应用 261

8.1 神经元与神经网络 261

8.2 BP神经网络及其学习算法 264

8.3 BP神经网络的应用 268

8.4 Hopfield神经网络及其改进 273

8.5 Hopfield神经网络的应用 283

8.6 Hopfield神经网络优化方法求解JSP 289

8.7 卷积神经网络及其应用 300

8.8 小结 308

思考题 309

习题 310

第9章 机器学习 313

9.1 机器学习的基本概念 313

9.2 符号学习 320

9.3 知识发现与数据挖掘 335

9.4 深度学习 340

9.5 小结 351

思考题 352

第10章 专家系统 354

10.1 专家系统的产生和发展 354

10.2 专家系统的概念 355

10.3 专家系统的工作原理 360

10.4 知识获取的主要过程与模式 363

10.5 专家系统的建立 367

10.6 专家系统实例 372

10.7 专家系统的开发工具 381

10.8 小结 387

思考题 387

第11章 自然语言理解及其应用 388

11.1 自然语言理解的概念与发展历史 388

11.2 语言处理过程的层次 390

11.3 词法分析 391

11.4 句法分析 392

11.5 语义分析 398

11.6 基于语料库的大规模文本处理 401

11.7 机器翻译 405

11.8 语音识别 409

11.9 基于隐马尔可夫模型的语音识别方法 413

11.10 小结 416

思考题 418

习题 418

附录A 部分习题解答 419

附录B 实验指导书 436

参考文献 450