濠电姷鏁告慨鐑藉极閸涘﹥鍙忛柣鎴f閺嬩線鏌涘☉姗堟敾闁告瑥绻橀弻锝夊箣閿濆棭妫勯梺鍝勵儎缁舵岸寮婚悢鍏尖拻閻庨潧澹婂Σ顔剧磼閹冣挃缂侇噮鍨抽幑銏犫槈閵忕姷顓洪梺缁樺灥濡盯宕濋姘f斀闁绘劖娼欓悘锕傛煟閻曞倻鐣电€规洘娲熼幃銏ゅ礂閼测晛甯惧┑鐘垫暩閸嬫盯鎮樺┑瀣婵ǹ鍩栭悡鐔煎箹閹碱厼鏋涚€殿噮鍠楅幈銊︾節閸愨斂浠㈤悗瑙勬礃椤ㄥ﹪骞婇弽顓炵厴闁割煈鍠曞▽顏堟⒒閸屾瑧顦﹂柟纰卞亰楠炲﹨绠涢弴鐐茬亰閻庡厜鍋撻柛鏇ㄥ墮娴犲ジ姊虹紒妯虹伇婵☆偄瀚伴幏鎴︽偄閸忚偐鍘繝銏e煐缁嬫捇鎮鹃柆宥嗙厓鐟滄粓宕滃☉銏犳瀬濠电姵鑹鹃拑鐔兼煏婵炲灝鍔楅柡鈧禒瀣厱闁斥晛鍟╃欢閬嶆煃瑜滈崜姘躲€冩繝鍥ц摕闁挎稑瀚ч崑鎾绘晲鎼粹€茬敖闂侀潧妫欑敮鐐垫閹烘挻缍囬柕濞垮劜鐠囩偤姊虹化鏇熸澒闁稿鎸搁—鍐Χ閸℃鐟ㄩ柣搴㈠嚬閸撴稒绔熼弴銏犵闁稿繒鍘у鍨攽閳藉棗鐏犻柣蹇旂箖缁傚秷銇愰幒鎾跺幈闂佺粯鍔曢悘姘跺汲椤掑嫭鐓涚€光偓鐎n剛袦闂佽鍠掗弲鐘诲箖濠婂吘鐔哄寲閺囩偘澹曢梺鍛婂姦閸犳宕戦敐澶嬬厓鐟滄粓宕滈悢鐓庢瀬闁告劦鍠栭悞鍨亜閹哄棗浜鹃悗瑙勬尭鐎氭澘顫忓ú顏勫窛濠电姴瀚уΣ鍫ユ煛鐎e吀绨婚棁澶嬬節婵犲倸顏柣顓熷浮閺岋紕浠︾拠鎻掝潎閻庢鍠楀ḿ娆掔亙闂侀€炲苯澧紒鍌氱У閵堬綁宕橀埡浣插亾閸偆绠鹃柛顐g箘娴犮垽鏌$€n偆鈽夋い顓″劵椤︽煡姊虹敮顔剧М闁绘侗鍣i獮瀣晝閳ь剟锝為崨瀛樼厽婵妫楁禍婵嬫煛閸屾浜鹃梻鍌欐祰椤曆囧礄閻e瞼绀婇柛鈩冡缚椤╂煡鎮归悜妯忣厾绱撳顑芥斀闁绘ê寮舵径鍕煃闁垮鐏╃紒杈ㄦ尰閹峰懘宕楁径瀣剁礄婵$偑鍊曠换鎰偓姘卞厴瀹曠敻寮撮姀鈥充化闂佹儳绻楅~澶屽椤忓牊鐓欓柣鎴烇供濞堟梻绱掗悩宕囨创闁哄矉绲借灃闁逞屽墴閹囧礃椤旇偐顔嗗┑鐐叉▕娴滄繈鍩涢幒妤佺厱閻忕偟鍋撻惃鎴濐熆瑜庣粙鎾舵閹烘柡鍋撻敐搴′簻婵炴惌鍠楅〃銉╂倷鐎电ǹ鈷屽Δ鐘靛仜濞差參銆佸鈧幃鈺佲枔閸喗娅楅梻浣筋嚙濞寸兘骞婇幘瀵哥彾濠电姴娲ょ粣妤呮煛瀹ュ骸骞樼€规挷绶氶弻鈥愁吋鎼粹€崇闂佺粯鎸鹃崰鏍蓟閵娿儮鏀介柛鈩兠▍锝呪攽闄囩亸娆戝垝椤栫偛桅闁告洦鍨奸弫鍐煥濠靛棙宸濋柣锝呫偢濮婃椽宕烽鐔锋畬闁诲孩鐭崡鎶界嵁閺嶎兙浜归柟鐑樻尭娴狀參姊洪崫鍕垫Ъ婵炲娲熼、娆撳炊椤掍讲鎷婚梺绋挎湰閼归箖鍩€椤掑嫷妫戞繛鍡愬灩椤繄鎹勯搹鐟板Е婵$偑鍊栫敮鎺楀磹閸涘﹦顩锋繝濠傜墛閻撶姵绻涢懠棰濆殭闁诲骏绻濋弻锟犲川閺夎法鍘柣搴濈祷閸嬫劙鍩€椤掍胶鈯曞畝锝呮健瀹曘垽鎮欓璺ㄧ畾闂侀潧鐗嗙换鎺楁偩閾忣偆绠惧璺侯儐缁€鍫ユ煠濞差亙鎲剧€规洜枪铻栧ù锝呮惈鐢箖姊绘担瑙勫仩闁稿寒鍨跺畷婵堜沪閻愵剙寮块悗骞垮劚濡厼鈻撴禒瀣厽闁归偊鍘界紞鎴炵箾閹碱厼鏋熸い銊e劦閹瑥顔忛鐓庡闂備浇顕栭崰妤冨垝閹惧磭鏆﹂柛妤冨剱濞笺劑鏌涢埄鍐垮叕缂佽鲸鐟╁濠氬磼濮橆兘鍋撻幖浣哥9闁归棿绀佺壕鐟邦渻鐎n亝鎹i柣顓炴閵嗘帒顫濋敐鍛婵°倗濮烽崑鐐烘偋閻樻眹鈧線寮村杈┬㈤梻浣规偠閸庢椽宕滈敃鍌氭瀬鐎广儱顦伴悡鐔兼煙闁箑骞楃紓宥嗗灴閺屽秷顧侀柛鎾寸箞瀹曟椽寮介锝呭簥濠电娀娼ч鍡浰夐崼鐔虹闁瑰鍋犳竟妯汇亜閿濆懏鎯堟い顏勫暣婵″爼宕橀妸銉ヮ潥闁诲骸鍘滈崑鎾绘煙闂傚顦﹂柦鍐枑缁绘盯骞嬮弮鈧崳浼存煃瑜滈崜銊х不閹捐崵宓侀悗锝庝簴閺€浠嬫煕閵夈垺娅冪紒顭戝枛閳规垿鎮╁▓鎸庢瘜闂佸憡鎸荤换鍡涘Φ閹版澘绀冩い鏃囨娴滈亶姊虹憴鍕妞ゆ泦鍥ㄥ珔闁绘柨鍚嬮悡銉╂煟閺傛寧鎯堢€涙繄绱撴担鎻掍壕闂佸憡鍔﹂崰妤呮偂閸愵喗鐓曟繝闈涙椤忊晠鏌嶈閸撴岸骞冮崒姘煎殨闁告劕寮弮鍫濆窛妞ゆ棁顫夌€氱厧鈹戦悙瀛樼稇闁告艾顑夐幃鐤槾缂侇喗妫冮、妤呭焵椤掑嫭绠掓繝鐢靛Т閿曘倖顨ラ崨濠冩珷闁绘鐗呯换鍡涙煕濞嗗浚妲稿┑顔肩У椤ㄣ儵鎮欓弶鎴犵懆闁剧粯鐗犻弻宥堫檨闁告挻宀稿畷鏇㈩敃閿旂晫鍘介梺缁樻煥閹芥粓鎯屾繝鍥ㄢ拺閻㈩垼鍠氶崚鐗堛亜閺囶亞绉鐐查叄閹稿﹥寰勭仦钘夌闂傚倷绀侀幉锟犲礉閿旂晫顩查柣鎰劋閺咁剚绻濇繝鍌滃闁绘挻绋戦…璺ㄦ崉閻氭潙濮涙繝鈷€鍕伌闁哄本鐩顒傛崉閵婃剬鍥ㄥ癄闁绘柨鍚嬮悡鏇熴亜閹邦喖孝闁告梹绮撻弻锝夊箻鐎电硶妲堥梻鍥ь樀閺屻劌鈹戦崱娆忊拡濠电偛鍚嬮崝妤呭焵椤掑喚娼愭繛鍙夌墵閹矂宕掗悙鑼舵憰闂佹枼鏅涢崯顖涘垔閹绢喗鍋℃繛鍡楃箰椤忊晝鐥悙顒€鈻曟慨濠勫劋濞碱亪骞嶉鐓庮瀴闂備礁婀遍幊鎾趁洪鐑嗗殨妞ゆ劧绠戠粻鑽ょ磽娴h偂鎴濃枍閵忋倖鈷戦悹鎭掑妼濞呮劙鏌熼崙銈嗗 [闂傚倸鍊搁崐鎼佸磹閹间礁纾归柟闂寸绾惧綊鏌熼梻瀵割槮缁炬儳婀遍埀顒傛嚀鐎氼參宕崇壕瀣ㄤ汗闁圭儤鍨归崐鐐差渻閵堝棗绗傜紒鈧笟鈧畷婊堫敇閻戝棙瀵岄梺闈涚墕濡鎱ㄨ缁辨帡鎮╅崘鑼紝闂佺粯渚楅崳锝嗘叏閳ь剟鏌曢崼婵囶棤闁告ɑ鎹囬弻鈩冨緞鐏炴垝娌繝銏㈡嚀濡繂鐣峰┑鍡╁悑闁糕剝鍔掔花濠氭⒑閸濆嫬鈧悂鎮樺┑瀣垫晜妞ゆ劑鍊楃壕濂稿级閸稑濡界€规洖鐬奸埀顒冾潐濞叉ḿ鏁幒妤嬬稏婵犻潧顑愰弫鍕煢濡警妲峰瑙勬礋濮婃椽宕ㄦ繝鍕窗闂佺ǹ瀛╂繛濠囧箚鐏炶В鏋庨柟鎯ь嚟閸橀亶姊洪崫鍕偍闁告柨鐭傞幃姗€鎮╅悽鐢碉紲闂佺粯鐟㈤崑鎾绘煕閵娿儳鍩g€殿喖顭锋俊鎼佸煛閸屾矮绨介梻浣呵归張顒傜矙閹达富鏁傞柨鐕傛嫹 | 闂傚倸鍊搁崐鎼佸磹閹间礁纾归柟闂寸绾惧綊鏌熼梻瀵割槮缁炬儳缍婇弻锝夊箣閿濆憛鎾绘煕閵堝懎顏柡灞诲€濆畷顐﹀Ψ閿旇姤鐦庡┑鐐差嚟婵潧顫濋妸褎顫曢柟鎹愵嚙绾惧吋绻涢崱妯虹瑨闁告﹫绱曠槐鎾寸瑹閸パ勭彯闂佹悶鍔忓▔娑㈡偩瀹勬壋鏀介柛鐙€鍠楀Λ鍐ㄧ暦濮椻偓婵℃悂濡疯閸犲﹪姊婚崒娆戭槮闁圭⒈鍋婂畷顖烆敃閿旇棄浜辨繝鐢靛Т濞层倗澹曢悷鎵虫斀闁绘ê纾。鏌ユ煟閹惧崬鐏ǎ鍥э躬椤㈡稑鈻庨幒婵嗗Τ婵犵鈧啿绾ч柟顔煎€垮濠氭晲閸℃ê鍔呭銈嗘⒒閸樠呯尵瀹ュ應鏀芥い鏃傘€嬫Λ姘箾閸滃啰鎮奸柛鎺撳笒閳诲酣骞樺畷鍥跺敹闂佺懓鍚嬮悾顏堝垂閾忓厜鍋撳顓炩枙婵﹦绮幏鍛存惞楠炲簱鍋撴繝鍥ㄧ厸闁告侗鍠氬ú瀵糕偓瑙勬处閸ㄨ泛顕i崼鏇炵妞ゆ挾鍋為鍧楁⒒娴e摜绉烘俊顐ユ硶缁牊绗熼埀顒€鐣峰鈧崺鈧い鎺嗗亾妞ゎ亜鍟存俊鍫曞幢濡儤娈梻浣告憸婵敻骞戦崶褏鏆﹂柕蹇嬪€ら弫鍌炴煕濞戝崬鐏i柣锕€鐗撳鍝勑ч崶褏浼堝┑鐐板尃閸曨収娴勫┑鐘诧工閻楀﹪鎮¢悢鑲╁彄闁搞儯鍔嶉埛鎺旂磼閻橀潧浠ч柍褜鍓濋~澶娒哄Ο鍏煎床闁稿瞼鍎戠紞鏍ㄧ節闂堟侗鍎愰柛銈咁儔閺岋綁濮€閵堝棙閿Δ鐘靛仦閸旀瑥顫忕紒妯诲闁告盯娼х紞濠傤嚕閻㈠壊鏁嗛柛鏇楁杹閸嬫捇宕橀鐓庣獩濡炪倖姊婚搹搴∶洪幖浣光拺閻犳亽鍔屽▍鎰版煙閸戙倖瀚�]

    • 人工智能导论(第3版十三五江苏省高等学校重点教材)/新工科建设人工智能与智能科学系列
      • 作者:编者:丁世飞|责编:章海涛
      • 出版社:电子工业
      • ISBN:9787121363955
      • 出版日期:2020/01/01
      • 页数:310
    • 售价:23.92
  • 内容大纲

        本书主要阐述人工智能的基本原理、方法和应用技术。全书共13章,除第1章讨论人工智能基本概念、第13章讨论人工智能的争论与展望外,其余11章按照“基本智能+典型应用+计算智能”三个模块编排内容。第一个模块为人工智能经典的三大技术,分别为知识表示技术、搜索技术和推理技术,主要包括知识表示、确定性推理、搜索策略、不确定性推理;第二个模块为人工智能的典型应用领域,包括机器学习、支持向量机和专家系统;第三个模块为计算智能与群智能,包括神经计算、进化计算、模糊计算和群智能。
        本书力求科学性、模块化、实用性。内容由浅入深、循序渐进,条理清晰,让读者在有限的时间内,掌握人工智能的基本原理、基本方法和应用技术。本书为教师提供习题答案。
        本书可作为计算机科学与技术、智能科学与技术、人工智能、自动化、机器人工程等相关专业的教材,也可供从事人工智能研究与应用的科技工作者学习参考。
  • 作者介绍

  • 目录

    第一章  绪论
      1.1  人工智能的概念
        1.1.1  智能的定义
        1.1.2  人工智能的定义
      1.2  人工智能的产生和发展
        1.2.1  孕育期(20世纪50年代中期以前)
        1.2.2  形成及个兴旺期(20世纪50年代中期至60年代中期)
        1.2.3  萧条波折期(20世纪60年代中期至70年代中期)
        1.2.4  第二个兴旺期(20世纪70年代中期至80年代中期)
        1.2.5  稳步增长期(20世纪80年代中期至今)
        1.2.6  中国的人工智能发展
      1.3  人工智能的主要学派
        1.3.1  符号主义学派
        1.3.2  连接主义学派
        1.3.3  行为主义学派
      1.4  人工智能的主要研究内容
      1.5  人工智能的主要应用领域
      小结
      习题 1
    第2章  知识表示
      2.1  知识表示概述
        2.1.1  知识的概念
        2.1.2  知识表示的概念
      2.2  一阶谓词逻辑表示法
        2.2.1  命题
        2.2.2  谓词
        2.2.3  谓词公式
        2.2.4  谓词逻辑表示
        2.2.5  谓词逻辑表示法的特点
      2.3  产生式表示法
        2.3.1  产生式表示的基本方法
        2.3.2  产生式系统的基本结构
        2.3.3  产生式系统的分类
        2.3.4  产生式表示法的特点
      2.4  语义网络表示法
        2.4.1  语义网络的基本概念
        2.4.2  语义网络的基本语义关系
        2.4.3  语义网络表示知识的方法
        2.4.4  语义网络的推理过程
        2.4.5  语义网络表示法的特点
      2.5  框架表示法
        2.5.1  框架结构
        2.5.2  框架表示
        2.5.3  框架表示的推理过程
        2.5.4  框架表示法的特点
      2.6  脚本表示法
      2.7  面向对象表示法
      小结
      习题 2
    第3章  确定性推理

      3.1  推理概述
        3.1.1  推理的概念
        3.1.2  推理的分类
        3.1.3  推理的控制策略
      3.2  推理的逻辑基础
        3.2.1  谓词公式的永真性和可满足性
        3.2.2  置换与合一
      3.3  自然演绎推理
      3.4  归结演绎推理
        3.4.1  子句型
        3.4.2  鲁滨逊归结原理
        3.4.3  归结演绎推理的归结策略
        3.4.4   用归结原理求取问题的答案
      小结
      习题 3
    第4章  搜索策略
      4.1  搜索概述
      4.2  一般图搜索
        4.2.1  图搜索的基本概念
        4.2.2  状态空间搜索
        4.2.3  一般图搜索过程
      4.3  盲目搜索
        4.3.1  宽度优先搜索
        4.3.2  深度优先搜索
        4.3.3  有界深度搜索和迭代加深搜索
        4.3.4  搜索策略的比较
      4.4  启发式搜索
        4.4.1  启发性信息和评估函数
        4.4.2  启发式搜索A算法
        4.4.3  实现启发式搜索的关键因素
        4.4.4  A算法
        4.4.5  迭代加深A算法
      4.5  回溯搜索和爬山法
        4.5.1  爬山法
        4.5.2  回溯策略
      4.6  问题规约
      4.7  与/或图搜索
        4.7.1  与/或图表示
        4.7.2  与/或图的启发式搜索
      4.8  博弈
        4.8.1  极大极小过程
        4.8.2  α-β过程
      小结
      习题 4
    第5章  不确定性推理
      5.1  不确定性推理概述
        5.1.1  不确定性推理的概念
        5.1.2  知识不确定性的来源
        5.1.3  不确定性推理要解决的基本问题
        5.1.4  不确定性推理方法的分类

      5.2  概率方法
        5.2.1  概率论基础
        5.2.2  经典概率方法
        5.2.3  逆概率方法
      5.3  主观贝叶斯方法
        5.3.1  规则不确定性的表示
        5.3.2  证据不确定性的表示
        5.3.3  组合证据不确定性的计算
        5.3.4  不确定性推理
        5.3.5  结论不确定性的合成算法
      5.4  确定性理论
        5.4.1  可信度
        5.4.2  CF模型
        5.4.3  确定性方法的说明
      5.5  证据理论
        5.5.1  证据理论的形式描述
        5.5.2  证据理论的推理模型
        5.5.3  证据不确定性的表示
        5.5.4  规则不确定性的表示
        5.5.5  不确定性的推理
        5.5.6  组合证据的不确定性计算
      5.6  模糊推理
        5.6.1  模糊数学的基本知识
        5.6.2  模糊假言推理
      小结
      习题 5
    第6章  机器学习
      6.1  机器学习概述
        6.1.1  学习与机器学习
        6.1.2  学习系统
        6.1.3  机器学习的发展简史
        6.1.4  机器学习的分类
        6.1.5  机器学习的应用和研究目标
      6.2  归纳学习
        6.2.1  归纳学习的基本概念
        6.2.2  变型空间学习
        6.2.3  归纳偏置
      6.3  决策树学习
        6.3.1  决策树的组成及分类
        6.3.2  决策树的构造算法CLS
        6.3.3  基本的决策树算法ID3
        6.3.4  决策树的偏置
      6.4  基于实例的学习
        6.4.1  k?近邻算法
        6.4.2  距离加权最近邻法
        6.4.3  基于范例的学习
      6.5  强化学习
        6.5.1  强化学习模型
        6.5.2  马尔可夫决策过程
        6.5.3  Q学习

      小结
      习题 6
    第7章  支持向量机
      7.1  支持向量机概述
      7.2  统计学习理论
        7.2.1  学习问题的表示
        7.2.2  期望风险和经验风险
        7.2.3  VC维理论
        7.2.4  推广性的界
        7.2.5  结构风险最小化
      7.3  支持向量机的构造
        7.3.1  函数集结构的构造
        7.3.2  支持向量机的模式
      7.4  核函数
        7.4.1  核函数概述
        7.4.2  核函数的分类
      7.5  SVM的算法及多类SVM
      7.6  用于非线性回归的SVM
      7.7  支持向量机的应用
      小结
      习题 7
    第8章  专家系统
      8.1  专家系统概述
        8.1.1  专家系统的特性
        8.1.2  专家系统的结构和类型
      8.2  基于规则的专家系统
      8.3  基于框架的专家系统
      8.4  基于模型的专家系统
      8.5  专家系统的开发
        8.5.1  专家系统的开发过程
        8.5.2  专家系统的知识获取
        8.5.3  专家系统的开发工具和环境
      8.6  专家系统设计举例
        8.6.1  专家知识的描述
        8.6.2  知识的使用
        8.6.3  决策的解释
        8.6.4  MYCIN系统
      8.7  新型专家系统
      小结
      习题 8
    第9章  神经计算
      9.1  神经计算概述
      9.2  感知器
        9.2.1  感知器的结构
        9.2.2  感知器的学习算法
      9.3  反向传播网络
        9.3.1  BP网络的结构
        9.3.2  BP网络的学习算法
      9.4  自组织映射神经网络
        9.4.1  SOM网络结构

        9.4.2  SOM网络的学习算法
      9.5  Hopfield网络
        9.5.1  离散Hopfield网络的结构
        9.5.2  离散Hopfield网络的稳定性
        9.5.3  离散Hopfield网络的学习算法
      9.6  脉冲耦合神经网络
        9.6.1  PN的结构
        9.6.2  PN的学习算法
      9.7  深度神经网络
      小结
      习题 9
    第10章  进化计算
      10.1  进化计算概述
      10.2  遗传算法
        10.2.1  遗传算法的基本原理
        10.2.2  遗传算法的应用示例
        10.2.3  模式定理
        10.2.4  遗传算法的改进
      10.3  进化规划
        10.3.1  标准进化规划及其改进
        10.3.2  进化规划的基本技术
      10.4  进化策略
        10.4.1  进化策略及其改进
        10.4.2  进化策略的基本技术
      10.5  GA、EP、ES的异同
      小结
      习题 10
    第11章  模糊计算
      11.1  模糊集合的概念
        11.1.1  模糊集合的定义
        11.1.2  模糊集合的表示方法
      11.2  模糊集合的代数运算
      11.3  正态模糊集和凸模糊集
      11.4  模糊关系
        11.4.1  模糊关系的概述
        11.4.2  模糊关系的性质
      11.5  模糊判决
      11.6  模糊数学在模式识别中的应用
        11.6.1  隶属度原则
        11.6.2  择近原则
      小结
      习题 11
    第12章  群智能
      12.1  群智能概述
        12.1.1  群智能优化算法定义
        12.1.2  群智能优化算法原理
        12.1.3  群智能优化算法特点
      12.2  蚁群算法
        12.2.1  蚁群算法概述
        12.2.2  蚁群算法的数学模型

        12.2.3  蚁群算法的改进
        12.2.4  蚁群算法的应用示例
      12.3  粒子群优化算法
        12.3.1  粒子群优化算法基本思想
        12.3.2  粒子群优化算法基本框架
        12.3.3  粒子群优化算法参数分析与改进
        12.3.4  粒子群优化算法的应用示例
      12.4  其他群智能优化算法
        12.4.1  人工鱼群算法
        12.4.2  细菌觅食算法
        12.4.3  混合蛙跳算法
        12.4.4  果蝇优化算法
      小结
      习题 12
    第13章  争论与展望
      13.1  争论
        13.1.1  对人工智能理论的争论
        13.1.2  对人工智能方法的争论
        13.1.3  对人工智能技术路线的争论
        13.1.4  对强弱人工智能的争论
      13.2  展望
        13.2.1  更新的理论框架
        13.2.2  更好的技术集成
        13.2.3  更成熟的应用方法
        13.2.4  脑机接口
      小结
      习题 13
    附录A  参考答案
    参考文献