人工智能導論（簡體書）

《人工智能導論》從人工智能的基本知識點(知識表示、搜索策略、確定性推理和不確定性推理等)入手，在全面講解基礎知識之後，進一步介紹人工智能在各領域中的研究，如人工智能在機器學習、專家系統、智能體、自然語言處理及其他領域的研究，並且配有豐富的實例方便讀者理解學習，幫助讀者由淺入深地學習人工智能知識。
《人工智能導論》按照人工智能的知識體系結構系統講解各知識點，並且在每章末配有思考與練習，幫助讀者理解和自測。《人工智能導論》內容全面、重點突出、由淺入深、方便理解、實用性強。各章節既相互獨立又相互關聯，適合項目化教學、課程設計、專題培訓等。
《人工智能導論》既可以作為高等院校計算機類專業的相關課程教材，也可以作為相關培訓機構的輔導用書。

在組織結構遞進的同時，每章還配以實例、小結及思考與練習，加深讀者對知識的理解及運用

前言
第1章 緒論1
1.1 什麼是人工智能1
1.1.1 人工智能的定義1
1.1.2 人工智能研究的特點3
1.2 人工智能發展簡史3
1.3 人工智能的研究方法7
1.3.1 符號主義7
1.3.2 連接主義8
1.3.3 行為主義9
1.4 人工智能的應用領域10
1.5 本章小結14
1.6 思考與練習14
第2章 知識表示15
2.1 概述15
2.2 一階謂詞邏輯表示法15
2.2.1 命題邏輯16
2.2.2 謂詞邏輯16
2.3 產生式表示法21
2.3.1 產生式21
2.3.2 產生式系統的組成22
2.3.3 產生式系統的基本過程24
2.4 語義網絡表示法29
2.4.1 語義網絡30
2.4.2 語義網絡的推理及其特點34
2.5 框架表示法35
2.5.1 框架結構35
2.5.2 框架表示法及其特點37
2.6 本章小結39
2.7 思考與練習39
第3章 搜索策略40
3.1 概述40
3.2 問題求解過程的形式表示41
3.2.1 狀態空間表示法41
3.2.2 與或樹表示法43
3.3 狀態空間圖的盲目搜索策略46
3.3.1 廣度優先搜索策略46
3.3.2 深度優先搜索策略48
3.4 狀態空間圖的啟發式搜索策略50
3.4.1 估價函數與擇優搜索51
3.4.2 啟發式搜索A算法52
3.4.3 A*算法54
3.5 與或樹的搜索策略57
3.5.1 與或樹的盲目搜索策略57
3.5.2 與或樹的啟發式搜索策略60
3.5.3 博弈樹的啟發式搜索策略63
3.6 本章小結67
3.7 思考與練習67
第4章 確定性推理68
4.1 自然演繹推理68
4.2 歸結演繹推理69
4.2.1 子句集69
4.2.2 海伯倫定理71
4.2.3 魯濱遜歸結原理73
4.2.4 歸結反演75
4.3 與或型的演繹推理76
4.3.1 與或型的正向演繹推理76
4.3.2 與或型的逆向演繹推理80
4.3.3 與或型的雙向演繹推理82
4.4 本章小結83
4.5 思考與練習83
第5章 不確定性推理85
5.1 不確定性推理概述85
5.1.1 不確定性及其類型85
5.1.2 不確定性推理要解決的基本問題86
5.1.3 不確定性推理方法分類87
5.2 主觀貝葉斯方法88
5.2.1 不確定性推理的概率基礎88
5.2.2 不確定性的表示89
5.2.3 不確定性的傳遞算法90
5.3 證據理論91
5.3.1 D-S理論92
5.3.2 基於證據理論的不確定性推理93
5.4 模糊推理95
5.4.1 模糊理論95
5.4.2 模糊推理相關概念97
5.5 粗糙集理論99
5.5.1 粗糙集理論的基本概念99
5.5.2 粗糙集在知識發現中的應用102
5.6 本章小結105
5.7 思考與練習105
第6章 機器學習107
6.1 機器學習概述107
6.1.1 機器學習的基本概念107
6.1.2 機器學習發展歷程108
6.1.3 機器學習分類110
6.2 歸納學習110
6.2.1 歸納學習的基本概念110
6.2.2 歸納學習的分類111
6.2.3 歸納學習的方法113
6.3 人工神經網絡學習116
6.3.1 簡介116
6.3.2 基於反向傳播網絡的學習118
6.3.3 基於Hopfield神經網絡的學習121
6.4 深度學習125
6.4.1 簡介125
6.4.2 深度學習經典模型126
6.5 強化學習128
6.5.1 簡介128
6.5.2 強化學習的經典算法129
6.6 本章小結130
6.7 思考與練習131
第7章 專家系統132
7.1 專家系統概述132
7.1.1 專家系統的基本概念132
7.1.2 專家系統的發展歷程134
7.1.3 專家系統的基本結構及工作
原理135
7.2 專家系統的設計與實現137
7.2.1 專家系統的開發步驟137
7.2.2 需求分析138
7.2.3 知識獲取138
7.2.4 系統設計139
7.3 專家系統的開發工具與環境140
7.3.1 通用型知識表達語言140
7.3.2 骨架系統141
7.3.3 組合型開發工具142
7.4 新型專家系統研究143
7.4.1 分布式專家系統143
7.4.2 協同式專家系統144
7.4.3 神經網絡專家系統145
7.4.4 基於互聯網的專家系統147
7.5 案例分析149
7.5.1 醫學專家系統150
7.5.2 動物識別專家系統151
7.5.3 探礦專家系統152
7.6 本章小結154
7.7 思考與練習154
第8章 智能體與多智能體系統155
8.1 智能體與多智能體系統概述155
8.1.1 智能體與多智能系統的基本
概念155
8.1.2 智能體與多智能系統的特點156
8.2 智能體理論157
8.2.1 智能體的結構157
8.2.2 智能體的分類157
8.3 多智能體系統160
8.3.1 多智能體系統的結構160
8.3.2 多智能體系統的關鍵問題160
8.3.3 多智能體系統的應用163
8.4 移動智能體166
8.4.1 移動智能體概述167
8.4.2 移動智能體的技術難點168
8.5 案例分析169
8.5.1 火星移動智能體170
8.5.2 供應商評估方法171
8.6 本章小結172
8.7 思考與練習173
第9章 自然語言處理174
9.1 自然語言處理概述174
9.1.1 自然語言處理的基本概念174
9.1.2 自然語言處理的發展歷程175
9.2 自然語言處理的基礎研究內容177
9.2.1 自然語言處理的層次177
9.2.2 詞法分析178
9.2.3 句法分析179
9.2.4 語義分析181
9.3 自然語言處理的應用技術183
9.3.1 機器翻譯184
9.3.2 信息檢索186
9.3.3 問答系統188
9.4 案例分析190
9.4.1 自然語言自動理解系統190
9.4.2 中文文本的詞頻統計191
9.5 本章小結192
9.6 思考與練習192
第10章 人工智能在一些領域的
研究193
10.1 機器人學193
10.1.1 機器人學概述193
10.1.2 機器人系統195
10.1.3 機器人的應用與展望196
10.1.4 足球機器人案例分析198
10.2 智能規劃199
10.2.1 智能規劃概述199
10.2.2 智能規劃的應用200
10.2.3 智能電網案例分析201
10.3 數據挖掘205
10.3.1 數據挖掘概述205
10.3.2 數據挖掘的常用技術與應用207
10.3.3 數據挖掘在氣象預報研究中的
應用208
10.4 本章小結210
10.5 思考與練習