人工智能是计算机科学的一个分支，是一门研究机器智能的学科，即用人工的方法和技术研制智能机器或智能系统，来模仿、延伸和扩展人的智能，实现智能行为。
本书共16章。第1～6章讨论人工智能的认知问题和逻辑基础，论述约束推理、定性推理、基于范例推理、概率推理。第7～13章重点讨论机器学习，包括归纳学习、支持向量机、解释学习、强化学习、粗糙集、关联规则、知识发现。第14章阐述分布智能。第15～16章分别讨论进化计算和人工生命。与第一版相比，增加了五章新内容。其他章节也做了较大的修改和补充。
本书内容新颖，反映了该领域的最新研究进展，特别总结了作者多年的科研成果。全书力求从理论、算法、系统、应用等方面讨论人工智能的方法和关键技术。本书可以作为信息领域和相关专业的高等院校高年级学生和研究生的教材，也可以供有关科技人员学习参考。
样章试读
目录
- 《智能科学技术著作丛书》序
前言
第1章 绪论
1.1 人工智能的渊源
1.2 人工智能的认知问题
1.3 思维的层次模型
1.4 符号智能
1.5 人工智能的研究方法
1.6 自动推理
1.7 机器学习
1.8 分布式人工智能
1.9 人工思维模型
1.10 知识系统
习题
第2章 人工智能逻辑
2.1 概述
2.2 逻辑程序设计
2.3 非单调逻辑
2.4 封闭世界假设
2.5 默认逻辑
2.6 限制逻辑
2.7 非单调逻辑NML
2.8 自认知逻辑
2.9 真值维护系统
2.10 情景演算的逻辑基础
2.11 框架问题
2.12 动态描述逻辑DDL
习题
3.1 概述
3.2 回溯法
3.3 约束传播
3.4 约束传播在树搜索中的作用
3.5 智能回溯与真值维护
3.6 变量例示次序与赋值次序
3.7 局部修正搜索法
3.8 基于图的回跳法
3.9 基于影响的回跳法
3.10 约束关系运算的处理
3.11 约束推理系统COPS
3.12 ILOG Solver
习题
第4章 定性推理
4.1 概述
4.2 定性推理的基本方法
4.3 定性模型推理
4.4 定性进程推理
4.5 定性仿真推理
4.6 代数方法
4.7 几何空间定性推理
习题
第5章 基于范例的推理
5.1 概述
5.2 类比的形式定义
5.3 过程模型
5.4 范例的表示
5.5 范例的索引
5.6 范例的检索
5.7 相似性关系
5.8 范例的复用
5.9 范例的保存
5.10 基于例示的学习
5.11 范例工程
5.12 范例约简算法
5.13 中心渔场预报专家系统
习题
第6章 概率推理
6.1 概述
6.2 贝叶斯概率基础
6.3 贝叶斯问题求解
6.4 简单贝叶斯学习模型
6.5 贝叶斯网络的建造
6.6 贝叶斯潜在语义模型
6.7 半监督文本挖掘算法
习题
第7章 归纳学习
7.1 概述
7.2 归纳学习的逻辑基础
7.3 偏置变换
7.4 变型空间方法
7.5 AQ归纳学习算法
7.6 CLS学习算法
7.7 ID3学习算法
7.8 基于偏置变换的决策树学习算法BSDT
7.9 归纳学习的计算理论
习题
第8章 支持向量机
8.1 统计学习问题
8.2 学习过程的一致性
8.3 结构风险最小归纳原理
8.4 支持向量机
8.5 核函数
8.6 基于分类超曲面的海量数据分类方法
习题
第9章 解释学习
9.1 概述
9.2 解释学习模型
9.3 解释泛化学习方法
9.4 全局取代解释泛化方法
9.5 解释特化学习方法
9.6 解释泛化的逻辑程序
9.7 基于知识块的SOAR系统
9.8 可操作性标准
9.9 不完全领域知识下的解释学习
习题
第10章 强化学习
10.1 概述
10.2 强化学习模型
10.3 动态规划
10.4 蒙特卡罗方法
10.5 时序差分学习
10.6 Q学习
10.7 强化学习中的函数估计
10.8 强化学习的应用
习题
第11章 粗糙集
11.1 概述
11.2 知识的约简
11.3 决策逻辑
11.4 决策表的约简
11.5 粗糙集的扩展模型
11.6 粗糙集的实验系统
11.7 粒度计算
11.8 粗糙集的展望
习题
第12章 关联规则
12.1 关联规则挖掘概述
12.2 广义模糊关联规则的挖掘
12.3 挖掘关联规则的数组方法
12.4 任意多表间关联规则的并行挖掘
12.5 基于分布式系统的关联规则挖掘算法
12.6 词性标注规则的挖掘算法与应用
习题
第13章 知识发现
13.1 概述
13.2 知识发现的任务
13.3 知识发现工具
13.4 MSMiner的体系结构
13.5 元数据管理
13.6 数据仓库
13.7 算法库管理
习题
第14章 分布智能
14.1 概述
14.2 分布式问题求解
14.3 主体基础
14.4 主体理论
14.5 主体结构
14.6 主体通信语言ACL
14.7 协调和协作
14.8 移动主体
14.9 多主体环境MAGE
习题
第15章 进化计算
15.1 概述
15.2 进化系统理论的形式模型
15.3 达尔文进化算法
15.4 分类器系统
15.5 桶链算法
15.6 遗传算法
15.7 并行遗传算法
15.8 分类器系统 Boole
15.9 规则发现系统
15.10 进化策略
15.11 进化规划
习题
第16章 人工生命
16.1 引言
16.2 人工生命的探索
16.3 人工生命模型
16.4 人工生命的研究方法
16.5 细胞自动机
16.6 形态形成理论
16.7 混沌理论
16.8 人工生命的实验系统
习题
参考文献
京公网安备 11010102004214号