人工智能導論

定　價：￥16.00

作　者：	林堯瑞，馬少平編著
出版社：	清華大學出版社
叢編項：	人工智能及其應(yīng)用叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302004080	出版時間：	2001-09-01	包裝：	精裝
開本：	20cm	頁數(shù)：	360	字數(shù)：

內(nèi)容簡介

　　人工智能正向各個領(lǐng)域滲透，帶來這些領(lǐng)域的更新?lián)Q代，愈來愈引起科技人員的興趣和重視。編寫本書目的之一是通過介紹人工智能基本思想和方法，為計算機科學和技術(shù)人員以及其他學科領(lǐng)域中有興趣的科技工作者提供最基本的人工智能技術(shù)和有關(guān)問題的入門知識。本書主要講述人工智能問題求解方法的一般性原理和基本思想，并簡要介紹人工智能語言、知識表示方法以及幾個應(yīng)用領(lǐng)域中所涉及的人工智能問題。全書共10章。前五章是人工智能基本原理和方法的論述，分別為：產(chǎn)生式系統(tǒng)及其搜索策略、可分解產(chǎn)生式系統(tǒng)的搜索策略、人工智能中的謂詞演算及應(yīng)用、人工智能系統(tǒng)規(guī)劃方法。后五章是人工智能技術(shù)應(yīng)用中涉及的幾個主要問題，分別為：人工智能語言、知識表示、自然語言理解、感知、學習。每章后有小結(jié)和習題。本書可作為計算機專業(yè)本科生和研究生學習人工智能導論課程的教材和參考書，也可作為其他專業(yè)研究生了解人工智能技術(shù)的參考書。本書還可作為其他對人工智能技術(shù)有興趣的科技、工程技術(shù)人員學習的入門參考書。

作者簡介

暫缺《人工智能導論》作者簡介

圖書目錄

緒論
0. 1  人工智能的研究目標
0. 2  人工智能發(fā)展簡史
0. 3  人工智能研究的課題
第一章  產(chǎn)生式系統(tǒng)
1. 1  產(chǎn)生式系統(tǒng)的組成部分
1. 2  產(chǎn)生式系統(tǒng)的基本過程
1. 3  產(chǎn)生式系統(tǒng)的控制策略
1. 4  問題的表示
1. 5  產(chǎn)生式系統(tǒng)的類型
1. 6  小結(jié)
習題
第二章  產(chǎn)生式系統(tǒng)的搜索策略
2. 1  回溯策略(Backtracking Strategies)
2. 2  圖搜索策略
2. 3  無信息圖搜索過程
2. 4  啟發(fā)式圖搜索過程
2. 5　按索算法討論
2. 6  小結(jié)
習題
第三章  可分解產(chǎn)生式系統(tǒng)的搜索策略
3. 1  與或圖的搜索
3. 2  與或圖的啟發(fā)式按索算法AO
3. 3  博弈樹的搜索
3. 4  小結(jié)
習題
第四章  人工智能中的調(diào)詞演算及應(yīng)用
4. 1  一階謂詞演算的基本體系
4. 2  歸結(jié)(消解Resolution)
4. 3  歸結(jié)反演系統(tǒng)(Refutation)
4, 4  基于歸結(jié)法的問答系統(tǒng)
4. 5  基于歸結(jié)的自動程序綜合
4. 6  基于歸結(jié)的問題求解方法
4, 7  基于規(guī)則的正向演繹系統(tǒng)
4. 8  基于規(guī)則的逆向演繹系統(tǒng)
4. 9  基于規(guī)則的演繹系統(tǒng)的幾個問題
4. 10  小結(jié)
習題
第五章  人工智能系統(tǒng)規(guī)劃方法
5. 1  規(guī)劃(Planning)
5. 2  機器人問題求解
5. 3  規(guī)劃的表示問題
5. 4  使用目標堆棧的簡單規(guī)劃方法
5. 5  用目標集的非線性規(guī)劃方法
5. 6  分層規(guī)劃方法
5. 7  小結(jié)
習題
第六章  人工智能語言
6. 1  LISP
6. 2  PLANNER
6. 3  PROLOG
6. 4  專家系統(tǒng)工具
6. 5  小結(jié)
習題
第七章  知識表示
7. 1  單元表示
7. 2  語義網(wǎng)絡(luò)
7. 3  概念從屬
7. 4  框架
7. 5  腳本
7. 6  過程表示
7. 7  小結(jié)
習題
第八章  自然語自理解
8. 1  引言
8. 2  簡單句理解
8. 3  復合句理解
8. 4  語言生成
8. 5  機器翻譯
8. 6  小結(jié)
習題
第九章  感知
9. 1  感知問題概述
9. 2  求解感知問題所使用的技術(shù)
9, 3  約束滿足法
9. 4  小結(jié)
習題
第十章  學習
10. 1  概述
10. 2  機器學習的分類
10. 3  機械(或死記)學習(Rote Learning)
20. 4  指點或教授學習(Learning by being told)
20. 5  類比學習(Learning by Analogy)
10. 6  概念學習(Concept Learning)
10. 7  發(fā)現(xiàn)學習(Discovery as Learning)
10. 8  小結(jié)
習題
參考文獻