人工智能技术 [修春波主编]

人工智能技术  
作者：修春波主编 
出版时间：2018 
丛编项：普通高等教育“十三五”规划教材 
内容简介 
　　本书介绍了人工智能的发展历史？基本流派？研究领域， 知识表示方法和推理技术？图搜索技术， 专家系统及其开发工具的使用和设计方法，模糊理论及应用， 机器学习和神经网络， 卷积神经网络， 混沌理论， 智能优化算法原理和应用， 多智能体技术等内容？ 本书是作者在多年教学和科研实践的基础上， 参阅了国内外现有教材和相关文献后编写的？全书注重理论与实践的结合， 注重算法的实际应用与实现方法， 注重创新思维的训练与培养？ 本书可作为高等院校人工智能？自动化？电气工程及其自动化？计算机科学与技术？电子信息工程等专业学生“人工智能” 课程的本科生？研究生教材， 也可供从事人工智能研究与应用的科技工作者学习参考？ 
目录 
目录  
前 言  
第1 章 绪论 1  
1. 1 人工智能的起源与发展 1  
1. 2 人工智能学术流派 4  
1. 3 人工智能的研究与应用领域 6  
习题 10  
第2 章 知识表示和推理 11  
2. 1 知识和知识表示的基本概念 11  
2. 2 命题逻辑 14  
2. 2. 1 语法 14  
2. 2. 2 语义(Semantics) 15  
2. 2. 3 命题演算(Calculas) 形式系统 16  
2. 3 谓词逻辑 17  
2. 3. 1 语法 18  
2. 3. 2 语义 21  
2. 4 归结推理 25  
2. 4. 1 子句集及其简化 26  
2. 4. 2 海伯伦定理 29  
2. 4. 3 Robinson 归结原理 33  
2. 4. 4 利用Robinson 归结原理实现定理  
证明 38  
2. 4. 5 应用归结原理求解问题 42  
2. 5 产生式系统 43  
2. 5. 1 产生式系统的组成部分 44  
2. 5. 2 产生式系统的控制策略 45  
2. 5. 3 产生式系统的推理方式 46  
2. 6 语义网络表示法 47  
2. 6. 1 语义网络的结构 47  
2. 6. 2 基本命题的语义网络表示 47  
2. 6. 3 语义网络的知识表示方法 50  
2. 6. 4 语义网络表示法的特点 54  
2. 7 框架表示法 54  
2. 8 状态空间表示法 56  
2. 9 与或图表示法 57  
习题 58  
第3 章 图搜索技术 59  
3. 1 问题的提出 59  
3. 2 状态图搜索 61  
3. 2. 1 状态图搜索分类 61  
3. 2. 2 穷举式搜索 63  
3. 2. 3 启发式搜索 66  
3. 2. 4 A 算法及A?算法 69  
3. 3 与或图搜索 71  
3. 3. 1 与或图 71  
3. 3. 2 与或图搜索 72  
3. 4 博弈图搜索 76  
3. 4. 1 博弈图 76  
3. 4. 2 极大极小分析法 78  
3. 4. 3 剪枝技术 80  
习题 81  
第4 章 专家系统 82  
4. 1 专家系统的概述 82  
4. 1. 1 专家系统的概念与特点 82  
4. 1. 2 专家系统和传统程序的区别 83  
4. 1. 3 专家系统的类型 83  
4. 2 专家系统的结构 84  
4. 3 专家系统的设计原则与开发过程 85  
4. 3. 1 专家系统的设计原则 85  
4. 3. 2 专家系统的开发过程 86  
4. 4 专家系统评价 87  
4. 5 MYCIN 专家系统实例分析 88  
4. 6 专家系统开发工具 90  
4. 6. 1 骨架型开发工具 90  
4. 6. 2 语言型开发工具 91  
4. 6. 3 构造辅助工具 91  
4. 6. 4 支撑环境 92  
4. 7 Prolog 语言 93  
4. 7. 1 Prolog 语言的特点 93  
4. 7. 2 基本Prolog 的程序结构 94  
4. 7. 3 Prolog 程序的运行机理 95  
4. 7. 4 Turbo Prolog 程序结构 97  
4. 7. 5 Turbo Prolog 的数据与表达式 98  
4. 7. 6 Visual Prolog 介绍 103  
4. 7. 7 PIE: Prolog 的推理机 107  
习题 109  
第5 章 模糊理论及应用 110  
5. 1 模糊理论的产生与发展 110  
5. 2 模糊理论的数学基础 111  
5. 2. 1 经典集合论的基本概念 111  
5. 2. 2 模糊集合的基本概念 112  
5. 2. 3 模糊关系与复合运算 115  
5. 3 模糊推理 117  
5. 3. 1 模糊条件语句 117  
5. 3. 2 模糊推理 120  
5. 4 模糊控制系统及模糊控制器 122  
5. 4. 1 模糊控制系统的基本结构 122  
5. 4. 2 模糊控制器 123  
5. 4. 3 模糊控制器的设计 124  
5. 4. 4 模糊PID 控制器的设计 130  
5. 5 模糊聚类分析与模糊模式识别 133  
5. 5. 1 模糊聚类分析 134  
5. 5. 2 模糊模式识别 137  
5. 6 模糊聚类应用案例分析 138  
习题 143  
第6 章 机器学习和神经网络 144  
6. 1 机器学习的基本概念和发展史 144  
6. 2 经典机器学习方法 145  
6. 3 基于神经网络的学习 148  
6. 3. 1 神经网络概述 148  
6. 3. 2 人工神经网络模型 149  
6. 4 BP 神经网络 153  
6. 4. 1 网络结构 153  
6. 4. 2 网络学习算法 154  
6. 4. 3 BP 网络的改进算法 156  
6. 4. 4 BP 神经网络的特点 157  
6. 4. 5 神经网络应用实例解析 158  
6. 5 RBF 神经网络 160  
6. 5. 1 径向基函数 160  
6. 5. 2 径向基函数网络结构 162  
6. 5. 3 网络学习算法 162  
6. 5. 4 RBF 网与BP 网的对比 163  
6. 6 CMAC 神经网络 164  
6. 6. 1 CMAC 网络结构 164  
6. 6. 2 网络学习算法 164  
6. 6. 3 CMAC 网络的特点 166  
6. 7 Hopfield 神经网络 166  
6. 7. 1 离散型Hopfield 网络 167  
6. 7. 2 连续型Hopfield 网络 168  
6. 8 Elman 神经网络 171  
6. 8. 1 Elman 神经网络结构 171  
6. 8. 2 Elman 神经网络学习算法 172  
6. 9 模糊神经网络 172  
6. 9. 1 网络结构 173  
6. 9. 2 学习过程 174  
6. 10 其他类型的神经网络介绍 175  
习题 178  
第7 章 卷积神经网络及TensorFlow  
应用实践 179  
7. 1 卷积神经网络发展简介 179  
7. 2 卷积神经网络工作原理 179  
7. 3 TensorFlow 学习 185  
7. 3. 1 TensorFlow 简介 185  
7. 3. 2 TensorFlow 中的函数和相关  
运算 190  
7. 3. 3 卷积函数 194  
7. 3. 4 池化函数 196  
7. 4 利用TensorFlow 进行图像处理 197  
7. 4. 1 图像的读取与存储 197  
7. 4. 2 图像处理常用函数 197  
7. 5 卷积神经网络在MNIST 的应用  
实例 201  
习题 212  
第8 章 混沌