成功加入购物车
马少平 、 朱小燕 著 / 清华大学出版社 / 2004-08 / 平装
售价 ¥ 0.99
品相 六品
优惠 满包邮
延迟发货说明
上书时间2021-06-04
卖家超过10天未登录
人工智能
《人工智能》主要阐述人工智能问题求解方法的一般性原理和基本思想。主要内容有:一般的搜索问题,包括盲目搜索和启发式搜索等;与或图搜索,包括AO·算法和博弈树搜索等;谓词逻辑以及基于归结的定理证明方法;知识表示,包括产生式方法、语义网络、框架等;不确定性推理方法,包括贝叶斯方法、证据理论和确定性方法等;机器学习,包括实例学习、解释学习、决策树学习和神经网络等;高级搜索,包括局部搜索方法、模拟退火方法和遗传算法等。
马少平、朱小燕:清华大学计算机系教授、博士生导师。多年在清华大学从事与人工智能相关的教学和研究工作,曾与他人著过《人工智能导论》,自1992年起至今从事清华大学计算机系本科生必修课“人工智能导论”教学工作,自1994年起至今从事清华大学计算机系研究生学位课“人工智能原理”教学工作。
第0章绪论0.1什么是人工智能0.2图灵测试0.3中文屋子问题0.4人工智能的研究目标0.5人工智能发展简史0.6人工智能研究的课题第1章搜索问题1.1回溯策略1.2图搜索策略1.3无信息图搜索过程1.4启发式图搜索过程1.5搜索算法讨论习题第2章与或图搜索问题2.1与或图的搜索2.2与或图的启发式搜索算法AO2.3博弈树的搜索习题第3章谓词逻辑与归结原理3.1命题逻辑3.1.1命题3.1.2命题公式3.1.3命题逻辑的意义3.1.4命题逻辑的推理规则3.1.5命题逻辑的归结方法3.2谓词逻辑基础3.2.1谓词基本概念3.2.2一阶谓词逻辑3.2.3谓词演算与推理3.2.4谓词知识表示3.3谓词逻辑归结原理3.3.1归结原理概述3.3.2Skolem标准型3.3.3子句集3.3.4置换与合一3.3.5归结式3.3.6归结过程3.3.7归结过程控制策略3.4Herbrand定理3.4.1概述3.4.2H域3.4.3H解释3.4.4语义树与Herbrand定理3.4.5Herbrand定理3.4.6Herbrand定理与归结法的完备性习题第4章知识表示4.1概述4.1.1知识4.1.2知识表示4.1.3知识表示观4.2产生式表示4.2.1事实与规则的表示4.2.2产生式系统的结构4.2.3产生式系统的推理4.2.4产生式表示的特点4.3语义网络表示4.3.1语义网络的结构4.3.2基本的语义关系4.3.3语义网络的推理4.3.4语义网络表示法的特点4.4框架表示4.4.1框架结构4.4.2框架表示下的推理4.4.3框架表示法的特点4.5其他表示方法4.5.1脚本知识表示方法4.5.2过程性知识表示法4.5.3直接性知识表示方法习题第5章不确定性推理方法5.1概述5.1.1不确定性5.1.2不确定性推理的基本问题5.1.3不确定性推理方法的分类5.2概率论基础5.2.1随机事件5.2.2事件的概率5.2.3贝叶斯定理5.2.4信任几率5.3贝叶斯网络5.3.1贝叶斯网络基本概念5.3.2贝叶斯网络的推理模式5.4主观贝叶斯方法5.4.1规则的不确定性5.4.2证据的不确定性5.4.3推理计算5.5确定性方法5.5.1规则的不确定性度量5.5.2证据的不确定性度量5.5.3不确定性的传播与更新5.5.4问题5.6证据理论(D-Stheory)5.6.1基本概念5.6.2证据的不确定性5.6.3规则的不确定性5.6.4推理计算习题第6章机器学习6.1概述6.1.1机器学习的基本概念6.1.2机器学习研究的意义6.1.3机器学·习发展历史6.1.4机器学习分类6.2机器学习的基本系统结构6.2.1环境6.2.2知识库6.2.3学习环节6.2.4执行环节6.3实例学习6.3.1实例学习的基本概念6.3.2实例学习方法的分类6.3.3变型空间法6.4解释学习6.4.1解释学习的基本概念6.4.2解释学习方法6.5决策树学习6.5.1概述6.5.21D3算法6.6神经网络学习6.6.1神经网络基础6.6.2前馈型人工神经网络6.6.3自组织竞争人工神经网络6.6.4人工神经网络的应用习题第7章高级搜索7.1基本概念7.1.1组合优化问题7.1.2邻域7.2局部搜索算法7.3模拟退火算法7.3.1固体退火过程7.3.2模拟退火算法7.3.3参数的确定7.3.4应用举例--旅行商问题7.4遗传算法7.4.1生物进化与遗传算法7.4.2遗传算法的实现问题习题参考文献
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30