人工智能基础及应用(微课版) 清华大学出版社

【保正版出版社正版新书发货放心订购】

作者: 孙平，唐非，张迪编
出版社: 清华大学出版社
ISBN: 9787302614951
出版时间: 2022-12

装帧: 平装
开本: 16开
页数: 328页

作者: 孙平，唐非，张迪编
出版社: 清华大学出版社
ISBN: 9787302614951

出版时间: 2022-12
装帧: 平装

开本: 16开
页数: 328页

售价 53.87 9.1折

定价￥59.00

品相全新

优惠

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2023-10-25

数量: 库存2件

立即购买加入购物车收藏

卖家超过10天未登录

四年老店

书山有路图书专营店

店铺等级

拍卖等级

资质认证

90天平均

成功完成

93.62% (393笔)

好评率

99.94%

发货时间

11.69小时

店主

云鹤九霄龙腾四海

联系

在线交谈离线留言

地址

广东省惠州市惠阳区

进店逛逛收藏店铺

[去看看店主的拍品]

商品详情
店铺评价

立即购买加入购物车收藏

手机购买

微信扫码访问

商品分类：

教材教辅考试 > 教材 > 大学教材 > 工程技术

货号：

1202792135

商品描述：

内容简介
本书是作者讲授多年人工智能基础及研究人工智能算法后，针对当前的教学实际需要而编写的。全书系统阐述了人工智能发展概况及前沿应用，较详细地介绍了知识表示、搜索和推理技术，给出了人工智能优化方法，还介绍了神经网络、专家系统与机器学习相关的方法，并列举了与人工智能算法相关的应用案例，从而方便大学生掌握人工智能理论的应用方法。全书内容力求简明扼要，具体实用，并有研究实例，便于自学。同时，本书配套数字教学资源包括微视频、习题答案，针对教师还提供了电子课件、教学大纲等。本书适合作为人工智能基础课程的教材，是高等院校师生掌握人工智能理论与应用方法的速成参考书，也是学习人工智能基础知识的必修教材。

作者简介
"孙平，沈阳工业大学教授，博士，博士生导师，辽宁省高等学校优秀人才。主要研究方向为康复机器人及控制、人工智能算法，主持并参与多项省级课题研究。在国际期刊、国内重要期刊和国际会议上发表论文60余篇，出版专著1部，主编教材2部，授权发明专利10项，正在审查的发明专利12项。 "

目录
第1章绪论1

1.1人工智能的发展史2

1.1.1人工智能国外发展史2

1.1.2人工智能国内发展史3

1.1.3人工智能的三次浪潮5

1.2人工智能的基本概念8

1.2.1人工智能的定义8

1.2.2人工智能的内涵与外延9

1.3人工智能的主流学派11

1.3.1符号主义学派11

1.3.2联结主义学派12

1.3.3行为主义学派14

1.3.4三大学派的比较15

1.4人工智能的研究目标15

1.5人工智能的研究领域16

习题17

第2章知识表示19

2.1知识和知识表示的基本概念20

2.2状态空间表示法23

2.2.1问题状态描述23

2.2.2状态图示法25

2.3问题归约法26

2.3.1问题归约描述26

2.3.2与或图表示28

2.4一阶谓词逻辑表示法30

2.4.1谓词31

2.4.2谓词公式32

2.4.3一阶谓词逻辑知识表示方法37

2.5产生式表示法39

2.5.1产生式39

2.5.2产生式系统40

2.5.3产生式系统的推理41

2.5.4产生式系统应用举例43

2.6语义网络表示法44

2.6.1语义网络的概念及结构45

2.6.2语义网络的基本语义联系46

2.6.3语义网络的知识表示方法48

2.6.4语义网络的知识表示举例53

2.6.5语义网络的推理过程54

2.7框架表示法55

2.7.1框架的一般结构55

2.7.2框架知识表示举例56

习题58

第3章搜索及推理技术61

3.1图搜索策略62

3.2盲目搜索64

3.2.1宽度优先搜索64

3.2.2等代价搜索66

3.2.3深度优先搜索68

3.3启发式搜索70

3.3.1启发式搜索策略和估价函数70

3.3.2有序搜索71

3.3.3A*搜索算法74

3.4推理的基本概念77

3.4.1推理的定义77

3.4.2推理方式及其分类77

3.4.3冲突消解策略80

3.5自然演绎推理81

3.6归结演绎推理82

3.6.1子句集及其化简83

3.6.2鲁滨逊归结原理86

3.6.3用归结原理求解问题89

3.7不确定推理91

3.8概率推理94

3.9主观贝叶斯表示方法96

3.9.1知识的不确定性的表示96

3.9.2证据的不确定性的表示97

3.9.3不确定性的传递算法98

3.9.4结论不确定性的合成101

3.9.5主观贝叶斯方法的特点103

3.10可信度方法103

3.10.1基于可信度的不确定表示103

3.10.2可信度方法的推理算法105

3.11证据理论108

3.11.1证据理论的形式化描述109

3.11.2证据理论的不确定性推理模型114

习题121

第4章智能优化计算123

4.1优化问题分类124

4.2优化算法分类125

4.3混沌优化126

4.3.1基本混沌优化算法126

4.3.2变尺寸混沌优化算法127

4.3.3双混沌优化搜索算法127

4.3.4幂函数载波的混沌优化算法128

4.3.5并行混沌优化算法129

4.4模拟退火算法129

4.5遗传算法130

4.5.1遗传算法的基础知识130

4.5.2遗传算法中的基本流程138

4.5.3遗传算法的改进139

4.5.4遗传算法案例141

4.6蚁群算法142

4.6.1蚁群算法简介143

4.6.2基本蚁群算法的工作原理144

4.7粒子群优化算法146

4.7.1基本粒子群优化算法146

4.7.2粒子群优化算法的拓扑结构150

4.8其他优化算法152

习题154

第5章神经网络155

5.1神经网络概述156

5.2神经网络模型157

5.2.1生物神经元模型157

5.2.2人工神经元模型158

5.2.3人工神经网络的学习方式161

5.3BP神经网络162

5.3.1网络基本结构163

5.3.2学习算法164

5.3.3网络的改进算法166

5.3.4BP神经网络的特点167

5.3.5神经网络应用示例168

5.4RBF神经网络171

5.4.1径向基函数172

5.4.2径向基函数网络结构173

5.4.3网络学习算法174

5.4.4RBF网络与BP网络的对比175

5.5Hopfield神经网络176

5.5.1离散型Hopfield网络176

5.5.2连续型Hopfield网络178

5.6Elman神经网络181

5.6.1Elman神经网络的结构181

5.6.2Elman神经网络学习算法182

5.7CMAC神经网络182

5.7.1CMAC网络结构182

5.7.2网络学习算法183

5.7.3CMAC网络的特点185

5.8模糊神经网络185

5.8.1网络结构186

5.8.2学习过程188

5.9深度学习189

5.9.1常见模型189

5.9.2训练算法及优化策略191

习题193

第6章专家系统195

6.1专家系统概述196

6.1.1专家系统的产生和发展196

6.1.2专家系统的定义、特点及类型197

6.1.3专家系统的结构和建造步骤200

6.2基于规则的专家系统203

6.2.1基于规则的专家系统的工作模型和结构203

6.2.2基于规则的专家系统的特点204

6.3基于框架的专家系统206

6.3.1基于框架的专家系统的定义、结构和设计方法206

6.3.2基于框架的专家系统的继承、槽和方法208

6.4基于模型的专家系统211

6.4.1基于模型的专家系统的提出211

6.4.2基于神经网络的专家系统212

6.5新型专家系统214

6.5.1新型专家系统的特征214

6.5.2分布式专家系统215

6.5.3协同式专家系统217

6.6专家系统的实例218

6.6.1医学专家系统——MYCIN218

6.6.2地质勘探专家系统——PROSPECTOR224

6.7专家系统的设计过程226

习题231

第7章机器学习233

7.1概述234

7.1.1机器学习的定义234

7.1.2机器学习的发展史235

7.1.3机器学习方法的分类237

7.1.4机器学习的基本问题239

7.2机器学习的主要策略及基本结构240

7.2.1机器学习的主要策略240

7.2.2机器学习的基本结构240

7.3归纳学习242

7.3.1归纳学习的模式及规则243

7.3.2归纳学习方法244

7.4类比学习246

7.4.1类比学习的推理及学习形式246

7.4.2类比的学习过程及分类247

7.5解释学习248

7.5.1解释学习的过程及算法248

7.5.2解释学习案例249

7.6贝叶斯学习250

7.6.1贝叶斯法则251

7.6.2朴素贝叶斯方法254

7.6.3贝叶斯网络255

7.6.4贝叶斯学习应用案例256

7.7决策树学习258

7.7.1决策树表示法259

7.7.2ID3算法260

7.7.3决策树学习的常见问题262

7.7.4决策树学习应用案例265

7.8其他学习算法268

7.8.1K近邻算法268

7.8.2K均值算法269

7.8.3强化学习269

习题272

第8章人工智能应用案例273

8.1模糊技术在坐垫服务机器人中的应用274

8.1.1坐垫服务机器人274

8.1.2机器人的避障角度274

8.1.3模糊轨迹规划276

8.2随机配置网络在坐垫服务机器人中的应用278

8.2.1具有系统偏移量的动力学模型278

8.2.2系统偏移量SCN辨识模型279

8.2.3机器人限时迭代学习跟踪控制280

8.3强化学习在康复训练机器人中的应用283

8.3.1康复训练机器人动力学模型283

8.3.2机器人强化学习运动速度决策284

8.3.3人机运动速度协调跟踪控制285

习题286

第9章人工智能的前沿287

9.1人工智能与智能助理288

9.1.1智能助理的基本逻辑288

9.1.2智能助理的未来290

9.1.3常见的几种智能助理290

9.2人工智能与量子计算292

9.2.1量子计算的概念293

9.2.2量子计算与人工智能的结合294

9.3人工智能与自动驾驶295

9.3.1感知系统297

9.3.2决策系统298

9.3.3控制系统300

9.3.4其他关键技术300

9.4人工智能与智慧教育302

9.4.1人工智能变革教育的潜力302

9.4.2人工智能与教育的结合303

9.5人工智能与智能家居305

9.5.1国内外智能家居的现状305

9.5.2智能家居的主要系统307

9.5.3人工智能在智能家居中的应用308

9.6机器学习的未来310

9.6.1深度学习的新型网络结构310

9.6.2强化学习311

9.6.33D打印312

9.6.4VR和AR314

习题317

参考文献318
配送说明

...
相似商品
为你推荐