幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

人工智慧原理及應用(高等院校電腦類規劃教材)

  • 作者：編者:劉麗//魯斌//李繼榮//姜麗梅|責編:馬曉仟//謝亞茹
  • 出版社：北京郵電大學
  • ISBN：9787563569069
  • 出版日期：2023/04/01
  • 裝幀：平裝
  • 頁數：302
人民幣：RMB 52 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統介紹人工智慧的基本原理、方法和應用技術，全面反映國內外人工智慧領域的研究進展和熱點。第1章為緒論，探討人工智慧的基本概念、發展歷程、研究目標、學術流派及研究和應用領域等；第2章為知識表示，對人工智慧的典型知識表示技術，以及基於特定知識表示技術的推理方法進行討論；第3章為搜索策略，討論問題的搜索求解策略，包含盲目搜索和啟髮式搜索等；第4章為邏輯推理，基於歸結原理討論邏輯推理在人工智慧系統中的應用；第5章為不確定性推理，介紹不確定性推理的基本概念和典型的不確定性推理技術；第6章為機器學習的基本概念，以及一些經典機器學習演算法的基本思想；第7章為計算智能，探討基於仿生的智能演算法，包括遺傳演算法和群演算法的基本原理和實現技術；第8章為智能體和多智能體系統，介紹智能體和多智能體系統的基本概念，多智能體系統的通信、協調與協作技術以及實際應用；第9章為人工智慧在電力系統中的應用，介紹電力系統故障診斷、電力巡檢、用電行為分析中的人工智慧技術。
    本書內容由淺入深、循序漸進、條理清晰，各章留有大量的例題和習題，便於讀者鞏固所學知識，可用作高等學校電腦類、電氣信息類、機械類以及其他相關專業高年級本科生和研究生的教材或教學參考書，也可供其他相關研究、設計和技術開發人員參考。
作者介紹
編者:劉麗//魯斌//李繼榮//姜麗梅|責編:馬曉仟//謝亞茹
目錄
第1章  緒論
  1.1  人工智慧的基本概念
    1.1.1  智能的概念
    1.1.2  現代人工智慧的興起
    1.1.3  人工智慧的定義
    1.1.4  廣義人工智慧和狹義人工智慧
    1.1.5  圖靈測試和中文房間問題
  1.2  人工智慧的發展歷程
    1.2.1  孕育期（1956年之前）
    1.2.2  形成期（1956-1969年）
    1.2.3  發展期（1970-2010年）
    1.2.4  深度學習和大數據驅動人工智慧蓬勃發展期（2011年至今）
  1.3  人工智慧的研究目標
  1.4  人工智慧的學術流派
    1.4.1  符號主義、聯結主義與行為主義
    1.4.2  傳統人工智慧與現場人工智慧
    1.4.3  弱人工智慧與強人工智慧
    1.4.4  簡約與粗陋
  1.5  人工智慧的研究和應用領域
    1.5.1  專家系統
    1.5.2  自然語言理解
    1.5.3  機器學習
    1.5.4  分散式人工智慧
    1.5.5  人工神經網路
    1.5.6  自動定理證明
    1.5.7  博弈
    1.5.8  機器人學
    1.5.9  模式識別
    1.5.10  自動程序設計
    1.5.11  智能控制
    1.5.12  語音識別
    1.5.13  電腦視覺
    1.5.14  計算智能
    1.5.15  智能決策支持系統
    1.5.16  智能電網
  1.6  本章小結
  1.7  習題
第2章  知識表示
  2.1  概述
    2.1.1  什麼是知識
    2.1.2  知識的性質
    2.1.3  知識的分類
    2.1.4  知識表示
    2.1.5  知識表示觀
  2.2  一階謂詞邏輯表示法
    2.2.1  一階謂詞邏輯表示法的邏輯學基礎
    2.2.2  一階謂詞邏輯表示法表示知識的步驟
    2.2.3  一階謂詞邏輯表示法的特點
  2.3  產生式表示法
    2.3.1  產生式表示法的表示形式

    2.3.2  產生式系統的基本結構
    2.3.3  產生式系統的推理方式
    2.3.4  產生式表示法的特點
  2.4  語義網路表示法
    2.4.1  語義基元
    2.4.2  基本語義關係
    2.4.3  關係的表示
    2.4.4  情況、動作和事件的表示
    2.4.5  謂詞連接詞的表示
    2.4.6  量詞的表示
    2.4.7  基於語義網路的推理
    2.4.8  語義網路表示法的特點
  2.5  框架表示法
    2.5.1  框架的一般結構
    2.5.2  框架系統
    2.5.3  基於框架的推理
    2.5.4  框架表示法的特點
  2.6  知識圖譜
    2.6.1  知識圖譜的基本概念
    2.6.2  知識圖譜的類型
    2.6.3  典型知識圖譜
    2.6.4  知識圖譜的架構及構建
  2.7  本章小結
  2.8  習題
第3章  搜索策略
  3.1  概述
    3.1.1  什麼是搜索
    3.1.2  搜索的主要過程
    3.1.3  搜索策略的分類
    3.1.4  主要的搜索策略
  3.2  狀態空間知識表示法
    3.2.1  狀態空間表示法概述
    3.2.2  狀態空間圖
  3.3  狀態空間的盲目搜索
    3.3.1  回溯策略
    3.3.2  一般的圖搜索策略
    3.3.3  深度優先搜索策略
    3.3.4  寬度優先搜索策略
  3.4  狀態空間的啟髮式搜索
    3.4.1  啟發性信息與評價函數
    3.4.2  A演算法
    3.4.3  分支界限法
    3.4.4  動態規劃法
    3.4.5  爬山法
    3.4.6  A?演算法
  3.5  與/或圖搜索
    3.5.1  與/或圖表示法
    3.5.2  與/或圖的搜索策略
    3.5.3  博弈樹搜索
  3.6  本章小結

  3.7  習題
第4章  邏輯推理
  4.1  推理
    4.1.1  推理方法
    4.1.2  控制策略
  4.2  邏輯推理
    4.2.1  命題語義
    4.2.2  範式和等值演算
    4.2.3  推理規則
  4.3  歸結原理
    4.3.1  子句
    4.3.2  二元歸結
    4.3.3  合一
    4.3.4  歸結反演
    4.3.5  歸結策略
  4.4  邏輯程序設計語言PROLOG
    4.4.1  Horn子句
    4.4.2  程序語句
    4.4.3  推理機制
    4.4.4  表結構
    4.4.5  應用實例
  4.5  本章小結
  4.6  習題
第5章  不確定性推理
  5.1  概述
    5.1.1  什麼是不確定性推理
    5.1.2  不確定性的表現
    5.1.3  不確定性推理要解決的基本問題
    5.1.4  不確定性推理方法的分類
  5.2  確定性理論
    5.2.1  可信度的基本概念
    5.2.2  表示問題
    5.2.3  計算問題
    5.2.4  帶有閾值限度的不確定性推理
    5.2.5  帶有權重的不確定性推理
    5.2.6  確定性理論的特點
  5.3  主觀Bayes方法
    5.3.1  證據不確定性的表示
    5.3.2  知識不確定性的表示
    5.3.3  組合證據的不確定性
    5.3.4  結論不確定性的更新
    5.3.5  結論不確定性的合成
    5.3.6  主觀Bayes方法的特點
  5.4  證據理論
    5.4.1  D?S理論
    5.4.2  一個特殊的概率分配函數
    5.4.3  表示問題
    5.4.4  計算問題
    5.4.5  證據理論的特點
  5.5  貝葉斯網路

    5.5.1  什麼是貝葉斯網路
    5.5.2  基於貝葉斯網路的不確定性知識表示
    5.5.3  基於貝葉斯網路的推理模式
    5.5.4  基於貝葉斯網路的不確定性推理的特點
  5.6  模糊推理
    5.6.1  模糊理論的基本概念
    5.6.2  表示問題
    5.6.3  計算問題
    5.6.4  模糊推理的特點
  5.7  本章小結
  5.8  習題
第6章  機器學習
  6.1  概述
    6.1.1  機器學習的定義
    6.1.2  機器學習的發展
    6.1.3  歸納學習
    6.1.4  機器學習分類
  6.2  決策樹學習
    6.2.1  決策樹
    6.2.2  決策樹構造演算法
    6.2.3  資訊理論
  6.3  樸素貝葉斯演算法
    6.3.1  貝葉斯定理
    6.3.2  條件獨立假設
    6.3.3  樸素貝葉斯演算法用於文本分類
  6.4  人工神經網路
    6.4.1  發展歷史
    6.4.2  網路結構和學習方法
    6.4.3  M?P模型
    6.4.4  感知器
    6.4.5  BP神經網路
    6.4.6  卷積神經網路
  6.5  支持向量機
    6.5.1  基本概念
    6.5.2  最優超平面
  6.6  聚類分析
    6.6.1  距離度量
    6.6.2  層次聚類
    6.6.3  動態聚類
  6.7  本章小結
  6.8  習題
第7章  計算智能
  7.1  遺傳演算法
    7.1.1  基本思想
    7.1.2  演算法模型
    7.1.3  個體和種群
    7.1.4  選擇機制
    7.1.5  遺傳操作
    7.1.6  遺傳演算法的應用
  7.2  粒子群優化演算法

    7.2.1  基本思想
    7.2.2  演算法模型
    7.2.3  粒子速度和位置的更新
  7.3  蟻群演算法
    7.3.1  基本思想
    7.3.2  演算法模型
    7.3.3  狀態轉移
    7.3.4  信息素更新
  7.4  本章小結
  7.5  習題
第8章  智能體和多智能體系統
  8.1  智能體的概念與結構
    8.1.1  智能體的基本概念
    8.1.2  智能體的特性
    8.1.3  智能體的結構
    8.1.4  智能體的類型
  8.2  多智能體系統的概念
    8.2.1  多智能體系統的特點
    8.2.2  多智能體系統的結構
  8.3  多智能體系統的通信
    8.3.1  通信類型和方式
    8.3.2  通信語言
  8.4  多智能體系統的協調與協作
    8.4.1  協調與協作的概念
    8.4.2  協調與協作的方式
  8.5  智能體及多智能體技術的應用
    8.5.1  智能體及多智能體技術應用
    8.5.2  多智能體系統實例——RoboCup競賽機器人
  8.6  本章小結
  8.7  習題
第9章  人工智慧在電力系統中的應用
  9.1  人工智慧在電力系統故障診斷中的應用——專家系統
    9.1.1  電網故障診斷原理
    9.1.2  專家系統的結構
    9.1.3  電網故障診斷專家系統的設計開發
    9.1.4  故障診斷中的推理方法
  9.2  人工智慧在電力設備巡檢中的應用——巡檢機器人
    9.2.1  電力設備巡檢概述
    9.2.2  巡檢機器人與智能體
    9.2.3  變電站巡檢系統的總體結構
    9.2.4  巡檢機器人的路徑規劃
    9.2.5  多機器人協作巡檢
  9.3  人工智慧在用電行為分析中的應用——電力大數據
    9.3.1  電力大數據概述
    9.3.2  用戶用電行為分析基礎理論
    9.3.3  電力用戶用電行為分析方法
    9.3.4  基於用電數據的電力負荷預測
  9.4  本章小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032