国产亚洲精品久久久久久久,精品日本三级在线观看

內容簡介

　　本書涵蓋人工智能學科的大多數(shù)領域，共分為十一章。第一章緒論，介紹人工智能的歷史、z新發(fā)展狀態(tài)及所包含的領域。剩余十章分別介紹各領域的基本原理與技術，包括知識表示與邏輯系統(tǒng)、搜索與自動規(guī)劃、不確定性推理、機器學習，以及近年快速發(fā)展的人工神經(jīng)網(wǎng)絡（深度學習）、強化學習、分布式人工智能與多智能體系統(tǒng)、平行智能、知識自動化、智能控制等。

作者簡介

　　葉佩軍，男，2013年于中國科學院大學獲工學博士學位，專業(yè)控制理論與控制工程，現(xiàn)任中國科學院自動化研究所復雜系統(tǒng)管理與控制國家重點實驗室助理研究員，西安交通大學軟件學院《人工智能原理與技術》研究生課程兼職授課教師，青島智能產業(yè)技術研究院平行數(shù)據(jù)創(chuàng)新中心主任，從事多智能體系統(tǒng)，人工智能，社會計算，智能交通等領域的基礎及應用研究，主持國家自然科學基金1項，參與國家“973”、“863”、國家自然基金、中科院院地合作等項目多項，獲得國家留學基金資助赴美國加州大學圣地亞哥分校訪問，發(fā)表論文超過20篇（其中一作SCI/SSCI檢索7篇，EI檢索8篇），參與申請4項發(fā)明專利，4項軟件著作權，參與出版譯著1部，IEEE、ACM會員，擔任ACM社會和經(jīng)濟計算委員會學術秘書，國際學術期刊《IEEE Transactions on Intelligent Transportation Systems》、《IEEE Transactions on Computational Social Systems》副主編、《Journal of Artificial Societies and Social Simulation》、《Kno

圖書目錄

目錄

第1章緒論

1.1人工智能的基本概念

1.2人工智能的發(fā)展簡史

1.3人工智能的最新發(fā)展

1.4本書的主要內容和組織結構

1.5本章小結

參考文獻

第一篇邏輯智能

第2章知識表示

2.1本體論

2.1.1本體的定義

2.1.2本體的構建

2.1.3基本形式化本體

2.2資源描述框架和本體語言

2.2.1RDF的基本結構

2.2.2RDFS本體語言

2.2.3OWL語言

2.3知識圖譜

2.3.1知識圖譜的基本概念

2.3.2知識圖譜的構建方法

2.3.3本體/知識圖譜的應用

2.4本章小結

參考文獻

第3章邏輯推理與專家系統(tǒng)

3.1命題邏輯

3.1.1命題的基本概念及其運算

3.1.2命題邏輯的推理規(guī)則

3.1.3魯濱遜歸結原理

3.2一階邏輯

3.2.1一階邏輯的基本概念

3.2.2合一算法

3.2.3前向鏈接和反向鏈接

3.2.4歸結證明

3.3Herbrand定理

3.4邏輯系統(tǒng)編程語言

3.4.1Prolog

3.4.2LISP

3.5專家系統(tǒng)

3.6本章小結

參考文獻

第4章搜索智能

4.1圖搜索

4.1.1寬度優(yōu)先搜索

4.1.2深度優(yōu)先搜索

4.1.3A*搜索

4.2局部搜索

4.2.1爬山法

4.2.2牛頓法

4.2.3梯度下降法

4.3本章小結

參考文獻

第5章自動規(guī)劃

5.1規(guī)劃問題的形式化表示

5.2狀態(tài)空間規(guī)劃

5.3規(guī)劃空間規(guī)劃

5.4規(guī)劃圖

5.5時序規(guī)劃

5.6本章小結

參考文獻

第6章邏輯系統(tǒng)中的學習

6.1歸納邏輯程序設計

6.2解釋學習

6.3關聯(lián)學習

6.4本章小結

參考文獻

第二篇計算智能

第7章概率推理

7.1貝葉斯網(wǎng)絡推理

7.1.1貝葉斯網(wǎng)絡的基本概念

7.1.2貝葉斯網(wǎng)絡的精確推理

7.1.3貝葉斯網(wǎng)絡的近似推理

7.2馬爾可夫網(wǎng)絡推理

7.3隱馬爾可夫模型

7.4卡爾曼濾波

7.5動態(tài)貝葉斯網(wǎng)絡

7.6時序概率推理的一般方法

7.7證據(jù)理論

7.8本章小結

參考文獻

第8章模糊系統(tǒng)

8.1模糊邏輯

8.2粗糙集

8.3本章小結

參考文獻

第9章樣例學習

9.1決策樹

9.1.1決策樹的學習算法

9.1.2屬性重要度計算

9.1.3泛化與過擬合

9.2回歸

9.2.1線性回歸

9.2.2邏輯回歸

9.2.3正則化

9.3支持向量機

9.4非參數(shù)化學習

9.5集成學習

9.5.1Boosting

9.5.2Bagging

9.6統(tǒng)計機器學習

9.6.1完全觀測下的概率學習

9.6.2部分觀測下的概率學習

9.6.3無向概率圖學習

9.7無監(jiān)督學習

9.7.1聚類

9.7.2降維

9.8本章小結

參考文獻

第10章人工神經(jīng)網(wǎng)絡

10.1單/多層前饋神經(jīng)網(wǎng)絡

10.1.1單層前饋神經(jīng)網(wǎng)絡

10.1.2多層前饋神經(jīng)網(wǎng)絡

10.2深度神經(jīng)網(wǎng)絡

10.2.1卷積神經(jīng)網(wǎng)絡

10.2.2循環(huán)神經(jīng)網(wǎng)絡

10.3神經(jīng)網(wǎng)絡的生成式模型

10.3.1受限玻爾茲曼機

10.3.2生成式對抗網(wǎng)絡

10.4本章小結

參考文獻

第11章強化學習

11.1馬爾可夫決策過程

11.1.1完全可觀察的馬爾可夫決策過程

11.1.2部分可觀察的馬爾可夫決策過程

11.2被動強化學習

11.2.1蒙特卡洛學習

11.2.2時序差分學習

11.3主動強化學習

11.4深度強化學習

11.4.1基于價值的深度強化學習

11.4.2基于策略的深度強化學習

11.5本章小結

參考文獻

第12章進化計算與群體智能

12.1遺傳算法

12.2模擬退火算法

12.3蟻群算法

12.4粒子群優(yōu)化

12.5人工免疫系統(tǒng)

12.6本章小結

參考文獻

第三篇平行智能

第13章分布式人工智能與多agent系統(tǒng)

13.1分布式問題求解

13.1.1分布式約束滿足

13.1.2分布式優(yōu)化

13.2博弈搜索

13.2.1標準式博弈

13.2.2擴展式博弈

13.2.3極小極大搜索

13.2.4蒙特卡洛樹搜索

13.2.5博弈的其他類型

13.3機制設計

13.3.1投票

13.3.2拍賣

13.3.3公共資源分配

13.4本章小結

參考文獻

第14章平行智能

14.1平行系統(tǒng)和ACP方法

14.2人工社會與復雜系統(tǒng)研究

14.3人工系統(tǒng)的構建

14.3.1基礎人口合成

14.3.2agent的體系結構和行為建模

14.4人工系統(tǒng)的初步應用

14.4.1應急疏散

14.4.2人口演化

14.5平行學習

14.6本章小結

參考文獻

第15章知識自動化與社會智能

15.1知識自動化

15.1.1知識自動化的基本思想

15.1.2知識自動化與平行智能的關系

15.2社會智能

15.2.1社會計算：社會智能的實現(xiàn)方式

15.2.2社會計算與平行智能的關系

15.3本章小結

參考文獻