人工智能（OHM大学理工系列）
分類: 图书,计算机/网络,人工智能,
作者： （日）沟口理一郎，石田 亨 编，卢伯英 译
出 版 社： 科学出版社
出版时间： 2003-2-1字数： 144000版次： 1页数： 178印刷时间： 2005/03/01开本：印次：纸张： 胶版纸I S B N ： 9787030108876包装： 平装编辑推荐
本书是“OHM大学理工系列”之一。书中简明扼要地介绍了基于搜索的问题求解、知识表示和推理、机器学习、模糊理论-精神网络-遗传算法、模糊识别，以及人工智能语言等。
内容简介
本书是“OHM大学理工系列”之一。书中简明扼要地介绍了基于搜索的问题求解、知识表示和推理、机器学习、模糊理论-精神网络-遗传算法、模糊识别，以及人工智能语言等。本书讲解条理清晰、通俗易懂，内容基本涵盖了人工智能学科的基础知识，选材上既注意了知识的系统性，也考虑了信息工程相关学科学生学习人工智能的需求。
本书可作为大学相关专业本科生的教材，也可作为相关专业技术人员及研究人员的参考用书；还可供信息工程相关学科的师生、技术人员及研究人员参考。
作者简介
目录
第1章 人工智能概述
11 什么是人工智能
12 人工智能的历史
第2章 基于搜索的问题求解
21 搜索与人工智能的关系
211 八数码魔方
212 状态空间表示
213 与图有关的术语
22 逐个搜索
221 随机搜索
222 CLOSED表的引入
223 OPEN表的引入
244 纵向搜索
225 横向搜索
226 均一代价搜索
23 应用智能的搜索
231 启发式搜索
232 登山法和最佳优先搜索
233 A*算法
234 约束的利用
24 对问题进行分割后进行搜索
241 与/或(AND/OR)图表示
242 与/或(AND/OR)图搜索
25 博弈树的搜索
练习题
第3章 知识表示和推理
31 知识与推理中的关系
32 产生式系统
321 产生式系统的构造
322 推理机构的运行
323 理由(Why)和方法(How)
324 产生式系统的特征
33 框架
331 典型知识与框架
332 阶层知识与特征的继承
333 程序知识及其启动
334 框架的特征
练习题
第4章 机器学习
41 关于学习和机器学习
411 什么是学习
412 机器学习的研究历史
413 机器学习的分类标准
42 应用归纳方法由示例学习概念的定义
421 温斯顿的拱学习
422 决策树的学习
43 根据丰富的知识和经验提高推理效率
431 效率化学习
432 基于解释的学习(EBL)
练习题
第5章 模糊理论-神经网络-遗传算法
51 模糊理论
511 什么是模糊理论
512 模糊集合与普通集合的区别
513 模糊数也是数吗?
514 模糊控制是一种方便的控制方法
52 神经网络
521 什么是神经网络
522 神经元及其学习功能的研究
523 误差反向传播学习是一种便利方法
53 遗传算法
531 什么是遗传算法
532 单纯GA的基本步骤
533 简单函数最优化举例
534 单纯GA的扩张
535 模式定理
536 遗传算法的应用
537 遗传算法的一些同类方法
练习题
第6章 模式识别
61 什么是模式识别
62 模式的特征
63 根据特征模式匹配进行识别
631 用一个参考模式代表类
632 用多个参考模式代表类
64 基于统计决策理论的识别
65 对声音的识别
651 根据与参考模式的匹配识别单词
652 基于统计决策理论的单词识别
653 基于统计决策理论的连续声音识别
练习题
第7章 人工智能语言
71 人工智能语言是怎样一种语言
72 函数型语言Lisp
721 表:具有递归结构的数据
722 Lisp程序的基本结构
723 由程序到数据和由数据到程序:eval和quote
724 表操作
725 其他的Lisp函数
726 Lisp的执行例子
73 逻辑型语言Prolog
731 项:具有递归结构的另一种数据结构
732 逻辑型语言的计算方法:归结原理
733 Prolog的对象:Horn逻辑式
734 Prolog程序的表示法
735 单一化(unification)
736 Prolog的表处理
737 Prolog的执行控制功能：自动回溯和截断符号
738 把程序变成数据，把数据变成程序:assert，retract及univ
739 其他的谓词
7310 Prolog的执行例子
练习题
练习题简答
参考文献
媒体评论