《人工智能及其应用（第二版）》王万良 著
本书是一本内容基础性强、可读性好、适合讲授的人工智能教材。作者希望读者通过学习本书，能够掌握人工智能的基本内容，并能了解人工智能研究的一些前沿内容，为进一步学习和研究人工智能理论与应用奠定基础。全书共10章。分别是绪论，知识表示，确定性推理方法，不确定性推理方法，搜索求解策略，专家系统，机器学习，人工神经网络及其应用，遗传算法及其应用，自然语言理解及其应用。本书可作为计算机、信息、机电以及其它专业本科生、研究生学习人工智能课程的教材，也可供希望掌握人工智能技术的研究人员及工程技术人员参考。王万良，男，1957年出生，江苏高邮人。1982年1月江苏大学工业自动化专业毕业。2001年8月同济大学控制理论与控制工程专业博士研究生毕业，获工学博士学位。1997年晋升教授。现任浙江工业大学信息工程学院教授、博士生导师、副院长、自动化研究所所长、控制理论与控制工程（第1章 绪论1.1 人工智能的基本概念
1.2 人工智能的发展简史
1.3 人工智能研究的基本内容
1.4 人工智能的主要研究领域
1.5 小结
思考题
第2章 知识表示
2.1 知识与知识表示的概念
2.2 一阶谓词逻辑表示法
2.3 产生式表示法
2.4 框架表示法
2.5 语义网络表示法
2.6 小结
思考题
习题
第3章 确定性推理方法
3.1 推理的基本概念
3.2 自然演绎推理
3.3 谓词公式化为子句集的方法
3.4 海伯伦定理
3.5 鲁宾逊归结原理
3.6 归结反演
3.7 应用归结原理求解问题
3.8 小结
思考题
习题
第4章 不确定性推理方法
4.1 不确定性推理中的基本问题
4.2 概率方法
4.3 主观Bayes方法
4.4 可信度方法
4.5 证据理论
4.6 模糊推理方法
4.7 小结
思考题
习题
第5章 搜索求解策略
5.1 搜索的概念
5.2 状态空间知识表示方法
5.3 盲目的图搜索策略
5.4 启发式图搜索策略
5.5 与／或图搜索策略
5.6 小结
思考题
习题
第6章 专家系统
6.1 专家系统的产生和发展
6.2 专家系统的概念
6.3 专家系统的工作原理
6.4 知识获取
6.5 专家系统的建立
6.6 专家系统实例
6.7 专家系统的开发工具
6.8 小结
思考题
第7章 机器学习
7.1 机器学习的基本概念
7.2 机械式学习
7.3 指导式学习
7.4 归纳学习
7.5 类比学习
7.6 解释学习
7.7 机器学习方法的比较与展望
7.8 小结
思考题
第8章 人工神经网络及其应用
8.1 神经元与神经网络
8.2 BP神经网络及其学习算法
8.3 BP神经网络的应用
8.4 Hopfield神经网络及其改进
8.5 Hopfield神经网络的应用
8.6 Hopfield神经网络优化方法求解JSP
8.7 小结
思考题
习题
第9章 遗传算法及其应用
9.1 遗传算法的产生与发展
9.2 遗传算法的基本算法
9.3 遗传算法的改进算法
9.4 基于遗传算法的生产调度方法
9.5 小结
思考题
习题
第10章 自然语言理解及其应用
10.1 自然语言理解的概念与发展历史
10.2 语音分析
10.3 词法分析
10.4 句法分析
10.5 语义分析
10.6 基于语料库的大规模真实文本的处理
10.7 机器翻译
10.8 语音识别
10.9 小结
思考题
习题
附录 部分习题解答
参考文献
内容简介:本书是一本内容基础性强、可读性好、适合讲授的人工智能教材。作者希望读者通过学习本书，能够掌握人工智能的基本内容，并能了解人工智能研究的一些前沿内容，为进一步学习和研究人工智能理论与应用奠定基础。全书共10章。分别是绪论，知识表示，确定性推理方法，不确定性推理方法，搜索求解策略，专家系统，机器学习，人工神经网络及其应用，遗传算法及其应用，自然语言理解及其应用。本书可作为计算机、信息、机电以及其它专业本科生、研究生学习人工智能课程的教材，也可供希望掌握人工智能技术的研究人员及工程技术人员参考。作者简介:王万良，男，1957年出生，江苏高邮人。1982年1月江苏大学工业自动化专业毕业。2001年8月同济大学控制理论与控制工程专业博士研究生毕业，获工学博士学位。1997年晋升教授。现任浙江工业大学信息工程学院教授、博士生导师、副院长、自动化研究所所长、控制理论与控制工程（目录:第1章 绪论1.1 人工智能的基本概念
1.2 人工智能的发展简史
1.3 人工智能研究的基本内容
1.4 人工智能的主要研究领域
1.5 小结
思考题
第2章 知识表示
2.1 知识与知识表示的概念
2.2 一阶谓词逻辑表示法
2.3 产生式表示法
2.4 框架表示法
2.5 语义网络表示法
2.6 小结
思考题
习题
第3章 确定性推理方法
3.1 推理的基本概念
3.2 自然演绎推理
3.3 谓词公式化为子句集的方法
3.4 海伯伦定理
3.5 鲁宾逊归结原理
3.6 归结反演
3.7 应用归结原理求解问题
3.8 小结
思考题
习题
第4章 不确定性推理方法
4.1 不确定性推理中的基本问题
4.2 概率方法
4.3 主观Bayes方法
4.4 可信度方法
4.5 证据理论
4.6 模糊推理方法
4.7 小结
思考题
习题
第5章 搜索求解策略
5.1 搜索的概念
5.2 状态空间知识表示方法
5.3 盲目的图搜索策略
5.4 启发式图搜索策略
5.5 与／或图搜索策略
5.6 小结
思考题
习题
第6章 专家系统
6.1 专家系统的产生和发展
6.2 专家系统的概念
6.3 专家系统的工作原理
6.4 知识获取
6.5 专家系统的建立
6.6 专家系统实例
6.7 专家系统的开发工具
6.8 小结
思考题
第7章 机器学习
7.1 机器学习的基本概念
7.2 机械式学习
7.3 指导式学习
7.4 归纳学习
7.5 类比学习
7.6 解释学习
7.7 机器学习方法的比较与展望
7.8 小结
思考题
第8章 人工神经网络及其应用
8.1 神经元与神经网络
8.2 BP神经网络及其学习算法
8.3 BP神经网络的应用
8.4 Hopfield神经网络及其改进
8.5 Hopfield神经网络的应用
8.6 Hopfield神经网络优化方法求解JSP
8.7 小结
思考题
习题
第9章 遗传算法及其应用
9.1 遗传算法的产生与发展
9.2 遗传算法的基本算法
9.3 遗传算法的改进算法
9.4 基于遗传算法的生产调度方法
9.5 小结
思考题
习题
第10章 自然语言理解及其应用
10.1 自然语言理解的概念与发展历史
10.2 语音分析
10.3 词法分析
10.4 句法分析
10.5 语义分析
10.6 基于语料库的大规模真实文本的处理
10.7 机器翻译
10.8 语音识别
10.9 小结
思考题
习题
附录 部分习题解答
参考文献
人工智能及其应用（第5版） PDF 下载
第1章绪论1.1人工智能的定义与发展1.1.1人工智能的定义1.1.2人工智能的起源与发展1.2人工智能的各种认知观1.2.1人工智能各学派的认知观1.2.2人工智能的争论1.3人类智能与人工智能1.3.1智能信息处理系统的假设1.3.2人类智能的计算机模拟1.4人工智能系统的分类1.5人工智能的研究目标和内容1.5.1人工智能的研究目标1.5.2人工智能研究的基本内容1.6人工智能的研究与计算方法1.6.1人工智能的研究方法1.6.2人工智能的计算方法1.7人工智能的研究与应用领域1.8本书概要习题1第2章知识表示方法2.1状态空间表示2.1.1问题状态描述2.1.2状态图示法2.2问题归约表示2.2.1问题归约描述2.2.2与或图表示2.3谓词逻辑表示2.3.1谓词演算2.3.2谓词公式2.3.3置换与合一2.4语义网络表示2.4.1二元语义网络的表示2.4.2多元语义网络的表示2.4.3语义网络的推理过程2.5框架表示2.5.1框架的构成2.5.2框架的推理2.6本体技术2.6.1本体的概念2.6.2本体的组成与分类2.6.3本体的建模2.7过程表示2.8小结习题2第3章确定性推理3.1图搜索策略3.2盲目搜索3.2.1宽度优先搜索3.2.2深度优先搜索3.2.3等代价搜索3.3启发式搜索3.3.1启发式搜索策略和估价函数3.3.2有序搜索3.3.3A*算法3.4消解原理3.4.1子句集的求取3.4.2消解推理规则3.4.3含有变量的消解式3.4.4消解反演求解过程3.5规则演绎系统3.5.1规则正向演绎系统3.5.2规则逆向演绎系统3.5.3规则双向演绎系统3.6产生式系统3.6.1产生式系统的组成3.6.2产生式系统的推理3.6.3产生式系统举例3.7非单调推理3.7.1缺省推理3.7.2真值维持系统3.8小结习题3第4章非经典推理4.1经典推理和非经典推理4.2不确定性推理4.2.1不确定性的表示与量度4.2.2不确定性的算法4.3概率推理4.3.1概率的基本性质和计算公式4.3.2概率推理方法4.4主观贝叶斯方法4.4.1知识不确定性的表示4.4.2证据不确定性的表示4.4.3主观贝叶斯方法的推理过程4.5可信度方法4.5.1基于可信度的不确定性表示4.5.2可信度方法的推理算法4.6证据理论4.6.1证据理论的形式化描述4.6.2证据理论的不确定性推理模型4.6.3推理示例4.7小结习题4第5章计算智能5.1概述5.2神经计算5.2.1人工神经网络研究的进展5.2.2人工神经网络的结构5.2.3人工神经网络示例及其算法5.2.4基于神经网络的知识表示与推理5.3模糊计算5.3.1模糊集合、模糊逻辑及其运算5.3.2模糊逻辑推理5.4进化算法与遗传算法5.4.1进化算法原理5.4.2进化算法框架5.4.3遗传算法的编码与解码5.4.4遗传算法的遗传算子5.4.5遗传算法的执行过程5.4.6遗传算法的执行实例5.5人工生命5.5.1人工生命研究的起源和发展5.5.2人工生命的定义和研究意义5.5.3人工生命的研究内容和方法5.5.4人工生命实例5.6粒群优化算法5.6.1群智能和粒群优化概述5.6.2粒群优化算法5.7蚁群算法5.7.1蚁群算法理论5.7.2蚁群算法的研究与应用5.8小结习题5第6章专家系统6.1专家系统概述6.1.1专家系统的定义与特点6.1.2专家系统的结构和建造步骤6.2基于规则的专家系统6.2.1基于规则专家系统的工作模型和结构6.2.2基于规则专家系统的特点6.3基于框架的专家系统6.3.1基于框架专家系统的定义、结构和设计方法6.3.2基于框架专家系统的继承、槽和方法6.4基于模型的专家系统6.4.1基于模型专家系统的提出6.4.2基于神经网络的专家系统6.5基于Web的专家系统6.5.1基于Web专家系统的结构6.5.2基于Web专家系统的实例6.6新型专家系统6.6.1新型专家系统的特征6.6.2分布式专家系统6.6.3协同式专家系统6.7专家系统的设计6.7.1专家系统的设计过程6.7.2基于规则专家系统的一般设计方法6.7.3反向推理规则专家系统的设计任务6.8专家系统开发工具6.8.1专家系统的传统开发工具6.8.2专家系统的Matlab开发工具6.9小结习题6第7章机器学习7.1机器学习的定义和发展历史7.1.1机器学习的定义7.1.2机器学习的发展史7.2机器学习的主要策略与基本结构7.2.1机器学习的主要策略7.2.2机器学习系统的基本结构7.3归纳学习7.3.1归纳学习的模式和规则7.3.2归纳学习方法7.4决策树学习7.4.1决策树和决策树构造算法7.4.2决策树学习算法ID37.5类比学习7.5.1类比推理和类比学习形式7.5.2类比学习过程与研究类型7.6解释学习7.6.1解释学习过程和算法7.6.2解释学习举例7.7神经网络学习7.7.1基于反向传播网络的学习7.7.2基于Hopfield网络的学习7.8知识发现7.8.1知识发现的发展和定义7.8.2知识发现的处理过程7.8.3知识发现的方法7.8.4知识发现的应用7.9增强学习7.9.1增强学习概述7.9.2Q学习7.10深度学习7.10.1深度学习的定义与特点7.10.2深度学习基础及神经网络7.10.3深度学习的常用模型7.10.4深度学习应用简介7.10.5总结与展望7.11小结习题7第8章自动规划8.1自动规划概述8.1.1规划的概念和作用8.1.2规划的分类和问题分解途径8.1.3执行规划系统任务的一般方法8.2任务规划8.2.1积木世界的机器人规划8.2.2STRIPS规划系统8.2.3具有学习能力的规划系统8.2.4分层规划8.2.5基于专家系统的机器人规划8.3路径规划8.3.1机器人路径规划的主要方法和发展趋势8.3.2基于模拟退火算法的机器人局部路径规划8.3.3基于免疫进化和示例学习的机器人路径规划8.3.4基于蚁群算法的机器人路径规划8.4轨迹规划简介8.5小结习题8第9章分布式人工智能与Agent(真体)9.1分布式人工智能9.2Agent及其要素9.2.1Agent的定义和译法9.2.2真体的要素和特性9.3真体的结构9.3.1真体的抽象结构和结构特点9.3.2真体结构的分类9.4真体通信9.4.1通信的过程9.4.2真体通信的类型和方式9.4.3交谈的规划与实现9.4.4真体的通信语言9.5移动真体和多真体系统9.5.1移动真体的定义和系统构成9.5.2多真体系统的特征和关键技术9.5.3多真体系统的模型和结构9.5.4多真体的协作、协商和协调9.5.5多真体的学习与规划9.5.6多真体系统的研究和应用领域9.6小结习题9第10章自然语言理解10.1自然语言理解概述10.1.1语言与语言理解10.1.2自然语言处理的概念和定义10.1.3自然语言处理的研究领域和意义10.1.4自然语言理解研究的基本方法和进展10.1.5自然语言理解过程的层次10.2词法分析10.3句法分析10.3.1短语结构语法10.3.2乔姆斯基形式语法10.3.3转移网络10.3.4扩充转移网络10.3.5词汇功能语法10.4语义分析10.5句子的自动理解10.5.1简单句的理解方法10.5.2复合句的理解方法10.6语料库语言学10.7文本的自动翻译——机器翻译10.8自然语言理解系统的主要模型10.9自然语言理解系统应用举例10.9.1自然语言自动理解系统10.9.2自然语言问答系统10.10小结习题10结束语参考文献索引