　　《人工智能（第2版）》主要阐述人工智能的基本原理、方法和应用技术。全书分为11章，除第1章讨论人工智能概述、第11章讨论人工智能的争论与展望外，其余9章主要按照“基本智能+典型应用+计算智能”三个模块编著：第1模块为人工智能经典的三大基本技术，包括知识表示技术、搜索技术、推理技术；第2模块为人工智能的典型应用领域，包括机器学习、专家系统以及支持向量机；第3模块为典型的计算智能方法，包括神经计算、进化计算等。与第一版相比，增加了专家系统的介绍，其他大多数章节都做了相应的修改、精简或补充。
　　《人工智能（第2版）》力求科学化、模块化、实用化，内容由浅入深、循序渐进、条理清晰，让读者在有限的时间内，掌握人工智能的基本原理与应用技术。
　　《人工智能（第2版）》可作为计算机、信息处理、自动化和电信等IT相关专业的高年级本科生的“人工智能”课程教材，也可供从事人工智能研究与应用的科技工作者学习参考。

第1章绪论
1.1 什么是人工智能
1.1.1 智能的定义
1.1.2 人工智能的定义
1.2 人工智能的发展
1.2.1 孕育期
1.2.2 摇篮期
1.2.3 形成期
1.2.4 发展期
1.2.5 实用期
1.2.6 稳步增长期
1.3 人工智能的研究方法
1.3.1 符号主义
1.3.2 连接主义
1.3.3 行为主义
1.4 人工智能的应用领域
1.4.1 机器学习
1.4.2 知识发现和数据挖掘
1.4.3 专家系统
1.4.4 模式识别
1.4.5 自然语言处理
1.4.6 智能决策支持系统
1.4.7 人工神经网络
1.4.8 自动定理证明
1.4.9 机器人学
1.4.10 分布式人工智能与智能体
1.5 小结
习题

第2章知识表示
2.1 概述
2.1.1 知识与知识表示
2.1.2 知识表示方法
2.2 谓词逻辑表示法
2.2.1 命题逻辑
2.2.2 谓词逻辑
2.3 产生式表示法
2.3.1 产生式可表示的知识种类及其基本形式
2.3.2 知识的表示方法
2.3.3 产生式系统的组成
2.3.4 产生式系统的推理方式
2.3.5 产生式表示法的特点
2.4 语义网络表示法
2.4.1 语义网络的概念及结构
2.4.2 语义网络的基本语义联系
2.4.3 语义网络表示知识的方法及步骤
2.4.4 语义网络知识表示举例
2.4.5 语义网络的推理过程
2.4.6 语义网络表示法的特点
2.5 框架表示法
2.5.1 框架结构
2.5.2 框架表示知识举例
2.5.3 推理方法
2.5.4 框架表示法的特点
2.6 脚本表示法
2.6.1 脚本的定义与组成
2.6.2 用脚本表示知识的步骤
2.6.3 用脚本表示知识的推理方法
2.6.4 脚本表示法的特点
2.7 面向对象的知识表示
2.7.1 面向对象的基本概念
2.7.2 面向对象的知识表示
2.7.3 面向对象方法学的主要观点
2.8 小结
习题

第3章搜索策略
3.1 引言
3.2 基于状态空间图的搜索技术
3.2.1 图搜索的基本概念
3.2.2 状态空间搜索
3.2.3 一般图的搜索算法
3.3 盲目搜索
3.3.1 宽度优先搜索
3.3.2 深度优先搜索
3.3.3 有界深度搜索和迭代加深搜索
3.3.4 搜索最优策略的比较
3.4 启发式搜索
3.4.1 启发性信息和评估函数
3.4.2 启发式搜索算法A
3.4.3 实现启发式搜索的关键因素和A*算法
3.4.4 迭代加深A*算法
3.4.5 回溯策略和爬山法
3.5 问题规约和与／或图启发式搜索
3.5.1 问题规约
3.5.2 与/或图表示
3.5.3 与/或图的启发式搜索
3.6 博弈
3.6.1 极大极小过程
3.6.2 α-β过程
3.7 小结
习题

第4章确定性推理
第5章不确定性推理
第6章机器学习
第7章专家系统
第8章支持向量机
第9章神经计算
第10章进化计算
第11章人工智能的争论与展望
参考文献

精彩书摘

　　《人工智能（第2版）》：
　　5.1.2知识不确定性的来源研究不确定性推理，首先要研究知识的不确定性。知识的不确定性，用相应的知识表示模式与之对应，以便于进行推理与计算，还需用适当的方法把知识的不确定性及其程度描述描述出来。
　　最常见的不确定性是随机性。随机性使世界、使我们的生活充满了未知的魅力，是创造性不可缺少的因素，为我们提供了种种的机遇。确定性可以告诉我们事物的普遍规律，这也许是群体的统计规律，也许仅是一个相对的真理。而个体的“机遇”是一种特殊的随机性：小概率事件。小概率的机遇一般不会出现，一旦出现，往往就会创造奇迹。
　　另一种不确定性是模糊性。模糊性能够用较少的代价，传送足够的信息，并能对复杂事物作出高效率的判断和处理。也就是说，模糊性有助于提高效率。1965年扎德（I-A.Zadeh）的论文FuzzySets正式创立了模糊集合理论。扎德深入分析了模糊性、近似性、随机和含混性，主张用模糊性作为基本的研究对象，提出了隶属度、隶属函数、模糊集合等基本概念。模糊性使我们的生活简单而有效，借助模糊性能对复杂事物作出高效率的判断和处理。如医生可以根据病人的模糊症状而做出正确的判断、画家不用精确的测量计算而能画出栩栩如生的风景人物等。
　　知识的不确定性，还来自知识的不完备性、不协调性和非恒常性。
　　知识的不完备性包括知识内容的不完整、知识结构的不完备等。内容的不完整，可能来源于获取知识时观测不充分、设备不精确；知识结构的不完备，可能因为人的认识能力、获取手段的限制等原因，造成对解决某个特定问题的背景和结构认识不全，忽略了一些重要因素。
　　知识的不协调性是知识不确定性的另一种表现，是指知识内在的矛盾，不协调的程度可以依次为冗余、干扰、冲突等。不协调性是知识不确定性的重要体现，人们不可能、也没必要在一切场合下都试图消除知识的不协调性，固执地去追求知识的一致性，要把不协调看作是知识的一种常态，允许包容、并蓄，允许折中、调和。
　　知识的非恒常性是指知识随时间的变化而变化的特性。人类对自然、社会乃至自身的认识都是一个由不知到知、由不深刻到深刻，不断更新的过程，是一个否定之否定的过程。人类的知识是无限发展的，不可能永远停留在某个水平上。5.1.3不确定推理要解决的基本问题推理是运用知识求解问题的过程，是证据和规则相结合得出结论的过程。由于知识的不确定性，导致了所产生的结论的不确定性。不确定性推理反映了知识不确定性的动态积累和传播过程.推理的每一步都需要综合证据和规则的不确定因素，通过某种不确定性测度，寻找尽可能符合客观实际的计算模式，通过不确定测度的传递计算，最终得到结果的不确定程度。在专家系统中，不确定性表现在证据、规则和推理三个方面，需要对专家系统中的事实与规则给出不确定性描述，并在此基础上建立不确定性的传递计算方法。因此要实现对不确定性知识的处理，要解决不确定知识的表示问题、计算问题和语义解释问题。
　　1.表示问题
　　表示问题指的是采用什么方法描述不确定性，这是解决不确定性推理的关键一步。通常有数值表示和非数值的语义表示方法。数值表示便于计算、比较；非数值表示，是一种定性的描述，以便较好地解决不确定性问题。
　　在专家系统中的“不确定性”一般分为两类：一是知识的不确定性；二是证据的不确定性。
　　1）知识的不确定性
　　知识的不确定性是指用相应的知识表示模式与之对应，以便于进行推理与计算，还须用适当的方法把知识的不确定性及其程度描述表达出来。一般用（E-H，f（H，E》来表示知识的不确定性，它表示相应知识的不确定性程度，称为知识强度或规则强度。
　　2）证据的不确定性
　　通常有两类不同来源的证据：
　　初始证据：如针对要求解问题所提供的事实，诸如病人的症状、化验结果等。
　　推理证据：依据前面的事实而推出的若干新情况和判断，可作为继续研究考证的证据。
　　证据的不确定性可记作（命题E，C（E）），它表示证据E为真的程度。它有两种来源：初始证据（由用户给出）；前面推出的结论作为当前证据（通常由计算得到）。
　　初始证据大多来源于客户片面观察或理解，故往往是零碎的片段，不够精确完整，因而具有证据的不确定性。而推理证据又是使用不确定的初始证据而得出来的，当然它也是不确定的证据了。
　　一般来说，证据不确定性的表示方法应与知识不确定性的表示方法保持一致，证据的不确定性通常也是一个数值表示，它代表相应证据的不确定性程度，称为动态强度。
　　对知识及证据不确定性程度常用可信度来表示。例如，在专家系统MYCIN中，用可信度表示知识及证据的不确定性，取值范围为[-1，1]。当可信度取大于零的数值时，其数值越大，表示相应的知识或证据越接近于“真”；当可信度的取值小于零时，其数值越小，表示相应的知识或证据越接近于“假”。
　　……
人工智能（第2版）下载 mobi epub pdf txt

人工智能（第2版） pdf epub mobi txt 下载