具体描述
《人工智能导论》系统地阐述了人工智能的基本理论、基本技术、研究方法和应用领域等内容，比较全面地反映了近：20年来人工智能研究领域的进展，并根据人工智能的发展动向对一些传统内容作了取舍，详细介绍了机器学习方面的内容。全书分为8章，内容涉及人工智能的基本概念、知识工程、确定性推理和不确定性推理、搜索策略、机器学习、人工神经网络，以及模式识别、自然语言处理和智能体等方面。每章后面都附有习题，以供读者练习。
《人工智能导论》可作为计算机专业本科生和其他相关学科本科生、研究生的教材，也可作为有关科技人员的参考用书。
《时间织锦》：一部跨越时空的史诗 《时间织锦》并非一本关于技术演进或科学原理的书籍。它是一部宏大的叙事，以文学的笔触，钩织出人类文明在时间长河中错综复杂、跌宕起伏的画卷。本书不探讨数据、算法或计算能力，而是聚焦于人类情感、思想的传承与变迁，以及个体在历史洪流中的挣扎与觉醒。 故事的起点，可以追溯至远古时代。当第一声原始的呢喃划破寂静，当第一缕火光驱散黑暗，人类便开始编织他们最初的时间印记。书中生动地描绘了氏族社会的形成、早期宗教的萌芽、以及那些关于星辰与自然的古老传说。这不是对历史事件的枯燥罗列，而是通过人物的视角，展现人类对未知的好奇、对生存的渴望，以及由此催生的最初的智慧火花。 随着文明的脚步不断向前，我们被带入古老王朝的兴衰更迭。书中会细腻地刻画那些宫廷中的爱恨情仇，庙堂之上的权谋智斗，以及小人物在大时代背景下的命运浮沉。您会看到，那些曾经辉煌的文明，是如何在内部的裂痕与外部的挑战中逐渐走向衰落，而新的文明又如何在废墟之上孕育生长。这不是一部政治教科书，而是通过生动的人物故事，揭示权力、欲望、信仰与人性的多重博弈。 本书的另一条重要脉络，是思想的传承与碰撞。从先哲的智慧箴言，到艺术的璀璨瑰宝，再到哲学的深邃思考，《时间织锦》将这些人类精神文明的结晶，以一种更为立体和人性化的方式呈现。您将跟随书中人物的脚步，去探索古希腊的理性之光，感受文艺复兴的艺术激情，体会启蒙时代的思想解放。这些思想的火种，如何在历史的风雨中得以延续，又如何影响着后世的文明进程，都将在书中得到诗意的阐释。 《时间织锦》同样关注个体生命的微小但坚韧的力量。在面对历史的巨变、社会的动荡，或是无法抗拒的命运时，个体是如何选择、如何坚持、如何超越的。书中会描绘那些平凡的英雄，他们的善良、勇气、牺牲和爱，如同点点星光，照亮了历史的幽暗角落。您会看到，即使在最艰难的时刻，人类对美好与希望的追求也从未熄灭。 本书的视角是广阔而又深邃的。它并不局限于某个地域或某个民族，而是试图展现人类文明作为一个整体的演进过程。从东方古国的智慧结晶，到西方文明的理性探索，再到不同文化之间的交流与融合，都将在书中交织成一幅斑斓的画卷。这种跨文化的视角，旨在揭示人类共通的情感、普适的价值，以及文明多样性中蕴含的和谐之美。 《时间织锦》是一部关于“人”的书。是关于人的情感、人的欲望、人的思想、人的选择，以及人在时间中的存在与意义。它通过对历史、文化、思想和个体的深刻描绘，引发读者对自身、对生命、对文明的思考。它不是提供冰冷的知识，而是传递一种人文的关怀，一种对人类精神力量的赞美，以及一种对未来无限可能的期许。 这本书的语言，如同一首悠扬的史诗，时而磅礴大气，时而细腻入微。它注重意境的营造，情感的渲染，以及文字本身的韵律美。读者在翻阅此书时，仿佛能穿越时空，亲身经历那些历史的瞬间，与书中的人物一同感受喜怒哀乐。 《时间织锦》是一次献给所有热爱生命、热爱思考、热爱人类文明的读者的旅程。它将带您在时间的河流中漫步，感受文明的脉搏，聆听历史的回响，最终，或许能找到属于您自己在这宏大叙事中的独特位置。它是一面映照过去、审视当下、启迪未来的镜子，让每一个阅读它的人，都能从中获得力量与启迪，编织属于自己生命中最华美的篇章。
作者简介
目录信息
前言第1章 绪论 1.1 什么是人工智能 1.1.1 关于智能 1.1.2 人工智能的研究目标 1.2 人工智能发展简史 1.3 人工智能研究方法 1.3.1 人工智能研究的特点 1.3.2 人工智能研究的途径 1.3.3 人工智能研究的资源 1.4 人工智能研究及应用领域 1.4.1 问题求解与博弈 1.4.2 专家系统 1.4.3 自动定理证明 1.4.4 机器学习 1.4.5 人工神经网络 1.4.6 模式识别 1.4.7 计算机视觉 1.4.8 自然语言处理 1.4.9 智能体 1.4.10 智能控制 1.4.11 机器人学 1.4.12 人工生命 1.5 本章小结 1.6 习题第2章 知识工程 2.1 概述 2.2 知识表示方法 2.2.1 经典逻辑表示法 2.2.2 产生式表示法 2.2.3 层次结构表示法 2.2.4 网络结构表示法 2.2.5 其他表示法 2.3 知识获取与管理 2.3.1 知识获取的任务 2.3.2 知识获取的方式 2.3.3 知识管理 2.3.4 本体论 2.4 基于知识的系统 2.4.1 什么是知识系统 2.4.2 专家系统 2.4.3 知识系统举例 2.5 本章小结 2.6 习题第3章 确定性推理 3.1 概述 3.1.1 推理方式与分类 3.1.2 推理控制策略 3.1.3 知识匹配 3.2 自然演绎推理 3.3 归结演绎推理 3.3.1 海伯伦理论 3.3.2 鲁宾逊归结原理 3.3.3 归结反演 3.3.4 归结策略 3.3.5 应用归结原理求解问题 3.4 与或形演绎推理 3.4.1 与或形正向演绎推理 3.4.2 与或形逆向演绎推理 3.4.3 与或形双向演绎推理 3.5 本章小结 3.6 习题第4章 不确定性推理 4.1 概述 4.2 基本概率方法 4.3 主观贝叶斯方法 4.3.1 不确定性的表示 4.3.2 不确定性的传递算法 4.3.3 结论不确定性的合成算法 4.4 可信度方法 4.4.1 基本可信度模型 4.4.2 带阈值限度的可信度模型 4.4.3 加权的可信度模型 4.4.4 前件带不确定性的可信度模型 4.5 模糊推理 4.5.1 模糊理论 4.5.2 简单模糊推理 4.5.3 模糊三段论推理 4.5.4 多维模糊推理 4.5.5 多重模糊推理 4.5.6 带有可信度因子的模糊推理 4.6 证据理论 4.6.1 D—S理论 4.6.2 基于证据理论的不确定性推理 4.7 粗糙集理论 4.7.1 粗糙集理论的基本概念 4.7.2 粗糙集在知识发现中的应用 4.8 本章小结 4.9 习题第5章 搜索策略 5.1 概述 5.1.1 什么是搜索 5.1.2 状态空间表示法 5.1.3 与或树表示法 5.2 状态空间搜索 5.2.1 状态空间的一般搜索过程 5.2.2 广度优先搜索 5.2.3 深度优先搜索 5.2.4 有界深度优先搜索 5.2.5 启发式搜索 5.2.6 A*算法 5.3 与或树搜索 5.3.1 与或树的一般搜索过程 5.3.2 与或树的广度优先搜索 5.3.3 与或树的深度优先搜索 5.3.4 与或树的有序搜索 5.3.5 博弈树的启发式搜索 5.3.6 剪枝技术 5.4 本章小结 5.5 习题第6章 机器学习 6.1 概述 6.1.1 什么是机器学习 6.1.2 机器学习方法的分类 6.1.3 机器学习的基本问题 6.1.4 评估学习结果 6.2 决策树学习 6.2.1 决策树表示法 6.2.2 ID3算法 6.2.3 决策树学习的常见问题 6.2.4 用决策树学习客户分类 6.3 贝叶斯学习 6.3.1 贝叶斯法则 6.3.2 朴素贝叶斯方法 6.3.3 贝叶斯网络 6.3.4 EM算法 6.3.5 用贝叶斯方法过滤垃圾邮件 6.4 统计学习 6.4.1 统计学习理论 6.4.2 支持向量机 6.4.3 核函数 6.4.4 基于支持向量机的车牌识别 6.5 遗传算法 6.5.1 进化计算 6.5.2 遗传算法原理 6.5.3 问题编码策略 6.5.4 遗传算子 6.5.5 遗传算法的理论分析 6.5.6 用遗传算法解决TSP问题 6.6 聚类 6.6.1 聚类问题 6.6.2 分层聚类方法 6.6.3 划分聚类方法 6.6.4 基于密度的聚类方法 6.6.5 基于网格的聚类方法 6.6.6 股票信息的聚类分析 6.7 特征选择与提取 6.7.1 特征选择 6.7.2 常用的特征函数 6.7.3 主成分分析 6.8 其他学习方法 6.8.1 强化学习 6.8.2 隐马尔可夫模型 6.9 本章小结 6.10 习题第7章 人工神经网络 7.1 概述 7.1.1 人脑神经系统 7.1.2 人工神经网络的研究内容与特点 7.1.3 人工神经网络的基本形态 7.2 感知器 7.2.1 简单感知器 7.2.2 多层感知器 7.3 前馈神经网络 7.3.1 反向传播算法 7.3.2 反向传播算法中的问题 7.3.3 径向基函数网络 7.4 反馈神经网络 7.4.1 Hopfield网络 7.4.2 离散型Hopfield网络 7.4.3 连续型Hopfield网络 7.4.4 Hopfield网络中的问题 7.4.5 用Hopfield网络解决TSP问题 7.5 随机神经网络 7.5.1 模拟退火算法 7.5.2 波尔兹曼机 7.6 自组织神经网络 7.6.1 竞争学习 7.6.2 自组织特征映射网络 7.7 本章小结 7.8 习题第8章 人工智能的其他领域 8.1 模式识别 8.1.1 模式识别的基本问题 8.1.2 统计模式识别 8.1.3 句法模式识别 8.1.4 模糊模式识别 8.1.5 神经网络模式识别 8.1.6 模式识别的应用 8.2 自然语言处理 8.2.1 自然语言处理的基本问题 8.2.2 语法分析 8.2.3 语义分析 8.2.4 大规模文本处理 8.2.5 自然语言处理的应用 8.3 智能体 8.3.1 智能体模型 8.3.2 多智能体系统的模型 8.3.3 多智能体系统的协作、协商与协调 8.3.4 多智能体系统的学习与规划 8.3.5 智能体间的通信 8.3.6 智能体的应用 8.4 本章小结 8.5 习题参考文献
· · · · · · (收起)
· · · · · · (收起)
读后感
评分
评分
评分
评分
评分
用户评价
评分
导论，当小说看的。引申出很多触角。
评分导论，当小说看的。引申出很多触角。
评分导论，当小说看的。引申出很多触角。
评分导论，当小说看的。引申出很多触角。
评分导论，当小说看的。引申出很多触角。
