人工智能及應用

本書系統介紹人工智能的基本原理、方法和應用技術，全面地反映了國內外人工智能研究領域的進展和熱點。全書共11章，主要包括人工智能的基本概念、知識表示技術、搜索策略、邏輯推理技術、不確定性推理方法、專家系統、 ^[1] 

第1章緒論1

1.1人工智能的基本概念1

1.1.1智能的概念1

1.1.2現代人工智能的興起3

1.1.3人工智能的定義3

1.1.4其他相關的概念4

1.1.5圖靈測試和中文房間問題5

1.2人工智能的發展歷程9

1.2.1孕育期(1956年之前)9

1.2.2形成期(1956—1969年)10

1.2.3發展期(1970年之後)11

1.3人工智能的研究目標13

1.4人工智能的學術流派14

1.4.1符號主義、連接主義與行為主義14

1.4.2傳統人工智能與現場人工智能15

1.4.3弱人工智能與強人工智能16

1.4.4簡約與粗陋16

1.5人工智能的研究和應用領域17

1.5.1專家系統18

1.5.2自然語言理解19

1.5.3機器學習20

1.5.4分佈式人工智能20

1.5.5人工神經網絡21

1.5.6自動定理證明22

1.5.7博弈23

1.5.8機器人學23

1.5.9模式識別24

1.5.10自動程序設計24

1.5.11智能控制25

1.5.12智能決策支持系統25

1.5.13智能電網26

本章小結26

習題27第2章知識表示28

2.1概述28

2.1.1知識概述28

2.1.2知識的性質29

2.1.3知識的分類30

2.1.4知識表示32

2.1.5知識表示觀33

2.2一階謂詞邏輯表示法36

2.2.1一階謂詞邏輯表示法的邏輯基礎36

2.2.2一階謂詞邏輯表示知識的步驟38

2.2.3一階謂詞邏輯表示法的特點40

2.3產生式表示法41

2.3.1產生式表示的方法42

2.3.2產生式系統的基本結構43

2.3.3產生式系統的推理方式45

2.3.4產生式表示法的特點48

2.4語義網絡表示法48

2.4.1語義基元48

2.4.2基本語義關係49

2.4.3關係的表示51

2.4.4情況、動作和事件的表示53

2.4.5謂詞連接詞的表示53

2.4.6量詞的表示54

2.4.7基於語義網絡的推理55

2.4.8語義網絡表示法的特點57

2.5框架表示法57

2.5.1框架的一般結構58

2.5.2框架系統61

2.5.3基於框架的推理61

2.5.4框架表示法的特點63

2.6腳本表示法63

2.6.1概念依賴理論63

2.6.2腳本表示方法64

2.6.3腳本表示法的特點66

2.7過程表示法66

2.7.1陳述性知識表示與過程性知識表示66

2.7.2過程知識表示方法67

2.7.3過程表示的問題求解過程67

2.7.4過程表示的特點68

2.8Petri網表示法69

2.8.1表示知識的方法69

2.8.2Petri網表示法的特點71

本章小結72

習題72第3章搜索策略74

3.1概述74

3.1.1搜索概述74

3.1.2搜索的主要過程75

3.1.3搜索策略的分類75

3.1.4搜索的方向75

3.1.5主要的搜索策略76

3.2狀態空間知識表示方法76

3.2.1狀態空間表示法77

3.2.2狀態空間圖79

3.3狀態空間的盲目搜索81

3.3.1回溯策略82

3.3.2一般的圖搜索策略88 ^[2] 

3.3.3深度優先搜索策略92

3.3.4寬度優先搜索策略95

3.4狀態空間的啓發式搜索98

3.4.1啓發性信息與評價函數99

3.4.2A算法101

3.4.3分支界限法104

3.4.4動態規劃法107

3.4.5爬山法108

3.4.6A算法109

3.5與/或圖搜索117

3.5.1與/或圖表示法117

3.5.2與/或圖的搜索策略121

3.5.3與/或樹的搜索策略125

3.6博弈樹搜索131

3.6.1博弈概述131

3.6.2Grundy博弈132

3.6.3極大極小搜索法133

3.6.4α-β剪枝方法134

本章小結136

習題137第4章邏輯推理140

4.1概述140

4.1.1推理和推理方法140

4.1.2推理控制策略140

4.1.3經典邏輯推理141

4.2命題邏輯142

4.2.1命題公式的解釋143

4.2.2等價式143

4.2.3範式144

4.2.4命題邏輯的推理規則145

4.2.5命題邏輯的歸結方法147

4.3謂詞邏輯151

4.3.1謂詞公式的解釋151

4.3.2謂詞等價公式與範式152

4.3.3謂詞邏輯的推理規則155

4.3.4謂詞邏輯的歸結方法156

4.4非單調邏輯164

4.4.1非單調推理164

4.4.2封閉世界假設、限制和最小模型165

4.4.3默認邏輯167

4.4.4溯因推理168

4.4.5真值維護系統169

4.5多值邏輯和模糊邏輯170

本章小結172

習題172第5章不確定性推理175

5.1概述175

5.1.1不確定性推理概述175

5.1.2不確定性的表現176

5.1.3不確定性推理要解決的基本問題177

5.1.4不確定性推理方法的分類179

5.2確定性理論179

5.2.1可信度的基本概念180

5.2.2表示問題180

5.2.3計算問題183

5.2.4帶有閾值限度的不確定性推理185

5.2.5帶有權重的不確定性推理187

5.2.6確定性理論的特點188

5.3主觀Bayes方法188

5.3.1證據不確定性的表示188 ^[2] 

5.3.2知識不確定性的表示189

5.3.3組合證據的不確定性191

5.3.4結論不確定性的更新192

5.3.5結論不確定性的合成193

5.3.6主觀Bayes方法的特點195

5.4證據理論195

5.4.1D\|S理論195

5.4.2一個特殊的概率分配函數200

5.4.3表示問題203

5.4.4計算問題203

5.4.5證據理論的特點206

5.5貝葉斯網絡206

5.5.1貝葉斯網絡概述207

5.5.2基於貝葉斯網絡的不確定性知識表示208

5.5.3基於貝葉斯網絡的推理模式209

5.5.4基於貝葉斯網絡的不確定性推理的特點211

5.6模糊推理211

5.6.1模糊理論的基本概念212

5.6.2表示問題218

5.6.3計算問題219

5.6.4模糊推理的特點226

本章小結226

習題227第6章專家系統229

6.1概述229

6.1.1專家系統發展歷程229

6.1.2專家系統特點230

6.1.3專家系統的類型231

6.1.4新型專家系統233

6.2專家系統結構234

6.3專家系統設計237

6.3.1專家系統的設計步驟237

6.3.2知識獲取239

6.3.3知識庫設計和知識管理241

6.3.4推理機設計243

6.3.5解釋功能設計244

6.3.6系統結構設計245

6.3.7專家系統的評價245

6.4專家系統應用案例246

6.4.1動物識別專家系統246

6.4.2PROSPECTOR系統249

6.5開發工具與環境251

6.5.1程序設計語言252

6.5.2骨架系統252

6.5.3知識表示語言253

6.5.4輔助型工具254

6.5.5專家系統開發環境254

本章小結255

習題255第7章機器學習256

7.1概述256 ^[2] 

7.1.1機器學習的定義256

7.1.2機器學習的發展257

7.1.3機器學習分類259

7.1.4歸納學習260

7.2決策樹學習261

7.2.1決策樹261

7.2.2決策樹構造算法263

7.2.3決策樹的歸納偏置264

7.3變型空間學習266

7.3.1泛化和特化266

7.3.2候選刪除算法268

7.4基於解釋的學習271

7.4.1基本概念271

7.4.2基於解釋的學習方法272

7.5人工神經網絡274

7.5.1基本概念275

7.5.2感知器280

7.5.3多層神經網絡282

7.5.4Hopfield神經網絡287

7.5.5雙向相關記憶290

7.5.6自組織神經網絡293

7.6進化計算298

7.6.1模擬自然進化298

7.6.2遺傳算法299

7.6.3進化策略304

7.6.4遺傳編程305

本章小結307

習題308第8章模式識別310

8.1概述310

8.1.1模式識別的發展與應用310

8.1.2模式識別系統311

8.1.3模式識別方法314

8.1.4模式識別實例317

8.2線性分類器319

8.2.1感知器準則320

8.2.2最小均方誤差320

8.2.3Fisher準則321

8.2.4支持向量機323

8.3貝葉斯決策理論327

8.3.1最小錯誤貝葉斯決策規則327

8.3.2最小風險貝葉斯決策規則328

8.3.3正態分佈的貝葉斯分類329

8.3.4密度估計的參數法330

8.3.5密度估計的非參數法331

8.4聚類分析333

8.4.1動態聚類法333

8.4.2層次聚類法334

本章小結335

習題336第9章Agent和多Agent系統337

9.1概述337

9.2Agent理論339

9.2.1Agent的基本概念339

9.2.2Agent的特性340

9.2.3Agent的內部結構341

9.2.4Agent類型344

9.2.5Agent的實現工具345

9.3多Agent系統346

9.3.1多Agent的結構模型346

9.3.2通信方式348

9.3.3通信語言349

9.3.4協調與協作350

9.4MAS的應用案例354

9.5Agent技術應用355

本章小結357

習題357第10章人工智能程序設計語言358

10.1概述358

10.1.1LISP語言簡介358

10.1.2PROLOG語言簡介359

10.2表處理語言LISP359

10.2.1LISP的基本元素360

10.2.2LISP的運行機制360

10.2.3LISP的基本函數361

10.2.4LISP的表處理364

10.2.5LISP的應用實例369

10.3邏輯程序設計語言PROLOG373

10.3.1Horn子句373

10.3.2PROLOG程序的語句374

10.3.3PROLOG的推理機制374

10.3.4PROLOG的表結構376

10.3.5PROLOG的應用實例378

本章小結382

習題383第11章人工智能在電力系統中的應用384

11.1概述384

11.2人工智能在電力系統故障診斷中的應用385

11.2.1電網故障診斷原理386

11.2.2貝葉斯網絡建模388

11.2.3貝葉斯網絡故障診斷推理388

11.2.4改進的貝葉斯網絡故障診斷模型389

11.2.5其他智能故障診斷技術的應用390

11.3人工智能在電力巡檢中的應用391

11.3.1電力設備巡檢391

11.3.2巡檢機器人392

11.3.3系統實時監控後台393

11.3.4路徑規劃管理395

11.3.5設備狀態識別396

11.3.6Agent技術397

11.4人工智能在電力大數據分析中的應用400

11.4.1大數據基本概念400

11.4.2電力大數據的來源401

11.4.3大數據分析與人工智能402

11.4.4電力大數據分析典型應用場景403

本章小結406參考文獻407 ^[2]