人工智能智能系统指南原书第三版PDF电子式下载|百度网盘下载

编辑评论：

计算机科学系列：人工智能与智能系统指南（原书第3版）是一本很好的人工智能入门书籍，内容丰富，通俗易懂。笔者结合多年的教学和实践经验，结合实际代码、图解、案例，讲解了人工智能的基础知识。

前言

本书的主要目的与第一版相同，都是为读者提供一本对计算机智能领域有实际了解的书。它适合作为一学期课程的入门教程，学生需要一些微积分知识并且不需要编程经验。

在内容方面，本书介绍了数据挖掘的新篇章，并展示了智能工具在解决复杂的现实世界问题中的新应用。主要变化如下： 在新的“数据挖掘与知识发现”章节中，我们介绍了大型数据库中知识发现的一个组成部分——数据挖掘。涵盖将数据转化为知识的主要技术和工具，包括统计方法、数据可视化工具、结构化查询语言、决策树和购物篮分析。还显示了数据挖掘应用程序的几个示例。

在第 9 章中，添加了使用自组织神经网络进行聚类分析的新示例。

最后，我们扩充了本书的参考书目和参考书目，更新了附录中的人工智能工具和供应商列表。

简介

全书共分10章，主要内容包括：基于规则的专家系统、不确定性管理技术、模糊专家系统、基于框架的专家系统、人工神经网络、进化计算、混合智能系统、知识工程、此外，本书还提供了人工智能相关术语的词汇表和包含商业人工智能工具的附录。

《计算机科学丛书：人工智能与智能系统指南（原书第3版）》可作为计算机专业本科生的入门教材，也可作为非计算机专业的自学参考书理科专业。

章节详情

本书共10章。

第一章简要介绍了人工智能的历史，从20世纪中叶人工智能思想的诞生到1960年代设定远大目标并积极实现到1970年代初。从1970年代第一代专家系统（DENDRAL、MYCIN、PROSPECTOR）的诞生到1980年代和1990年代专家系统技术的成熟及其在不同领域的广泛应用；从1940年代的简单二元神经元模型到1980年代人工神经网络领域的复兴；从 1960 年代提出模糊集理论并被西方忽视其存在到 1980 年代日本大量生产模糊用户产品，1990 年代软计算和文字计算在世界范围内被广泛接受。

第 2 章概述了基于规则的专家系统。作者简要介绍了知识的概念和专家用产生式规则表达知识的过程。作者介绍了专家系统开发团队的主要成员以及基于规则的系统的结构。分析了专家系统的基本特点，指出专家系统并非万无一失。然后，它回顾了前向链接和后向链接推理技术，并讨论了冲突解决策略。最后分析了基于规则的专家系统的优缺点。

第 3 章介绍了专家系统使用的两种不确定性管理技术：贝叶斯推理和确定性因素。作者分析了不确定性知识的主要来源，并简要回顾了概率论。作者考虑了积累论据的贝叶斯方法，并开发了一个简单的基于贝叶斯的专家系统。然后，它讨论了保证因子理论（贝叶斯推理的常见替代方法）并开发了一个基于论据进行推理的专家系统。最后，比较贝叶斯推理和置信因子理论并分析其适用性。

第 4 章介绍了模糊逻辑并讨论了其背后的哲学。首先介绍模糊集的概念，考虑如何在计算机中表示一个模糊集并介绍模糊集的操作。作者还定义了语言变量和对冲。然后作者描述了模糊规则并解释了经典规则和模糊规则之间的主要区别。本章主要研究了两种模糊陷印技术：Mandani 方法和 Sugeno 方法，并对它们的适用领域提出了建议。最后介绍了开发模糊专家系统的主要步骤，并通过构建和调试模糊系统的具体过程阐明了其理论。

第 5 章概述了基于框架的专家系统。介绍框架的概念，讨论框架如何用于知识表示，说明继承是基于框架的系统的基本特征，并讨论方法、守护进程和规则的应用。最后通过实例介绍了基于框架的专家系统的开发。

第 6 章介绍了人工神经网络并讨论了机器学习的基本思想。将感知器的概念描述为一个简单的计算单元，讨论感知器的学习规则，探索多层神经网络，并讨论如何提高反向传播学习算法的计算效率。然后介绍循环神经网络，考虑 Hopfield 网络训练算法和双向联想记忆 (BAM)。最后，我们介绍了自组织神经网络，并讨论了 Hebbian 学习规则和竞争学习。

第 7 章概述了进化计算，包括遗传算法、进化策略和遗传编程。首先介绍了开发遗传算法的主要步骤，讨论了遗传算法的工作机制，并通过遗传算法的具体应用阐明了其理论。然后描述进化策略的基本概念，比较进化策略和遗传算法的区别。最后考虑遗传编程及其实际应用。

第 8 章讨论了结合不同智能技术的混合智能系统。1、介绍了一种新型的专家系统——神经专家系统

家庭系统，结合了神经网络和基于规则的专家系统。然后考虑一个在功能上等效于 Mamdani 模糊推理模型的神经模糊系统，以及一个在功能上等效于 Sugeno 模糊推理模型的自适应神经模糊推理系统 (ANFIS)。最后，讨论了进化神经网络和模糊进化系统。

第 9 章讨论知识工程。它首先讨论了智能系统可以解决什么样的问题，并介绍了知识工程过程的 6 个主要阶段。然后，展示了专家系统、模糊系统、神经网络和遗传算法的典型应用。作者演示了如何构建智能系统来解决诊断、选择、预测、分类、聚类和优化问题。最后，讨论了混合神经模糊系统在决策支持和时间序列预测中的应用。

第 10 章概述了数据挖掘并讨论了将数据转化为知识的主要技术。首先，广义地定义了数据挖掘，解释了大型数据库中数据挖掘和知识发现的过程。介绍了一些统计方法，包括主成分分析，并讨论了它们的局限性。然后展示了结构化查询语言在关系数据库中的应用，并介绍了数据仓库和多维数据分析。最后介绍了最流行的数据挖掘工具——决策树和购物篮分析。

这本书还包括一个词汇表和一个附录。该词汇表包含 300 多个专家系统、模糊逻辑、神经网络、进化计算、知识工程和数据挖掘的定义。附录中提供了商业 AI 工具的列表。