新書推薦：
《
国术健身 易筋经
》
售價：HK$
33.4
《
古罗马800年
》
售價：HK$
188.2
《
写出心灵深处的故事：踏上疗愈之旅（修订版）（创意写作书系）
》
售價：HK$
66.1
《
控制权视角下的家族企业管理与传承
》
售價：HK$
87.4
《
冯友兰和青年谈心系列
》
售價：HK$
167.3
《
利他主义的生意：偏爱“非理性”的市场（英国《金融时报》推荐读物！）
》
售價：HK$
77.3
《
认知行为疗法：心理咨询的顶层设计
》
售價：HK$
99.7
《
FANUC工业机器人装调与维修
》
售價：HK$
99.7
|
| 內容簡介： |
《智能系统原理算法与应用》介绍智能系统的基本原理、主要算法及其应用。全书共三篇、18章：第一篇为智能系统基础，包括第1～3章，第l章介绍人工智能和智能系统的概况，涉及人工智能和智能系统的定义、发展过程、主要学派的认知观和智能系统的分类等，第2章和第3章分别讨论知识表示与推理及非经典推理；第二篇为智能系统原理与算法，包括第4～11章，探讨各种智能系统的基础理论与算法，涉及专家系统、模糊逻辑系统、神经网络系统、机器学习系统、仿生进化系统、群智能系统、多真体系统和人工免疫系统；第三篇为智能系统应用与展望，包括第12～18章，其中第12～17章探讨智能系统的各种应用，包括智能机器人系统、智能控制系统、智能规划系统、智能决策系统、自然语言理解系统和智能交通系统，第18章展望智能系统的发展。
本书可作为高等院校计算机、自动控制、管理、电子信息等专业研究生和高年级本科生学习“智能系统”等课程的教材或教学参考书，也可供从事智能系统和人工智能研究与应用的科技人员及管理人员学习参考。
|
| 關於作者： |
|
蔡自兴教授1962年毕业于西安交通大学电机工程系。1962年至今在中南大学从事教学和科研工作，现为信息科学与工程学院教授、博士生导师。1983～1985年为美国普渡大学和内华达大学访问学者，1988—1990#：任中国科学院自动化研究所和北京大学信息科学中心客座研究员，1992～1993年任美国伦塞勒工业大学客座教授。2004年4—7月为俄罗斯科学院圣彼得堡信息学与自动化研究所客座研究员。2007年5～8月任丹麦技术大学客座教授。是联合国专家UNIDO、国际导航与运动控制科学院院士、纽约科学院院士，全国高等学校首届国家级教学名师奖、宝钢教育基金优秀教师特等奖和徐特立教育奖获得者。曾任第八届湖南省政协副主席，全国政协第九、十届委员会委员。曾兼任中国人工智能学会副理事长及智能机器人专业委员会主任、中国自动化学会理事及智能自动化专业委员会委员、中国计算机学会模式识别与人工智能专业委员会委员等职。主要从事人工智能、智能系统、智能控制、智能机器人等研究，是中国智能控制、人工智能、机器人学诸学科的学术带头人之一。已在国内外出版专著、教材40多部，发表学术论文近千篇。还出版散文选集、科普选集、政协提案选辑和科普中篇小说各1部。主持并完成包括国家自然科学基金重点项目在内的科教研究30多项，获国际奖励3项、国家级奖励2项、省部级以上奖励10多项。
|
| 目錄：
|
前言
第一篇 智能系统基础
第1章 概述
1.1 人工智能与智能系统的定义
1.2 人工智能和智能系统的起源与发展
1.3 人工智能的各种认知观
1.3.1 人工智能各学派的认知观
1.3.2 人工智能的争论
1.4 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 人工智能与智能系统的计算方法
1.7 本书内容编排
习题
第2章 知识表示与推理
2.1 智能系统知识的分类与表示问题
2.1.1 智能系统知识的分类
2.1.2 知识表示的要求
2.2 状态空间图搜索
2.2.1 问题状态描述
2.2.2 无信息搜索
2.2.3 启发式搜索
2.3 谓词演算与消解原理
2.3.1 谓词演算
2.3.2 置换与合一
2.3.3 消解原理
2.4 产生式系统
2.4.1 产生式系统的组成与表示
2.4.2 产生式系统的推理
2.5 语义网络法
2.5.1 二元语义网络的表示
2.5.2 多元语义网络的表示
2.5.3 基于语义网络的知识推理
2.6 框架表示与推理
2.6.1 框架的构成
2.6.2 框架的推理
?2.7 知识表示与搜索的综合问题
2.7.1 问题的复合知识表示
2.7.2 启发式算法的可纳性与单调性
2.8 本章小结
习题
*第3章 非经典推理
3.1 经典推理和非经典推理
3.2 不确定性推理
3.2.1 不确定性的表示与量度
3.2.2 不确定性的算法
3.3 概率推理
3.3.1 概率的基本性质和计算公式
3.3.2 概率推理方法
3.4 贝叶斯推理
3.4.1 知识不确定性的表示
3.4.2 证据不确定性的表示
3.5 可信度方法
3.5.1 基于可信度的不确定性表示
3.5.2 可信度方法的推理算法
3.6 搜索与计算复杂度
3.7 本章小结
习题
第二篇 智能系统原理与算法
第4章 专家系统
4.1 专家系统概述
4.1.1 专家系统的特点
4.1.2 专家系统的结构和建造步骤
4.2 基于规则的专家系统
4.2.1 基于规则的专家系统的工作模型和结构
4.2.2 基于规则的专家系统的特点
4.3 基于框架的专家系统
4.3.1 基于框架的专家系统的定义与结构
4.3.2 基于框架的专家系统的设计方法
4.4 基于模型的专家系统
4.4.1 基于模型的专家系统的提出
4.4.2 基于神经网络的专家系统
*4.4.3 基于概率的专家系统
4.5 基于Web的专家系统
4.5.1 基于Web的专家系统的结构
4.5.2 基于Web的专家系统的实例分析
4.6 新型专家系统
4.7 专家系统设计
4.7.1 专家知识的描述
4.7.2 知识的使用和决策解释
4.8 专家系统开发工具
4.8.1 骨架型开发工具
4.8.2 语言型开发工具
4.8.3 构造辅助工具
4.8.4 支撑环境
4.9 本章小结
习题
第5章 模糊逻辑系统
5.1 模糊数学基础
5.1.1 模糊集合及其运算
5.1.2 模糊关系与模糊变换
5.2 模糊逻辑语言与推理
5.2.1 模糊逻辑语言
5.2.2 模糊逻辑推理
5.3 模糊系统的原理与结构
5.3.1 模糊系统的原理
5.3.2 模糊系统的结构
5.4 模糊系统的设计方法
5.4.1 模糊系统设计的查表法
5.4.2 模糊系统设计的递推最小二乘法
5.4.3 模糊系统设计的聚类法
*5.5 模糊系统的可达性与鲁棒性
5.5.1 模糊控制系统的可达性
5.5.2 模糊控制系统的鲁棒性
5.6 MATLAB模糊控制工具箱
5.7 本章小结
习题
第6章 神经网络系统
6.1 人工神经网络概述
6.1.1 神经元及其特性
6.1.2 人工神经网络的基本类型和学习算法
6.1.3 人工神经网络的典型模型
*6.2 基于神经网络的知识表示与推理
6.2.1 基于神经网络的知识表示
6.2.2 基于神经网络的知识推理
6.3 神经网络在约束优化中的应用问题
6.4 MATLAB神经网络工具箱及其仿真
6.4.1 MATLAB神经网络工具箱图形用户界面
6.4.2 基于Simulink的神经网络模块工具
6.5 本章小结
习题
第7章 机器学习系统
7.1 机器学习的定义和发展
7.1.1 机器学习的定义
7.1.2 机器学习的发展
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 类比学习
7.4.1 类比推理和类比学习形式
7.4.2 类比学习过程与研究类型
7.5 解释学习
7.5.1 解释学习过程和算法
7.5.2 解释学习举例
7.6 神经网络学习
7.6.1 基于反向传播网络的学习
7.6.2 基于Hopfield网络的学习
7.7 知识发现
7.7.1 知识发现的发展和定义
7.7.2 知识发现的处理过程
7.7.3 知识发现的方法
*7.8 增强学习
7.8.1 增强学习概述
7.8.2 Q-学习
7.9 本章小结
习题
第8章 仿生进化系统
8.1 进化算法
8.1.1 进化算法的主要原理
8.1.2 进化算法的整体框架
8.2 遗传算法
8.2.1 个体编码和解码
8.2.2 遗传算子
8.2.3 遗传算法的执行过程
8.2.4 遗传算法的执行实例
8.2.5 实数编码遗传算法
8.3 进化策略
8.3.1 变异算子
8.3.2 交叉算子与替换算子
8.3.3 进化策略的执行过程
8.4 进化规划
8.4.1 变异算子与替换算子
8.4.2 进化规划的执行过程
8.4.3 高斯变异与柯西变异
*8.5 遗传算法、进化策略与进化规划的异同点
8.6 本章小结
习题
第9章 群智能系统
9.1 粒子群优化算法
9.1.1 粒子群优化算法的基本原理
9.1.2 粒子群优化算法的执行过程
9.1.3 粒子速度和位置的修复
*9.1.4 粒子群优化算法的两个变种
9.1.5 粒子群优化算法的改进
9.2 蚁群算法
9.2.1 蚁群算法的起源与发展
9.2.2 蚁群算法的原理与执行
9.3 本章小结
习题
第10章 多真体系统
10.1 分布式人工智能
10.2 Agent及其要素
10.2.1 Agent的定义和译法
10.2.2 真体的要素和特性
10.3 真体的结构
10.3.1 真体的抽象结构和结构特点
10.3.2 真体结构的分类
*10.4 真体通信
10.4.1 通信的过程
10.4.2 真体通信的类型和方式
10.4.3 真体的通信语言
10.5 移动真体和多真体系统
10.5.1 移动真体的定义和系统构成
10.5.2 多真体系统的特征和关键技术
10.5.3 多真体系统的模型和结构
10.5.4 多真体的协作、协商和协调
*10.5.5 多真体的学习与规划
10.5.6 多真体系统的研究和应用领域
10.6 本章小结
习题
第11章 人工免疫系统
11.1 自然免疫系统的概念、组成与功能
11.2 免疫算法及其设计方法
11.2.1 免疫算法的定义
11.2.2 免疫算法的步骤和框图
11.2.3 免疫算法的设计方法和参数选择
*11.3 人工免疫系统的结构
11.4 人工免疫系统应用示例
11.4.1 免疫控制系统的一般结构
11.4.2 免疫控制的计算体系和系统框图
11.4.3 免疫控制系统示例
11.5 本章小结
习题
第三篇 智能系统应用与展望
第12章 智能机器人系统
12.1 机器人学的起源与发展
12.2 机器人的定义和特点
12.3 机器人系统的构成与分类
12.4 智能机器人的研究领域
12.5 智能机器人应用示例
12.5.1 汽车自主驾驶系统的组成
12.5.2 汽车自主驾驶系统的结构
12.5.3 汽车自主驾驶系统的软件结构与控制算法
12.5.4 汽车自主驾驶系统的实验结果
12.6 本章小结
习题
第13章 智能控制系统
13.1 智能控制的产生与发展
13.1.1 自动控制的机遇与挑战
13.1.2 智能控制的发展和作用
13.2 智能控制的定义、特点、一般结构与分类
13.2.1 智能控制的定义与特点
13.2.2 智能控制器的一般结构与分类
13.3 智能控制的学科结构理论体系
13.3.1 二元交集结构理论
13.3.2 三元交集结构理论
13.3.3 四元交集结构理论
13.4 智能控制系统应用示例
13.5 本章小结
习题
第14章 智能规划系统
14.1 智能规划概述
14.1.1 规划的概念和作用
14.1.2 规划的分类
14.2 任务规划
14.2.1 系统结构和规划机理
14.2.2 ROPES机器人规划系统
14.3 路径规划的主要方法和发展趋势
14.4 基于蚁群算法的移动机器人路径规划
14.4.1 蚁群优化算法简介
14.4.2 基于蚁群算法的路径规划
14.5 轨迹规划简介
14.6 本章小结
习题
第15章 智能决策系统
15.1 智能决策系统的定义与组成
15.1.1 智能决策系统的定义
15.1.2 智能决策系统的组成
15.2 智能决策系统的概念模型与典型特性
15.2.1 SHORE C2概念模型
15.2.2 指挥决策过程的典型特性
15.3 智能指挥决策的过程模型
15.3.1 智能数据融合
15.3.2 智能态势估计
15.3.3 资源的智能规划与分配
15.4 多属性决策
15.4.1 多属性决策的基本概念
15.4.2 多属性决策方法
15.5 本章小结
习题
第16章 自然语言理解系统
16.1 自然语言理解概述
16.1.1 语言与语言理解
16.1.2 自然语言理解的研究历史和发展现状
16.1.3 自然语言处理的定义和研究意义
16.2 自然语言理解的研究领域和研究方法
16.2.1 自然语言处理的研究领域
16.2.2 自然语言理解的研究方法
16.2.3 自然语言理解过程的层次
16.3 自然语言理解系统的主要模型
16.4 自然语言理解系统应用示例
16.4.1 自然语言自动理解系统
16.4.2 自然语言问答系统
16.5 本章小结
习题
第17章 智能交通系统
17.1 智能交通系统概述
17.2 智能交通系统的发展
17.3 智能交通系统的体系结构
17.4 智能交通系统的信息平台
17.5 智能交通系统应用示例
17.6 本章小结
习题
第18章 智能系统展望
18.1 智能系统的学科定位问题
18.2 智能系统对人类的影响
18.2.1 对经济的影响
18.2.2 对社会的影响
18.2.3 对文化的影响
18.3 智能系统的未来
18.3.1 更新的理论框架
18.3.2 更好的技术集成
18.3.3 更成熟的应用方法
18.4 本章小结
习题
参考文献
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
