高等學校計算機科學與技術研究生教學用書：人工智能高級技術導論
定 價：46.3 元
- 作者：高濟 著
- 出版時間：2009/5/1
- ISBN：9787040263015
- 出 版 社：高等教育出版社
- 中圖法分類：TP18
- 頁碼：459
- 紙張：
- 版次：1
- 開本：16開
以問題求解、知識表示、KB（基于知識的）系統(tǒng)、自動規(guī)劃、機器學習等關于人工智能的基礎級技術為主要內容，但僅依賴這些基礎級技術，并不足以支持高性能應用的開發(fā)和運行。為此，《人工智能高級技術導論》從推動高性能智能軟件的研究和應用角度，對人工智能的高級技術作全面的導論性介紹，包括20世紀80年代開發(fā)的KB系統(tǒng)高級技術、非單調推理和軟計算、基于范例的推理、關于時間和空間的推理，90年代興起的Agent技術和多Agent協(xié)同工作，進入21世紀后機器學習研究與應用的新進展，以及新一代網絡計算的技術基礎及其智能化。
《人工智能高級技術導論》將在回顧基于知識的問題求解技術的基礎上，介紹這些人工智能高級技術，包括研究背景、基本概念和實現方法，使讀者對這些技術有一個全面和深入的認識，并由此為應用和進一步研究這些技術奠定必要的基礎。《人工智能高級技術導論》也可供工程技術人員參考使用。
與“十一五”國家級規(guī)劃教材《人工智能基礎》（第2版）配套的研究生“人工智能”課程教材。
傳統(tǒng)的人工智能（AI）技術建立在基于符號表示和推理的經典理論之上，包括搜索、歸約和邏輯推理等問題求解的基本方法以及知識表示的理論和方法。這些技術已廣泛應用于KB（基于知識的）系統(tǒng)、自動規(guī)劃、機器學習、自然語言處理、機器視覺、機器人等應用領域。作為AI技術的入門級或基礎性的課程教材，大多數AI教科書也都以介紹這些基礎級技術為主要內容。然而，僅依賴這些基礎級技術，并不足以支持高性能應用的開發(fā)和運行。為此，實現高性能的高級技術得到了深入和持久的研究，首先是興起于20世紀80年代的KB系統(tǒng)高級技術、非單調推理和軟計算、基于范例的推理以及關于時間和空間的推理，然后是興起于20世紀90年代的Agent技術和多Agent協(xié)同工作；進入新世紀后，機器學習的研究與應用取得了顯著進展，而新一代網絡計算的技術基礎及其智能化則成為另一個研究熱點。
KB系統(tǒng)（狹義地，專家系統(tǒng)）在20世紀70年代的初步成功導致了80年代初AI工業(yè)化浪潮的興起。但推動該浪潮的AI“淘金熱”隨即遭受重大挫折，快速消失了。AI研究者們從中悟出的一個教訓就是：基于知識的問題求解技術必須與主流計算技術緊密結合，才有出路；從而導致基于知識的軟件智能化技術發(fā)展為AI應用研究的主流方向之一。
KB系統(tǒng)多年來的實踐已經證明，使軟件具有基于知識的問題求解能力或廣義的知識處理能力，可以作為實現軟件智能化的有效途徑。然而，傳統(tǒng)KB系統(tǒng)存在嚴重缺點：問題求解能力的脆弱性和不可靠性，這主要源自其只獲取表示事物間現象上關聯的經驗知識，使得求解的問題超出經驗知識允許的范圍時系統(tǒng)的處理能力急劇下降。正是這個嚴重缺點和相關的其他缺點導致20世紀80年代初投資開發(fā)的許多KB系統(tǒng)未走出實驗室。
第一章 緒論
1．1 人工智能研究的發(fā)展
1．2 人工智能應用研究的發(fā)展趨勢
1．3 基于知識的軟件智能化技術
1．3．1 知識處理技術的深化
1．3．2 對KB系統(tǒng)現狀的反思
1．3．3 軟件智能化實踐
1．3．4 開發(fā)人工智能高級技術
本章 小結
習題
參考文獻
第二章 基于知識的問題求解
2．1 知識表示
2．2 問題求解
2．2．1 問題求解的基本方法
2．2．2 問題求解的組織
2．3 KB系統(tǒng)
2．3．1 KB系統(tǒng)的一般概念
2．3．2 知識獲取和KB系統(tǒng)開發(fā)
2．3．3 KB系統(tǒng)開發(fā)工具和環(huán)境
2．4 知識級分析
2．4．1 表示和知識
2．4．2 計算機系統(tǒng)的功能分級
2．4．3 知識級
2．4．4 知識級細節(jié)
2．4．5 結論
2．5 符號推理的高級技術
2．5．1 基于假設的推理
2．5．2 從屬和辯證
2．5．3 約束滿足
2．5．4 元推理
本章 小結
習題
參考文獻
第三章 KB系統(tǒng)的高級技術
3．1 開發(fā)的必要性
3．2 定性物理方法
3．2．1 定性演算
3．2．2 用定性演算推理行為
3．2．3 典型的定性物理方法
3．3 基于模型的推理(MBR)
3．3．1 因果建模
3．3．2 不精確模型
3．4 深、淺層推理的綜合
3．4．1 一個實例——動態(tài)系統(tǒng)的適應性多級診斷建模
3．4．2 綜合深、淺層推理的技術
3．5 問題求解的結構化模型
3．5．1 問題求解建模
3．5．2 知識獲取工具的開發(fā)工具
3．6 功能化體系結構
3．6．1 常見任務
3．6．2 診斷推理中的常見任務舉例
3．6．3 常見任務工具集
3．6．4 功能化體系結構方式的評價
3．7 知識級問題求解建模
3．7．1 知識獲取觀點
3．7．2 中間模型
3．7．3 專門知識建模
3．7．4 可重用的專門知識元素
3．7．5 知識變異
3．7．6 結構保留設計
3．7．7 知識獲取過程
3．7．8 結論
本章 小結
習題
參考文獻
第四章 非單調推理和軟計算
4．1 傳統(tǒng)邏輯系統(tǒng)的局限性
4．2 非單調推理
4．2．1 非單調推理簡介
4．2．2 非單調推理的形式化方法
4．2．3 真值維持系統(tǒng)
4．2．4 約束滿足問題
4．3 不確定推理
4．3．1 主觀Bayes方法
4．3．2 確定性方法
4．3．3 D—S證據理論
4．3．4 應用不確定推理的準則
4．4 模糊邏輯和模糊推理
4．4．1 模糊邏輯
4．4．2 模糊推理
4．4．3 模糊控制
4．4．4 應用模糊邏輯時的問題
4．5 神經網絡
4．5．1 神經元和神經網絡
4．5．2 面向映射_／變換的BP網
4．5．3 面向聯想記憶的神經網絡
4．5．4 神經網絡的實現技術
本章 小結
習題
參考文獻
第五章 基于范例的推理
5．1 基于范例的推理系統(tǒng)
5．1．1 研究動機
5．1．2 CBR系統(tǒng)分類
5．1．3 應用例——基于范例的服務調度
5．2 范例表示和索引
5．2．1 范例的內容
5．2．2 范例索引
5．3 檢索、改編和辯證
5．3．1 范例檢索和存儲更新
5．3．2 解答改編
5．3．3 解答辯證
5．4 基于范例的學習
5．4．1 學習方式
5．4．2 學習方法的比較
5．5 基于范例的推理應用
5．5．1 某些CBR應用系統(tǒng)
5．5．2 集成CBR和其他信息處理技術
5．6 結論
本章 小結
習題
參考文獻
第六章 關于時間和空間的推理
6．1 伴有時間的推理
6．1．1 時間和邏輯
6．1．2 時間概念及其表示
6．1．3 實現伴有時間的推理
6．1．4 基于時態(tài)邏輯的RWT理論框架
6．2 時間的不確定性和分支
6．2．1 關于事件時間的不完全知識
6．2．2 時間分支
6．3 關于空間的推理
6．3．1 空間概念及其表示
6．3．2 空間搜索
6．3．3 多層次空間表示
6．4 關于形狀的推理
6．5 時空推理小結
本章 小結
習題
參考文獻
第七章 機器學習研究與應用的新進展
第八章 Agent技術和信息基礎設施智能化
第九章 新一代網絡計算的技術基礎及智能化
書單推薦
