人工智能原理及应用_百度百科
声明：百科词条人人可编辑，词条创建和修改均免费，绝不存在官方及代理商付费代编，请勿上当受骗。
人工智能原理及应用
《人工智能原理及应用》一书从人工智能的应用角度出发，系统介绍了人工智能的基本原理、方法和应用技术，包括知识的表示、确定性推理和搜索策略，以及不确定性推理方法、机器学习和计算智能，并介绍了人工智能的应用研究和最新研究进展。读者在理论学习的同时，可以进行仿真和应用实验，有助于对人工智能原理的理解，掌握其技术应用方法。《人工智能原理及应用》后附有详细的实验指导。
人工智能原理及应用图书信息
外文书名: Artificial Intelligence and Its Applications
丛书名: 普通高等教育电气工程与自动化（应用型）“十二五”规划教材[1]
正文语种: 简体中文
尺寸: 25.6 x 18 x 1.4 cm
重量: 522 g
人工智能原理及应用内容简介
《人工智能原理及应用》理论讲解深入浅出，通俗易懂，原理讲解与技术应用紧密结合，适合自动化、计算机、电子商务、电子政务及信息管理等专业的教学和自学，亦可供相关领域的科研人员和工程技术人员参考。
本书系统介绍了人工智能的基本原理、方法和应用技术，包括知识的表示、确定性推理和搜索策略，以及不确定性推理方法、机器学习和计算智能，并介绍了人工智能的应用研究和最新研究进展。
人工智能原理及应用目录
第1章 绪论
1.1 人工智能的概念和研究意义
1.1.1 人工智能的概念
1.1.2 人工智能的研究意义
1.1.3 人工智能的研究目标和特点
1.2 人工智能的起源和发展
1.2.1 萌芽期
1.2.2 形成期
1.2.3 发展期
1.2.4 人工智能的最新研究进展和争论
1.3 人工智能的研究内容和应用领域
1.3.1 人工智能研究的课题
1.3.2 人工智能的应用领域
第2章 知识的表示
2.1 知识及其表示概述
2.1.1 知识的含义与结构
2.1.2 知识的特征、分类和表示
2.1.3 人工智能系统所关心的知识
2.1.4 陈述性知识与过程性知识
2.2 状态空间表示
2.2.1 状态
2.2.2 操作
2.2.3 状态空间
2.2.4 问题的解
2.2.5 状态空间表示法求解步骤
2.3 谓词逻辑表示
2.3.1 谓词逻辑的基本内容
2.3.2 个体词、谓词与量词
2.3.3 谓词公式
2.3.4 谓词公式的解释
2.3.5 谓词逻辑表示知识
2.4 问题归约表示
2.4.1 问题归约表示的过程
2.4.2 问题归约法的与/或图表示
2.4.3 问题归约法的节点定义
2.4.4 问题归约表示的可解性
2.5 语义网络表示
2.5.1 语义网络表示法
2.5.2 语义网络的网络结构
2.5.3 语义网络的语义表示
2.5.4 连词和量化的表示
2.5.5 语义网络推理的性质继承及匹配
2.5.6 语义网络表示法的特点
2.6 框架表示
2.6.1 框架理论
2.6.2 框架结构
2.6.3 附加过程
2.6.4 框架系统中的知识组织
2.6.5 框架系统的推理机制
2.6.6 框架表示法的评价
2.7 过程表示
2.7.1 过程知识表示的概念
2.7.2 示例：使用过程表示法求解九宫问题
2.7.3 过程表示的特点
2.8 面向对象的表示
2.8.1 面向对象的概念与特性
2.8.2 面向对象的原则
2.8.3 面向对象的要素
2.8.4 类与类继承
2.8.5 面向对象的知识表示的内容
2.8.6 面向对象表示的实例
2.8.7 面向对象知识表示的特点
2.9 Prolog语言概述
2.9.1 Prolog语言的背景
2.9.2 Prolog语言的逻辑思想示例
2.9.3 Prolog语言的逻辑程序定义
2.9.4 Prolog语言的数据结构和递归
第3章 确定性推理方法
3.1 推理概述
3.1.1 推理的概念
3.1.2 推理的方法
3.1.3 推理的控制策略
3.1.4 推理中的冲突
3.2 确定性推理的逻辑基础
3.2.1 命题公式的解释
3.2.2 等价式
3.2.3 永真蕴含式
3.2.4 前束范式与Skolem范式
3.2.5 置换与合一
3.3 演绎推理方法
3.3.1 演绎推理的概念
3.3.2 演绎推理的特点
3.4 归结推理方法
3.4.1 子句集及其化简
3.4.2 Herbrand（海伯伦）定理
3.4.3 Robinson（鲁宾逊）归结原理
3.4.4 利用归结推理进行定理证明
3.4.5 应用归结原理进行问题求解
3.5 归结过程中的控制策略
3.5.1 引入控制策略的原因
3.5.2 归结控制策略
第4章 不确定性推理方法
4.1 不确定推理概述
4.1.1 不确定推理的概念
4.1.2 不确定推理的基本问题和方法分类
4.1.3 不确定性推理与产生式表示
4.2 概率推理
4.2.1 概率的基本性质和计算公式
4.2.2 概率推理方法
4.3 主观贝叶斯方法
4.3.1 知识不确定性的表示
4.3.2 证据不确定性的表示
4.3.3 主观贝叶斯方法的推理过程
4.3.4 主观贝叶斯方法应用举例
4.4 可信度方法
4.4.1 可信度的概念
4.4.2 基于可信度的不确定性表示——CF模型
4.4.3 可信度方法的推理算法
4.4.4 可信度方法应用举例
4.5 证据理论（D-STheory）
4.5.1 证据理论的形式化描述
4.5.2 证据理论的不确定性推理模型
4.5.3 证据理论应用举例
4.6 模糊推理
4.6.1 模糊集理论与模糊逻辑
4.6.2 模糊知识的表示和模糊概念的匹配
4.6.3 模糊规则推理方法
第5章 搜索策略
5.1 搜索概述
5.1.1 搜索的概念及类型
5.1.2 状态空间的搜索
5.1.3 与/或树的搜索
5.2 状态空间的盲目搜索策略
5.2.1 状态空间图的一般搜索过程
5.2.2 广度优先搜索和深度优先搜索
5.2.3 代价树的搜索
5.3 状态空间的启发式搜索策略
5.3.1 启发信息与估价函数
5.3.2 最佳优先搜索
5.3.3 A*算法
5.3.4 A*算法应用举例
5.4 与/或树的盲目搜索策略
5.4.1 与/或树的搜索过程
5.4.2 与/或树的广度优先搜索
5.4.3 与/或树的深度优先搜索
5.5 与/或树的启发式搜索策略
5.5.1 解树的代价与希望树
5.5.2 与/或树的启发式搜索过程
5.6 博弈树的启发式搜索
5.6.1 博弈树的搜索过程
5.6.2 极大极小分析法
5.6.3 α-β剪枝
第6章 机器学习
6.1 机器学习概述
6.1.1 机器学习的概念
6.1.2 研究机器学习的意义
6.1.3 机器学习的发展过程
6.1.4 机器学习的主要策略
6.2 机械学习
6.2.1 机械学习的过程
6.2.2 机械学习系统要考虑的问题
6.3 归纳学习
6.3.1 示例学习
6.3.2 观察与发现学习
6.4 解释学习
6.4.1 解释学习的基本原理
6.4.2 解释学习过程和算法
6.4.3 解释学习举例
6.5 类比学习
6.5.1 类比学习的概念
6.5.2 类比学习的表示
6.5.3 类比学习的求解
6.6 决策树学习
6.6.1 ID3算法
6.6.2 实例计算
6.7 神经网络学习
6.7.1 神经网络学习的概念
6.7.2 感知器学习
6.7.3 BP网络学习
6.7.4 Hopfield网络学习
第7章 计算智能
7.1 计算智能概述
7.1.1 计算智能的概念
7.1.2 计算智能的研究发展过程
7.1.3 计算智能与人工智能的关系
7.2 神经计算
7.2.1 生物神经元
7.2.2 人工神经元
7.2.3 神经网络的互连结构
7.2.4 神经网络的典型模型
7.3 模糊计算
7.3.1 模糊集及其运算
7.3.2 模糊关系及其运算
7.4 遗传算法
7.4.1 遗传算法的基本概念
7.4.2 遗传算法的基本原理
7.4.3 遗传算法的应用
7.5 蚁群算法
第8章 人工智能应用研究
8.1 专家系统
8.1.1 专家系统的起源和发展
8.1.2 专家系统的结构
8.1.3 专家系统的特点
8.1.4 专家系统的建立
8.1.5 专家系统应用实例：混凝土成品料温专家控制系统
8.2 自然语言理解
8.2.1 概述
8.2.2 句法分析
8.2.3 词性标注
8.3 数据挖掘与知识发现
8.3.1 概述
8.3.2 关联规则挖掘
8.3.3 分类
8.3.4 聚类分析
8.4 自动规划
8.4.1 概述
8.4.2 自动规划的原理
8.4.3 自动规划技术
8.4.4 自动规划技术的最新发展
8.5 分布式智能与Agent
8.5.1 分布式智能概述
8.5.2 Agent的概念和模型
8.5.3 多Agent的概念及其建模
8.5.4 Agent之间的通信
8.5.5 Agent的体系结构
附录 实验指导
实验一 VisualProlog知识表示与推理实验
实验二 状态空间搜索——八数码问题
实验三 基于MATLAB的模糊推理系统设计
实验四 基于MATLAB的神经网络设计
实验五 应用遗传算法求解优化问题
．机械工业出版社[引用日期]基于D-S证据理论的后勤综合保障能力评估模型
0前言 后勤综合保障能力评估就是根据后勤保障需求,分析判断后勤依靠自身现有保障能力对作战部队所能达到的总体保障程度。评估的结果对现有保障力量的掌握程度以及保障方案的制定具有重要的影响。然而【J前已有的评估模型都是逻辑简单的线形评估模型,其对影响保障能力大小的因素分析不够深人,各因素权重的给出缺乏科学根据和理论支持,且未考虑保障能力人为因素的影响(如保障指挥人员及调运人员的素质等)。)因此,模型反映片面且所作评判置信度不高。为了更加客观、全面地对后勤保障能力作出评估,本文提出一种基于D一S证据理论的评估模型。该模型将保障能力的指标作为评估保障能力的证据,通过证据间冲突程度的计算能很好地分析各指标间的相互支持、相互协调的程度。利用该模型可对后勤综合保障能力作出合理的评判1后勤综合保障能力评价指标体系 后勤综合保障能力的评价指标及其影响因素主要有以下四个方面: (1)物资力一面主要是指依靠现有的物资储备,能否完成对作战部队所需的弹药、...&
(本文共2页)
权威出处：
0引言安全可靠的发电、输电、变电、供电体系是整个电力系统正常运行的保障,变压器是这一系列环节中的基石,无论哪个环节都离不开变压器。随着变压器运行年限的增加,其内部绝缘老化,导致变压器逐渐丧失原有的机械性能和绝缘性能,变压器抵抗短路大电流冲击的能力大大降低,从而影响运行的可靠性。在影响变压器运行状态和寿命的失效故障中,90%以上属于绝缘老化问题[1],因此从安全性和经济性方面考虑,评估变压器绝缘老化的程度,对保障变压器安全稳定运行是必要的。检测电力变压器绝缘老化的方法非常多,但这些方法都有各自的局限性,如绝缘纸聚合度的检测需要在变压器停电放油后才能进行,回复电压法(RVM)、极化/去极化电流法(PDC)等先进的无损测量法对检测设备和试验环境有较高的要求[2-3]。目前将多种检测方法有效结合的研究还不多。基于以上考虑,本文提出采用220 k V油浸式变压器日常检查维护中所用到的不停电检测方法来测量变压器油中糠醛含量、ρCO/ρCO2...&
(本文共6页)
权威出处：
0引言网络安全态势感知是指在大规模网络环境中,对能够引起网络安全态势发生变化的安全要素进行获取、理解、显示以及预测未来的发展趋势[1-2],能够为安全管理人员的提供直接、有效的全局信息,“事后”提供实时响应能力,“事前”提供及时预警能力,实现动态安全防护。网络安全态势预测是态势感知的重要组成部分,是预防网络攻击和破坏行为的前提和基础。在一定程度上,未来网络安全态势与之前的网络安全态势有很大关联,态势变化也有一定规律,利用这种规律可以进行网络安全态势预测。王慧强等人提出了一种基于遗传神经网络的动态态势预测方法[3];王选宏等人利用支持向量回归理论对未来网络安全态势进行预测[4];唐成华等人提出了一种基于似然BP的网络安全态势预测方法[5]。目前大部分网络安全态势预测研究属于理论性研究,基于纯粹的数学模型或方法,未结合网络实际情况,缺乏根据,导致预测过程和结果难以理解,难以对安全防护决策起到指导作用。针对上述问题,本文提出了一种基于...&
(本文共5页)
权威出处：
0引言压缩机、汽轮机、燃气轮机、电机、风机、水泵等旋转机械是许多企业的关键设备,其运行状态直接影响企业的生产情况,因而对旋转机械故障的准确诊断非常重要.随着旋转机械故障诊断技术的发展,全矢谱[1]分析作为一种数据层融合技术,以其提供数据源的完整性和无冗余性,在旋转机械故障诊断领域获得越来越广泛的应用.在全矢谱理论基础上发展起来的如矢功率谱[2]、矢Wigner分布[3]等也在故障诊断领域获得应用.然而,不管是全矢谱还是矢功率谱,作为特征向量提取出来进行故障诊断时,只是利用转子某一个截面的信息,而转子的空间振动情况并不是单一截面的信息就能够正确反映的,特别是当传感器安装位置不恰当时(例如节点位置附近),就更不能简单地把截面振动等同于转子的振动了.在决策层融合方面,D-S证据理论已成功应用于模式识别和故障诊断,其最大优势是可以综合利用各个传感器提供的信息,提高判别的准确性和可信度[4].基于此,本文提出基于矢功率谱和D-S证据理论分...&
(本文共3页)
权威出处：
0引言无论在军事上还是非军事上,多传感器数据融合已经成为全球研究的热点之一。数据融合的重要研究内容之一是融合方法。最初的融合分为3个层次:像素级融合、特征级融合和决策级融合。D-S方法是决策级融合的重要方法,在数据融合领域应用极为广泛。该方法以D-S理论,即证据理论为基础,核心是Dempste合成规则。Dempster-Shafer证据理论简源于20世纪60年代Dempster在多值映射方面的工作,他将证据的信任函数与概率空间的一概率的最大、最小值相关联构造了不确定推理模型的一般框架,此后,Shafer又在此基础上进行了扩展,形成了能够处理不确定不精确不完整信息的证据理论。它凭借其能够表示不确定性未知等概念的优点在数据融合中得到广泛重视,特别是成功应用于图像处理、机器人导航、医疗诊断决策分析等需要处理不确定信息的领域。证据组合规则是证据理论的核心,它将来自不同信息源的独立证据信息组合,产生更可靠的证据信息。但是在证据高度冲突和完...&
(本文共4页)
权威出处：
0引言在战场上对辐射源进行识别是抗击反舰导弹、提高舰艇生存能力的重要方面,其根本目的就是识别出辐射源载体的性质。从反导作战流程来看,对辐射源进行识别是实施对抗的前提。目前现有辐射源识别方法主要依靠数据库的先验知识来进行,对未知的信号无法进行有效识别,难以满足复杂电磁环境条件下的战场需要。针对这一现状,采用基于加权D-S证据理论,可以实现对雷达辐射源目标的识别,能解决现有方法无法对未知信号识别的部分缺陷。1 D-S证据理论方法在多传感器数据融合系统中,由于传感器测量的不精确以及环境噪声和人为干扰等因素,会增加被融合的数据不确定性。许多研究军用数据融合技术的专家一致认为,指挥控制中的不确定性是影响系统性能的主要原因,从而决定了确定性方法不适用于多传感器数据融合。证据的不确定性导致在目标识别和态势估计中不能使用严格的解析方法,而必须使用各种基于现代统计理论、估计理论以及人工智能技术的方法。作为贝叶斯推理扩充的证据理论是由Demp-st...&
(本文共5页)
权威出处：
扩展阅读：
CNKI手机学问
有学问，才够权威！
出版：《中国学术期刊（光盘版）》电子杂志社有限公司
地址：北京清华大学 84-48信箱 大众知识服务
互联网出版许可证 新出网证(京)字008号
京ICP证040431号
服务咨询：400-810--9993
订购咨询：400-819-9993
传真：010-可信度理论模型
confidence model
可信度理论模型
基于1个网页-
通过模型修正得到的理论模型具有更高的可信度，可以更好地为工程技术服务。
Theoretical model obtained by the model updating has a higher confidence level which can be better serving for engineering technology .
本文主要涉及的不确定推理模型包括主观贝叶斯的概率推理模型，可信度理论推理模型，证据理论及其改进推理模型以及神经网络推理模型。
In the paper, the models of uncertain reasoning are focused, such as the reasoning model of Bayes probability, Reliability theory, D-S evidence theory and Neural Network.
通过试验，验证了理论模型与实验结果的一致性，从而确认了模拟模型在理论分析中的可信度及在工程中的可用性。
The test results shown that consistent between the theoretical and the experimental data and simulating model's reliability as well its usability in engineering was confirmed.
$firstVoiceSent
- 来自原声例句
请问您想要如何调整此模块？
感谢您的反馈，我们会尽快进行适当修改！
请问您想要如何调整此模块？
感谢您的反馈，我们会尽快进行适当修改！君，已阅读到文档的结尾了呢~~
项目级水泥混凝土路面养护管理专家系统的研究,混凝土路面养护,水泥混凝土路面,水泥混凝土路面施工,水泥混凝土路面设计,混凝土养护,混凝土路面,沥青混凝土路面,混凝土养护时间,混凝土路面施工方案
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
项目级水泥混凝土路面养护管理专家系统的研究
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口