人工智能

资源名称：人工智能导论 内容简介：        本书主要讲述人工智能问题求解方法的一般性原理和基本思想，并简要介绍人工智能语言，知识表示方法以及几个应用领域中所涉及的人工智能问题。        全书共十章，前五章是人工智能基本原理和方法的论述，后五章是人工智能技术应用中涉及的几个生要问题，这些内容都是了解人工智能技术最基本的入门知识。        本书可作为计算机专业本科生和研究生学习人工智能导论课程的教材和参考书，也可作为其他专业研究生了解人工智能技术的参考书。本书还可作为其他对人工智能技术有兴趣的科技、工程技术人员学习的入门参考书・ 资源目录： 绪论 0.1 人工智能的研究目标 0.2 人工智能发展简史 0.3 人工智能研究的课题 第一章 产生式系统 1.1 产生式系统的组成部分 1.2 产生式系统的基本过程 1.3 产生式系统的控制策略 1.4 问题的表示 1.5 产生式系统的类型 1.6 小结 习题 第二章 产生式系统的搜索策略 2.1 回溯策略 （BacktrackingStrategies） 2.2 图搜索策略 2.3 无信息图搜索过程...

资源名称：仿人机器人 内容简介：         本书是国际上第一部系统介绍仿人机器人的专著。内容包括仿人机器人学的运动学、ZMP和动力学、双足步态规划、全身运动模式的生成和动力学仿真等，是对10多年来仿人机器人的研究成果的总结。本书图文并茂，深入浅出，内容丰富，对广大读者了解和掌握当今世界在仿人机器人上的最新发展和水平具有重要参考价值。 资源截图：

资源名称：自主移动机器人导论 内容简介：        任何成功的机器人的设计涉及到运动学、信号分析、信息论、人工智能和概率论等多个不同学科的综合。为此，本书提出了在一系列交互模块中，使移动性成为可能的技术和制作工艺。随着各章内容的深入，覆盖了移动机器人学的各个方面，包括硬件设计、轮子设计、运动学分析、传感器、感知、定位、作图，以及机器人控制体系结构。本书把移动机器人的所有方面集合成一个整体，既适合作为我国各高等院校自动化、机器人学等专业的研究生教材，也可提供其他相关专业的科技人员参考。 资源截图：

资源名称：次协调逻辑与人工智能 内容简介：        这本《次协调逻辑与人工智能（AI）》，第一编写协调逻辑基本原理，包括历史背景、现实原型、次协调逻辑命题演算，谓词演算、道义演算以及在集合论与辩证逻辑中的初步应用等等，由作者所写。第二编一系列创新的次协调公理系统的绝大部分，大都出自陈立自的手笔。技术方面只有小部分工作才属于作者的，但在文字上作者作了很多改写。第三编在计算机人工智能方面的应用，则是由武汉大学计算机科学系朱福喜副教授担任。本书作者的逻辑思想带有明显的非正统色彩，可能说我们特别喜欢非经典逻辑并属于逻辑学者听“第三世界”。 资源目录： 序 前言 第一编 次协调逻辑及其基本原理 第一章 次协调逻辑是从哪里来的 第一节 次协调思想并不神秘：几个引例 第二节 为什么会产生新逻辑 第三节 次协调逻辑的现实原型 第四节 悖论、二律背反与次协调逻辑 第五节 “协调论”、“交际思维学”中的次协调思想 第二章 次协调逻辑发展简史 第一节 卢卡西维茨论亚氏矛盾律 第二节 瓦西里也夫的“榻象逻辑” 第三节 雅斯可夫斯基的“商讨逻辑” 第三章 达科斯塔的次协调逻辑 第一节 概述 第二节 次协调命题演算C 第三节 次协调谓词喾算与摹状词演算 第四节 次协调集合论的基本思想 第四章 次协调逻辑的其他分支 第一节 为什么需要有次协调道义逻辑 第二节 次协调道义演算C 第三节 C的道义可能世界语义学...

资源名称：高级人工智能（第二版） 史忠植 内容简介：          人工智能是计算机科学的一个分支，是一门研究机器智能的学科，即用人工的方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为。      本书第二版共16章，首先讨论人工智能的认知问题和逻辑基础，然后论述约束推理、定性推理、基于范例推理、概率推理。第七章至第十三章重点讨论机器学习，包括归纳学习、支持向量机、解释学习、强化学习、粗糙集、关联规则、知识发现。第十四章阐述分布式智能。最后两章分别讨论进化计算和人工生命。与第一版相比，增加了五章新内容。其他章节也作了较大的修改和补充。       本书内容新颖，反映该领域的最新研究进展，特别总结了作者多年的科研成果。全书力求从理论、算法、系统、应用讨论人工智能的方法和关键技术。本书可以作为信息领域和相关专业的高等院校高年级学生和研究生的教材，也可以供有关科技人员学习参考。   资源目录： 前言第一章 绪论第二章 人工智能逻辑第三章 约束推理第四章 定性推理第五章 基于范例推理第六章 概率推理第七章 归纳学习第八章 类比学习第九章 解释学习第十章 粗糙集第十一章 支持向量机第十二章 关联规则第十三章 知识发现第十四章 分布智能第十五章 进化计算第十六章 人工生命 资源截图：

资源名称：人工智能的原理与方法 内容简介：         本书全面系统地介绍了人工智能的基础理论、基本方法和应用技术。内容涉及人工智能的基本概况和数学基础、知识表示、基于谓词的逻辑推理、不确定性理论、搜索策略、专家系统、神经网络、模式识别、机器学习、自然语言理解、智能决策系统以及智能计算机等。         《人工智能的原理与方法》全面系统地介绍了人工智能的基础理论、基本方法和应用技术，可作为本科生和研究生相关专业的教材，也可供有关科技人员参考。 资源目录： 第l章绪论1.1人工智能的概念1.1.1什么是人工智能？1.1.2为什么要研究人工智能？1.2人工智能的研究目标1.3人工智能的研究内容1.4人工智能的研究途径1.5人工智能的研究领域1.5.1问题求解（ProblemSolving）1.5.2专家系统（ExpertSystem-ES）1.5.3模式识别（PatternRecognition）1.5.4机器学习（MachineLearning）1.5.5自动定理证明（AutomatedMechanicalTheoryProving）1.5.6自然语言理解（NaturalLanguageUnderstanding）1.5.7自动程序设计（AutomaticProgramming）1.5.8智能机器人（IntelligentRobot）1.5.9智能决策系统（IntelligentDecisionSystem）1.5.10人工神经网络（ArtificialNeuralNetwork）1.6人工智能的发展概况习题1第2章人工智能语言2.1概述2.2函数型程序设计语言LISP2.2.1LISP语言的数据结构2.2.2LISP程序结构2.2.3基本函数2.2.4LISP语言中的递归和循环2.2.5LISP语言程序举例2.3逻辑型程序设计语言PROLOG2.3.1PROLOG的三种基本语句2.3.2PROLOG的基本数据结构2.3.3PROLOG的程序设计原理2.3.4PROLOG程序应用举例2.4面向对象程序设计语言Smalltalk2.4.1基本概念和对象2.4.2消息模式和消息表达式2.4.3语句和程序块2.4.4程序流程控制2.4.5类库和类定义习题2第3章人工智能的数学基础3.1命题逻辑与谓词逻辑3.1.1命题3.1.2谓词3.1.3谓词公式3.1.4谓词公式的解释3.1.5谓词公式的等价性与永真蕴涵3.2多值逻辑3.3概率论3.3.1随机现象3.3.2样本空间与随机事件3.3.3事件概率3.3.4条件概率3.3.5全概率公式与Bayes公式3.4模糊理论3.4.1模糊概念3.4.2模糊集合与隶属函数3.4.3模糊集的表示方法3.4.4模糊集的运算3.4.5模糊集的λ水平截集3.4.6分解定理与扩张原理3.4.7模糊关系及其合成3.4.8模糊变换习题3第4章知识与知识表示4.1知识的基本概念4.1.1知识的特征4.1.2知识的分类和表示4.2一阶谓词逻辑表示法4.2.1什么是一阶谓词？4.2.2一阶谓词逻辑表示法的特点4.3产生式表示法4.3.1产生式系统的定义和组成4.3.2产生式系统的分类4.3.3产生式系统的控制策略4.3.4产生式系统的推理过程4.4框架表示法4.4.1框架的概念4.4.2框架的表达能力4.4.3基于框架的推理4.5语义网络表示法4.5.1语义网络的概念4.5.2语义网络的表达能力4.5.3基于语义网络的推理4.5.4语义网络表示法的特点4.6过程表示法4.7脚本表示法4.8面向对象表示法4.8.1面向对象的基本概念4.8.2面向对象表示法的特点4.9Petri网表示法习题4第5章基本谓词的逻辑推理5.1谓词逻辑的演绎推理方法5.2归结原理5.2.1子句5.2.2代换与合5.2.3命题逻辑中的归结原理5.2.4谓词逻辑中的归结原理5.2.5基于归结的问题的求解方法5.2.6归结策略5.3与/或形演绎推理5.3.1与/或形正向演绎推理（FR）5.3.2与/或形逆向演绎推理（BR）5.3.3与/或型双向演绎推理习题5第6章不确定性与不确定推理6.1基本概念6.1.1什么是不确定性推理？6.1.2不确定性推理中的基本问题6.1.3不确定性推理方法的分类6.2概率方法6.2.1经典概率方法6.2.2逆概率方法6.3主观Bayes方法6.3.1知识不确定性的表示6.3.2证据不确定性的表示6.3.3组合证据不确定性的算法6.3.4不确定性的传递算法6.3.5结论不确定性的合成算法6.4可信度方法6.4.1可信度的概念6.4.2C-F模型6.4.3带有阚值限度的不确定性推理6.5模糊推理6.5.1模糊命题6.5.2模糊知识的表示6.5.3模糊匹配与冲突消解6.5.4简单模糊推理的基本模式习题6第7章搜索策略7.1基本概念7.1.1什么是搜索？7.1.2状态图表示法7.1.3与/或图表示法7.2状态图搜索技术7.2.1图搜索的基本概念7.2.2宽度优先搜索7.2.3深度优先搜索7.2.4有限深度优先搜索7.2.5启发式搜索第8章专家系统第9章神经网络第10章模式识别第11章机器学习参考文献 资源截图：

资源名称：现代机器人学 内容简介：        现代机器人学内容十分繁杂。本书围绕仿生系统的运动、感知与控制，主要阐述生物系统的运动机理以及仿生系统运动的实现方法。全书共分十章。首先，从生物系统的运动系入手，通过研究人体骨、肌和软件组织及其相应的力学性质来阐述生物体的运动机理；通过对生物运动学和动力学特性的分析建立生物体的运动模型；在讨论了生物体感觉系统模型以及生物体多源信息融合的基础上，给出了仿生系统感知信息融合的原理与方法以及仿生系统常用的感知器和致动器。其次，着重讨论了现代机大人系统的神经控制、认知控制和自主控制的原理及其实现方法以及进化算法与人工生命问题。最后，给出了各种仿生系统的实例。本书可供生物工程、机器人学、自动控制等有关专业的科研人员和工程技术人员参考，也可供高学院相关专业教师、研究生和大学生作教学参考书。 作者简介：郭巧，1957年毕业于哈尔滨工业大学，获工学学士学位；1986年毕业于哈尔滨工业大学，获工学硕士学位；1990年初毕业于北京理工大学，获工学博士学位；1990年至1992年在中国科学院系统科学研究所博士后流动站工作；1992年至1994年在美国俄亥俄州立大学以博士后身份从事客座 资源目录： 第一章 生物体运动系1.1 概述1.2 骨及其力学性能1.3 生物软组织及其力学性能1.4 骨连结及其力学性能1.5 肌及其力学性能第二章 生物运动学2.1 运动动作分析2.2 运动动作的分类2.3 人体动力学分析2.4 跳跃运动分析2.5 步行运动分析2.6 爬行运动分析第三章 生物体系统运动模型3.1 类人型运动模型3.2 四足动物运动模型3.3 爬行动物运动模型第四章 感觉系统模型与感知信息融合4.1 生物体感觉系统生理梗概4.2 生物体瞳孔尺度控制模型4.3 生物体视细胞模型4.4 生物体侧抑制模型4.5 生物体感受野模型4.6 视觉计算模型4.7 生物系统的集成传感信息处理4.8 仿生系统信息融合的原理与实现方法4.9 信息融合系统的结构第五章 仿生系统常用感知器与致动器5.1 仿生系统对感知器和致动器的要求5.2 运动传感器5.3 力与力矩传感器5.4 接近觉感知器5.5 触觉感知器5.6 液压致动5.7 气压致动5.8 电气致动5.9 新型致动装置第六章 神经控制6.1 运动神经控制机理6.2...

资源名称：模式识别与智能计算-matlab技术实现 内容简介：         《模式识别与智能计算:Matlab技术实现》广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。全书共分为13章，内容包括：模式识别概述，特征的选择与提取，模式相似性测度，贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计（BP神经网络、径向基函数冲经网络、自组织竞争神经网络、慨率神经网络、对向传播神经网络、反馈型神经网络），决策树分类器，粗糙集分类器，聚类分析，模糊聚类分析，遗传算法聚类分析，蚁群算法聚类分析，粒子群算法聚类分析。 资源目录： 第1章 模式识别概述第2章 特征的选择与提取第3章 模式相似性测度第4章 基于概率统计的贝叶斯分类器设计第5章 判别函数分类器设计第6章 神经网络分类器设计第7章 决策树分类器第8章 粗糙集分类器 第9章 聚类分析第10章 模糊聚类分析第11章 遗传算法聚类分析 第12章 蚁群算法聚类分析第13章 粒子群算法聚类分析 参考文献 资源截图：

资源名称：人工智能基础 内容简介：        《人工智能基础》为“教育部面向21世纪课程教材”，系统介绍了人工智能的基本原理、方法和技术，并反映了国内外人工智能领域研究和应用的最新进展。全书共9章，第一章阐述人工智能研究和应用的概况以及人工智能的发展；第二、三章介绍人工智能的基本概念、方法和技术，包括问题求解的基本方法和知识表示；第四章到第六章讨论人工智能技术的主要应用，包括：基于知识的系统、自动规划和配置、机器学习；第七章到第九章旨在拓广人工智能的研究和应用，包括非单调推理和软计算、机器感知、Agent技术和信息基础设施智能化。       《人工智能基础》内容丰富，叙述脉络清晰，同时配有丰富的习题，可作为高等院校计算机及有关专业本科生教材，也可供工程技术人员参考使用。《人工智能基础》也可与教育部新世纪网络课程项目中的“人工智能”课程配套使用。 资源截图：

资源名称：人工智能游戏编程真言 内容简介： 人工智能开发是一个程序员能够承担的最有挑战性的任务之一，而这本独一无二的论文集提供给程序员应对这个挑战的非常急需的信息。本书汇集了与智能游戏开发有关的人工智能内容，借助这些内容，程序开发员能够开发出角色。本书分为11章，分别是：通用智能，实用技术和专用系统，A*路径搜索，路径搜索与运动，战术问题和智能的群体运动，通用智能游戏贺构，决策体系结构，FPS、RIS和RPC游戏中的智能，竞赛与运动智能，脚本语言，学习理论。由于本书是智能游戏专家（高手）亲自编写的，因些读者可以使用本书作为路线图，了解在智能游戏方面什么已经被成功使用，什么在将来具有很大潜力。智能游戏专家深入研究了有关智能游戏中编程方面的问题，为读者提供了深邃的观点和技术，这些可以很方便地应用在读者自已开发的游戏程序中，本书介绍的虚拟工具箱包括解决一般性人工智能问题的工具，也包括读者可能遇到的一些特定问题的解决思路。无论是经验丰富的智能游戏专家，还是准备进入游戏 业界的人士，本书都是必备资源。 资源目录： 第1章 通用智能第2章 实用技术和专用系统第3章 A*路径搜索第4章 路径搜索与运动第5章 战术问题和智能的群体运动第6章 通用智能游戏架构第7章 决策体系结构第8章 FPS、RTS和RPG游戏中的智能第9章 竞赛与运动智能第10章 脚本语言第11章 学习理论 资源截图：