計算機科學叢書：人工智能·智能係統指南（原書第3版） pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[澳] Michael Negnevitsky 著，陳薇 譯

圖書標籤:

• 人工智能
• 智能係統
• 計算機科學
• 機器學習
• 深度學習
• 知識工程
• 專傢係統
• 規劃
• 搜索
• 推理

齣版社： 機械工業齣版社

ISBN：9787111384557

版次：3

商品編碼：11076897

品牌：機工齣版

包裝：平裝

叢書名： 計算機科學叢書

開本：16 開

齣版時間：2012-08-01

內容簡介

　　《計算機科學叢書：人工智能·智能係統指南（原書第3版）》是一本很好的人工智能入門書籍,內容豐富、淺顯易懂。作者根據自己多年的教學、實踐經驗，並結閤實際代碼、圖示、案例等講解瞭人工智能的基本知識。
　　全書共分10章，主要內容包括：基於規則的專傢係統、不確定性管理技術、模糊專傢係統、基於框架的專傢係統、人工神經網絡、進化計算、混閤智能係統、知識工程、數據挖掘等。另外，本書還提供瞭一個人工智能相關術語錶和包含商業化的人工智能工具的附錄。
　　《計算機科學叢書：人工智能·智能係統指南（原書第3版）》既可以作為計算機科學相關專業本科生的入門教材，也可以作為非計算機科學專業讀者的自學參考書。

作者簡介

　　作者：（澳大利亞）尼格尼維斯基（Michael Negnevitsky） 譯者：陳薇

目錄

譯者序
第3版前言
第1版前言
本書概要
緻謝
第1章 基於知識的智能係統概述
1.1 智能機
1.2 人工智能的發展曆史，從“黑暗時代”到基於知識的係統
1.2.1 “黑暗時代”，人工智能的誕生（1943年~1956年）
1.2.2 人工智能的上升期，遠大目標積極實現的年代（1956年～20世紀60年代晚期）
1.2.3 沒有履行的諾言，來自現實的衝擊（20世紀60年代晚期～20世紀70年代早期）
1.2.4 專傢係統技術，成功的關鍵因素（20世紀70年代早期～20世紀80年代中期）
1.2.5 如何使機器學習，神經網絡的重生（20世紀80年代中期至今）
1.2.6 進化計算，在嘗試中學習（20世紀70年代早期至今）
1.2.7 知識工程的新紀元，文字計算（20世紀80年代後期至今）
1.3 小結
復習題
參考文獻

第2章 基於規則的專傢係統
2.1 知識概述
2.2 知識錶達技術——規則
2.3 專傢係統研發團隊的主要參與者
2.4 基於規則的專傢係統的結構
2.5 專傢係統的基本特徵
2.6 前嚮鏈接和後嚮鏈接推理技術
2.6.1 前嚮鏈接
2.6.2 後嚮鏈接
2.7 MEDIA ADVISOR：基於規則的專傢係統實例
2.8 衝突消解
2.9 基於規則的專傢係統的優點和缺點
2.1 0小結
復習題
參考文獻

第3章 基於規則的專傢係統中的不確定性管理
3.1 不確定性簡介
3.2 概率論基本知識
3.3 貝葉斯推理
3.4 FORECAST：論據纍積的貝葉斯方法
3.5 貝葉斯方法的偏差
3.6 確信因子理論和基於論據的推理
3.7 FORECAST：確信因子的應用
3.8 貝葉斯推理和確信因子的對比
3.9 小結
復習題
參考文獻

第4章 模糊專傢係統
4.1 概述
4.2 模糊集
4.3 語言變量和模糊限製語
4.4 模糊集的操作
4.5 模糊規則
4.6 模糊推理
4.6.1 Mamdani�瞫tyle 推理
4.6.2 Sugeno�瞫tyle推理
4.7 建立模糊專傢係統
4.8 小結
復習題
參考文獻
參考書目

第5章 基於框架的專傢係統
5.1 框架簡介
5.2 知識錶達技術——框架
5.3 基於框架的係統中的繼承
5.4 方法和守護程序
5.5 框架和規則的交互
5.6 基於框架的專傢係統實例：Buy Smart
5.7 小結
復習題
參考文獻
參考書目

第6章 人工神經網絡
6.1 人腦工作機製簡介
6.2 作為簡單計算元素的神經元
6.3 感知器
6.4 多層神經網絡
6.5 多層神經網絡的加速學習
6.6 Hopfield網絡
6.7 雙嚮聯想記憶
6.8 自組織神經網絡
6.8.1 Hebbian學習
6.8.2 競爭學習
6.9 小結
復習題
參考文獻

第7章 進化計算
7.1 進化是智能的嗎
7.2 模擬自然進化
7.3 遺傳算法
7.4 遺傳算法為什麼可行
7.5 案例研究：用遺傳算法來維護調度
7.6 進化策略
7.7 遺傳編程
7.8 小結
復習題
參考文獻
參考書目

第8章 混閤智能係統
8.1 概述
8.2 神經專傢係統
8.3 神經-模糊係統
8.4 ANFIS
8.5 進化神經網絡
8.6 模糊進化係統
8.7 小結
復習題
參考文獻

第9章 知識工程
9.1 知識工程簡介
9.1.1 問題評估
9.1.2 數據和知識獲取
9.1.3 原型係統開發
9.1.4 完整係統開發
9.1.5 係統評價和修訂
9.1.6 係統集成和維護
9.2 專傢係統可以解決的問題
9.3 模糊專傢係統可以解決的問題
9.4 神經網絡可以解決的問題
9.5 遺傳算法可以解決的問題
9.6 混閤智能係統可以解決的問題
9.7 小結
復習題
參考文獻

第10章 數據挖掘和知識發現
10.1 數據挖掘簡介
10.2 統計方法和數據可視化
10.3 主成分分析
10.4 關係數據庫和數據庫查詢
10.5 數據倉庫和多維數據分析
10.6 決策樹
10.7 關聯規則和購物籃分析
10.8 小結
復習題
參考文獻
術語錶
附錄人工智能工具和經銷商
索引

前言/序言

《計算思維的基石：深入淺齣理解核心概念》 這是一本旨在為廣大科技愛好者、初學者以及希望係統梳理計算科學知識體係的專業人士量身打造的入門讀物。本書不涉獵特定領域的前沿技術，而是緻力於構建堅實的理論基礎，幫助讀者深刻理解計算科學的核心概念、基本原理及其內在邏輯。我們將一同探索那些貫穿計算機科學始終的、如同建築基石般至關重要的思想和方法，為理解那些更復雜的、日新月異的技術發展奠定堅實的基礎。 第一部分：算法的藝術與邏輯 在信息時代，算法是驅動一切計算活動的核心靈魂。本部分將深入剖析算法的設計、分析與優化，揭示其背後的數學邏輯和工程智慧。 算法的定義與本質： 我們將從最基礎的層麵齣發，探討什麼是算法，它與程序的區彆與聯係。理解算法的精確性、有限性、輸入、輸齣以及有效性等關鍵特徵。這不僅僅是關於“如何做”，更是關於“為什麼這麼做”的深層思考。我們將通過大量生動形象的例子，比如排序、搜索等經典問題，來闡釋算法的普遍性和不可或缺性。 算法設計範式： 學習不同的算法設計策略是掌握算法的關鍵。本書將詳細介紹幾種主要的算法設計範式，包括： 分治法 (Divide and Conquer): 瞭解如何將復雜問題分解為更小的、易於解決的子問題，然後將子問題的解組閤起來形成原問題的解。我們將以歸並排序 (Merge Sort) 和快速排序 (Quick Sort) 為例，深入剖析分治法的思想和實現。 動態規劃 (Dynamic Programming): 探討如何通過存儲和重用子問題的解來避免重復計算，從而高效地解決具有重疊子問題和最優子結構特性的問題。我們將用斐波那契數列、最長公共子序列等經典問題來演示動態規劃的威力。 貪心算法 (Greedy Algorithms): 分析那些在每一步都做齣局部最優選擇，最終期望達到全局最優解的算法。我們將通過活動選擇問題、霍夫曼編碼等例子，來理解貪心算法的適用範圍和潛在陷阱。 迴溯法 (Backtracking): 學習如何通過係統地搜索所有可能的解來解決問題，並及時剪枝以提高效率。我們將以八皇後問題、迷宮求解等問題為例，展現迴溯法的搜索機製。 算法分析： 理解算法的效率至關重要。我們將介紹度量算法性能的關鍵工具——時間復雜度和空間復雜度。 漸進記號 (Asymptotic Notation): 深入理解大O記號 (Big O Notation)、大Ω記號 (Big Omega Notation) 和大Θ記號 (Big Theta Notation)，它們是描述算法隨著輸入規模增長而增長趨勢的標準語言。我們將通過實例講解如何分析簡單循環、遞歸等結構的時間復雜度。 最壞情況、最好情況與平均情況分析： 掌握不同場景下的算法性能評估方法，以及它們在實際應用中的意義。 數據結構與算法的關係： 算法的效率很大程度上依賴於所使用的數據結構。我們將簡要迴顧一些基本數據結構（如數組、鏈錶、棧、隊列）如何在算法中發揮作用，以及它們與不同算法設計範式之間的內在聯係。 第二部分：計算的理論邊界與模型 在設計和實現算法之前，理解計算本身的理論邊界和模型至關重要。這部分將帶領讀者走進抽象的計算理論世界，理解什麼是“可計算的”以及計算能力的極限。 計算模型： 圖靈機 (Turing Machine): 作為計算理論的基石，我們將詳細介紹圖靈機的結構和工作原理，理解其作為一種通用計算模型的強大能力。我們將討論其局限性，並與現實世界中的計算機進行類比。 有限自動機 (Finite Automata): 學習這種最簡單的計算模型，理解其在模式識彆、文本處理等領域的應用，以及它所能識彆的語言類彆（正則錶達式）。 下推自動機 (Pushdown Automata): 瞭解比有限自動機更強大的計算模型，理解其在語法分析等領域的應用，以及它所能識彆的語言類彆（上下文無關文法）。 可計算性理論 (Computability Theory): 可判定性問題 (Decidable Problems) 與不可判定性問題 (Undecidable Problems): 探索是否存在一些問題，無論算法多麼精妙，都無法在有限時間內給齣答案。我們將重點介紹著名的停機問題 (Halting Problem) 作為不可判定性問題的典型代錶，理解其深遠影響。 丘奇-圖靈論題 (Church-Turing Thesis): 探討所有“直觀上可計算”的函數是否都能被圖靈機計算，以及這個論題在計算科學中的重要地位。 計算復雜度理論 (Computational Complexity Theory): 復雜度類 (Complexity Classes): 引入P類 (P-class)、NP類 (NP-class) 等概念，理解不同問題在計算資源需求上的差異。 NP完全問題 (NP-Complete Problems): 瞭解NP完全問題的定義，以及它們在計算科學中的重要性。我們將討論像旅行商問題 (Traveling Salesperson Problem) 等 NP完全問題的難題性質，並探討尋找近似解或啓發式算法的策略。 P vs NP 問題: 討論這個計算機科學中最核心、最引人入勝的未解決問題，以及它的潛在影響。 第三部分：信息錶示與處理的基礎 無論是數據的存儲、傳輸還是處理，都離不開對信息的有效錶示和理解。本部分將聚焦於信息是如何在計算機中被錶示、組織和處理的。 數製與編碼： 二進製、八進製、十六進製： 深入理解計算機內部使用的數製係統，以及它們與我們日常使用的十進製之間的轉換。 字符編碼 (Character Encoding): 學習ASCII、Unicode等字符編碼標準，理解它們如何將人類可讀的字符映射到計算機可以識彆的二進製形式，以及不同編碼格式的演進和優缺點。 數據壓縮： 探討無損壓縮和有損壓縮的基本原理，理解它們在減少存儲空間和提高傳輸效率方麵的作用，並簡單介紹一些經典壓縮算法的思想。 基本邏輯門與電路： 布爾代數 (Boolean Algebra): 迴顧邏輯與、邏輯或、邏輯非等基本邏輯運算，理解它們在數字電路設計中的應用。 邏輯門 (Logic Gates): 介紹AND、OR、NOT、XOR等基本邏輯門的功能，以及如何用它們構建更復雜的電路。 組閤邏輯電路與時序邏輯電路： 簡要介紹電路的兩種基本類型，以及它們在執行特定功能時的不同工作方式。 信息安全基礎： 密碼學基礎： 簡單介紹對稱加密和非對稱加密的基本概念，理解它們在保護數據隱私和完整性方麵的作用。 哈希函數 (Hash Functions): 學習哈希函數的原理，理解它們在數據校驗、密碼存儲等方麵的應用。 第四部分：係統構成與交互的基石 計算機係統並非孤立存在，而是由硬件和軟件協同工作，並與用戶進行交互的復雜有機體。本部分將勾勒齣計算機係統的基本框架和工作流程。 計算機硬件概覽： 中央處理器 (CPU): 瞭解CPU的核心功能，包括指令的提取、解碼、執行和寫迴。 內存 (RAM): 理解內存的作用，它如何為CPU提供快速訪問的數據和指令。 存儲設備 (Storage Devices): 簡要介紹硬盤、固態硬盤等存儲設備的原理，以及它們與內存的區彆。 輸入/輸齣設備 (I/O Devices): 瞭解鍵盤、鼠標、顯示器等設備如何實現計算機與外部世界的交互。 操作係統的角色： 操作係統的基本功能： 理解操作係統作為計算機係統資源的管理者，如何進行進程管理、內存管理、文件係統管理和設備管理。 用戶接口： 瞭解命令行界麵 (CLI) 和圖形用戶界麵 (GUI) 的基本概念，以及它們為用戶提供的不同交互方式。 程序執行流程： 編譯與解釋： 區分編譯型語言和解釋型語言，理解它們將人類可讀的源代碼轉化為機器可執行指令的不同過程。 進程生命周期： 簡要描述一個程序從啓動到結束的各個狀態。 結語： 《計算思維的基石：深入淺齣理解核心概念》力求以清晰的語言、嚴謹的邏輯和豐富的實例，帶領讀者穿越信息技術的宏大圖景，迴溯至那些最根本的原則和思想。我們相信，通過掌握這些基礎知識，您將能夠以更深刻的視角審視不斷湧現的新技術，更自信地迎接未來計算科學的挑戰，並在這個日新月異的時代中，找到屬於自己的創新之路。本書不求覆蓋所有技術的細節，但求點燃您對計算科學的探索熱情，培養您獨立思考和解決問題的計算思維能力。

評分☆☆☆☆☆

這本書的包裝精美，印刷質量上乘，紙張的觸感也相當舒適，翻閱時能感受到一種厚重和質感。封麵設計簡潔大氣，但又不失專業性，一看就知道是屬於那種嚴謹的學術叢書。雖然我還沒來得及深入閱讀，但光是初步的翻看，就能預見到這是一本內容紮實、體係完整的大部頭。書的整體裝幀風格，傳遞齣一種對知識的尊重和對讀者的用心，這在快餐式閱讀盛行的當下，顯得尤為珍貴。我個人非常看重書籍的物理形態，因為一本好的書籍不僅僅是知識的載體，更是一種可以長期陪伴、反復品味的藝術品。這本書的呈現方式，完全符閤我對一本高質量技術書籍的期待，讓人忍不住想立刻投入其中，去探索它所蘊含的奧秘。我期待著它能像它的外觀一樣，給我帶來一場知識的盛宴，讓我對人工智能這一前沿領域有更深刻、更係統的理解。

評分☆☆☆☆☆

我一直在尋找一本能夠全麵介紹當前人工智能發展狀況的權威書籍，而這本書恰好滿足瞭我的需求。它不僅僅停留在理論層麵，更注重實際應用和發展趨勢的分析。我注意到書中可能會涉及到的案例研究和項目實踐，這對於我這樣的學習者來說至關重要。通過實際的例子，我能更直觀地理解抽象的概念，並學習如何將理論知識轉化為解決實際問題的能力。人工智能是一個快速發展的領域，保持知識的更新非常重要，所以我期待第三版的內容能夠反映最新的技術突破和研究進展。這本書的齣現，為我提供瞭一個寶貴的學習資源，讓我能夠緊跟人工智能發展的步伐，不斷提升自己的專業素養。

評分☆☆☆☆☆

這本書的字體大小、行間距以及章節的劃分都給我留下瞭深刻的印象。它們共同營造瞭一種非常適閤長時間閱讀的學習環境。我是一個喜歡做筆記、勤於思考的讀者，良好的排版能夠讓我更專注於內容本身，而不是被閱讀的體驗所乾擾。我尤其欣賞那些邏輯清晰、論證嚴謹的書籍，它們能夠幫助我培養批判性思維和解決問題的能力。人工智能是一個充滿挑戰和機遇的領域，我相信這本書能夠為我提供堅實的理論基礎和廣闊的視野，讓我能夠在這個日新月異的領域中不斷學習和進步，探索人工智能的無限可能。

評分☆☆☆☆☆

我對這本書的齣版背景和作者團隊非常感興趣。瞭解到這是“計算機科學叢書”中的一員，並且是“原書第3版”，這本身就意味著它經過瞭時間的考驗和讀者的檢驗，內容必然是經過不斷打磨和更新的。尤其是“人工智能·智能係統指南”這個副標題，精準地概括瞭這本書的核心定位。我非常看重那些能夠提供清晰指南的書籍，它們能幫助我梳理復雜的概念，找到學習的重點和方嚮。我希望這本書能像一個經驗豐富的嚮導，帶領我穿梭於浩瀚的智能係統知識海洋中，避開那些容易讓人迷失的彎路。對我而言，學習人工智能不僅僅是為瞭掌握一些技術，更是為瞭理解智能的本質，探索未來的可能性。我相信，這本書能夠為我提供這種深度和廣度的洞察。

評分☆☆☆☆☆

拿到這本書的時候，一股撲麵而來的信息量讓我既興奮又有些許“壓力”。書的厚度就足以說明其內容的廣博，但更吸引我的是它目錄的編排。從基礎概念到高級理論，再到具體的應用和未來的展望，幾乎涵蓋瞭智能係統研究的各個關鍵環節。我特彆關注其中關於機器學習和深度學習的部分，希望能看到對各種算法的深入剖析，以及它們在實際問題中是如何應用的。同時，本書對強化學習、自然語言處理、計算機視覺等細分領域的介紹，也讓我眼前一亮。我一直覺得，要真正理解一個復雜的技術領域，必須要有係統性的學習路徑，而這本書似乎就是為我量身定做的。我希望它能夠循序漸進地引導我，從入門到精通，幫助我構建起一個牢固的知識框架，讓我能夠自信地在人工智能的浪潮中前行。

評分☆☆☆☆☆

給公司買的，公司要求大傢學習，不錯

評分☆☆☆☆☆

買瞭好多本書，還沒有開始看呢。

評分☆☆☆☆☆

包裝很好，配送快

評分☆☆☆☆☆

1、該書質量肯定是正版，物流速度快；

評分☆☆☆☆☆

很好很滿意

評分☆☆☆☆☆

幫朋友買的，應該還不錯

評分☆☆☆☆☆

居然是2001年寫的書，理解行業基礎還是足夠的，想掌握最新趨勢就沒什麼用瞭。作者功力很強，齣現的代碼都是僞代碼，不需要太懂編程就能看懂

評分☆☆☆☆☆

很好，物流也很快

評分☆☆☆☆☆

很好的人工智能知識書籍