计算机科学丛书：人工智能·智能系统指南（原书第3版） pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[澳] Michael Negnevitsky 著，陈薇 译

图书标签:

• 人工智能
• 智能系统
• 计算机科学
• 机器学习
• 深度学习
• 知识工程
• 专家系统
• 规划
• 搜索
• 推理

出版社： 机械工业出版社

ISBN：9787111384557

版次：3

商品编码：11076897

品牌：机工出版

包装：平装

丛书名： 计算机科学丛书

开本：16 开

出版时间：2012-08-01

内容简介

　　《计算机科学丛书：人工智能·智能系统指南（原书第3版）》是一本很好的人工智能入门书籍,内容丰富、浅显易懂。作者根据自己多年的教学、实践经验，并结合实际代码、图示、案例等讲解了人工智能的基本知识。
　　全书共分10章，主要内容包括：基于规则的专家系统、不确定性管理技术、模糊专家系统、基于框架的专家系统、人工神经网络、进化计算、混合智能系统、知识工程、数据挖掘等。另外，本书还提供了一个人工智能相关术语表和包含商业化的人工智能工具的附录。
　　《计算机科学丛书：人工智能·智能系统指南（原书第3版）》既可以作为计算机科学相关专业本科生的入门教材，也可以作为非计算机科学专业读者的自学参考书。

作者简介

　　作者：（澳大利亚）尼格尼维斯基（Michael Negnevitsky） 译者：陈薇

目录

译者序
第3版前言
第1版前言
本书概要
致谢
第1章 基于知识的智能系统概述
1.1 智能机
1.2 人工智能的发展历史，从“黑暗时代”到基于知识的系统
1.2.1 “黑暗时代”，人工智能的诞生（1943年~1956年）
1.2.2 人工智能的上升期，远大目标积极实现的年代（1956年～20世纪60年代晚期）
1.2.3 没有履行的诺言，来自现实的冲击（20世纪60年代晚期～20世纪70年代早期）
1.2.4 专家系统技术，成功的关键因素（20世纪70年代早期～20世纪80年代中期）
1.2.5 如何使机器学习，神经网络的重生（20世纪80年代中期至今）
1.2.6 进化计算，在尝试中学习（20世纪70年代早期至今）
1.2.7 知识工程的新纪元，文字计算（20世纪80年代后期至今）
1.3 小结
复习题
参考文献

第2章 基于规则的专家系统
2.1 知识概述
2.2 知识表达技术——规则
2.3 专家系统研发团队的主要参与者
2.4 基于规则的专家系统的结构
2.5 专家系统的基本特征
2.6 前向链接和后向链接推理技术
2.6.1 前向链接
2.6.2 后向链接
2.7 MEDIA ADVISOR：基于规则的专家系统实例
2.8 冲突消解
2.9 基于规则的专家系统的优点和缺点
2.1 0小结
复习题
参考文献

第3章 基于规则的专家系统中的不确定性管理
3.1 不确定性简介
3.2 概率论基本知识
3.3 贝叶斯推理
3.4 FORECAST：论据累积的贝叶斯方法
3.5 贝叶斯方法的偏差
3.6 确信因子理论和基于论据的推理
3.7 FORECAST：确信因子的应用
3.8 贝叶斯推理和确信因子的对比
3.9 小结
复习题
参考文献

第4章 模糊专家系统
4.1 概述
4.2 模糊集
4.3 语言变量和模糊限制语
4.4 模糊集的操作
4.5 模糊规则
4.6 模糊推理
4.6.1 Mamdani�瞫tyle 推理
4.6.2 Sugeno�瞫tyle推理
4.7 建立模糊专家系统
4.8 小结
复习题
参考文献
参考书目

第5章 基于框架的专家系统
5.1 框架简介
5.2 知识表达技术——框架
5.3 基于框架的系统中的继承
5.4 方法和守护程序
5.5 框架和规则的交互
5.6 基于框架的专家系统实例：Buy Smart
5.7 小结
复习题
参考文献
参考书目

第6章 人工神经网络
6.1 人脑工作机制简介
6.2 作为简单计算元素的神经元
6.3 感知器
6.4 多层神经网络
6.5 多层神经网络的加速学习
6.6 Hopfield网络
6.7 双向联想记忆
6.8 自组织神经网络
6.8.1 Hebbian学习
6.8.2 竞争学习
6.9 小结
复习题
参考文献

第7章 进化计算
7.1 进化是智能的吗
7.2 模拟自然进化
7.3 遗传算法
7.4 遗传算法为什么可行
7.5 案例研究：用遗传算法来维护调度
7.6 进化策略
7.7 遗传编程
7.8 小结
复习题
参考文献
参考书目

第8章 混合智能系统
8.1 概述
8.2 神经专家系统
8.3 神经-模糊系统
8.4 ANFIS
8.5 进化神经网络
8.6 模糊进化系统
8.7 小结
复习题
参考文献

第9章 知识工程
9.1 知识工程简介
9.1.1 问题评估
9.1.2 数据和知识获取
9.1.3 原型系统开发
9.1.4 完整系统开发
9.1.5 系统评价和修订
9.1.6 系统集成和维护
9.2 专家系统可以解决的问题
9.3 模糊专家系统可以解决的问题
9.4 神经网络可以解决的问题
9.5 遗传算法可以解决的问题
9.6 混合智能系统可以解决的问题
9.7 小结
复习题
参考文献

第10章 数据挖掘和知识发现
10.1 数据挖掘简介
10.2 统计方法和数据可视化
10.3 主成分分析
10.4 关系数据库和数据库查询
10.5 数据仓库和多维数据分析
10.6 决策树
10.7 关联规则和购物篮分析
10.8 小结
复习题
参考文献
术语表
附录人工智能工具和经销商
索引

前言/序言

《计算思维的基石：深入浅出理解核心概念》 这是一本旨在为广大科技爱好者、初学者以及希望系统梳理计算科学知识体系的专业人士量身打造的入门读物。本书不涉猎特定领域的前沿技术，而是致力于构建坚实的理论基础，帮助读者深刻理解计算科学的核心概念、基本原理及其内在逻辑。我们将一同探索那些贯穿计算机科学始终的、如同建筑基石般至关重要的思想和方法，为理解那些更复杂的、日新月异的技术发展奠定坚实的基础。 第一部分：算法的艺术与逻辑 在信息时代，算法是驱动一切计算活动的核心灵魂。本部分将深入剖析算法的设计、分析与优化，揭示其背后的数学逻辑和工程智慧。 算法的定义与本质： 我们将从最基础的层面出发，探讨什么是算法，它与程序的区别与联系。理解算法的精确性、有限性、输入、输出以及有效性等关键特征。这不仅仅是关于“如何做”，更是关于“为什么这么做”的深层思考。我们将通过大量生动形象的例子，比如排序、搜索等经典问题，来阐释算法的普遍性和不可或缺性。 算法设计范式： 学习不同的算法设计策略是掌握算法的关键。本书将详细介绍几种主要的算法设计范式，包括： 分治法 (Divide and Conquer): 了解如何将复杂问题分解为更小的、易于解决的子问题，然后将子问题的解组合起来形成原问题的解。我们将以归并排序 (Merge Sort) 和快速排序 (Quick Sort) 为例，深入剖析分治法的思想和实现。 动态规划 (Dynamic Programming): 探讨如何通过存储和重用子问题的解来避免重复计算，从而高效地解决具有重叠子问题和最优子结构特性的问题。我们将用斐波那契数列、最长公共子序列等经典问题来演示动态规划的威力。 贪心算法 (Greedy Algorithms): 分析那些在每一步都做出局部最优选择，最终期望达到全局最优解的算法。我们将通过活动选择问题、霍夫曼编码等例子，来理解贪心算法的适用范围和潜在陷阱。 回溯法 (Backtracking): 学习如何通过系统地搜索所有可能的解来解决问题，并及时剪枝以提高效率。我们将以八皇后问题、迷宫求解等问题为例，展现回溯法的搜索机制。 算法分析： 理解算法的效率至关重要。我们将介绍度量算法性能的关键工具——时间复杂度和空间复杂度。 渐进记号 (Asymptotic Notation): 深入理解大O记号 (Big O Notation)、大Ω记号 (Big Omega Notation) 和大Θ记号 (Big Theta Notation)，它们是描述算法随着输入规模增长而增长趋势的标准语言。我们将通过实例讲解如何分析简单循环、递归等结构的时间复杂度。 最坏情况、最好情况与平均情况分析： 掌握不同场景下的算法性能评估方法，以及它们在实际应用中的意义。 数据结构与算法的关系： 算法的效率很大程度上依赖于所使用的数据结构。我们将简要回顾一些基本数据结构（如数组、链表、栈、队列）如何在算法中发挥作用，以及它们与不同算法设计范式之间的内在联系。 第二部分：计算的理论边界与模型 在设计和实现算法之前，理解计算本身的理论边界和模型至关重要。这部分将带领读者走进抽象的计算理论世界，理解什么是“可计算的”以及计算能力的极限。 计算模型： 图灵机 (Turing Machine): 作为计算理论的基石，我们将详细介绍图灵机的结构和工作原理，理解其作为一种通用计算模型的强大能力。我们将讨论其局限性，并与现实世界中的计算机进行类比。 有限自动机 (Finite Automata): 学习这种最简单的计算模型，理解其在模式识别、文本处理等领域的应用，以及它所能识别的语言类别（正则表达式）。 下推自动机 (Pushdown Automata): 了解比有限自动机更强大的计算模型，理解其在语法分析等领域的应用，以及它所能识别的语言类别（上下文无关文法）。 可计算性理论 (Computability Theory): 可判定性问题 (Decidable Problems) 与不可判定性问题 (Undecidable Problems): 探索是否存在一些问题，无论算法多么精妙，都无法在有限时间内给出答案。我们将重点介绍著名的停机问题 (Halting Problem) 作为不可判定性问题的典型代表，理解其深远影响。 丘奇-图灵论题 (Church-Turing Thesis): 探讨所有“直观上可计算”的函数是否都能被图灵机计算，以及这个论题在计算科学中的重要地位。 计算复杂度理论 (Computational Complexity Theory): 复杂度类 (Complexity Classes): 引入P类 (P-class)、NP类 (NP-class) 等概念，理解不同问题在计算资源需求上的差异。 NP完全问题 (NP-Complete Problems): 了解NP完全问题的定义，以及它们在计算科学中的重要性。我们将讨论像旅行商问题 (Traveling Salesperson Problem) 等 NP完全问题的难题性质，并探讨寻找近似解或启发式算法的策略。 P vs NP 问题: 讨论这个计算机科学中最核心、最引人入胜的未解决问题，以及它的潜在影响。 第三部分：信息表示与处理的基础 无论是数据的存储、传输还是处理，都离不开对信息的有效表示和理解。本部分将聚焦于信息是如何在计算机中被表示、组织和处理的。 数制与编码： 二进制、八进制、十六进制： 深入理解计算机内部使用的数制系统，以及它们与我们日常使用的十进制之间的转换。 字符编码 (Character Encoding): 学习ASCII、Unicode等字符编码标准，理解它们如何将人类可读的字符映射到计算机可以识别的二进制形式，以及不同编码格式的演进和优缺点。 数据压缩： 探讨无损压缩和有损压缩的基本原理，理解它们在减少存储空间和提高传输效率方面的作用，并简单介绍一些经典压缩算法的思想。 基本逻辑门与电路： 布尔代数 (Boolean Algebra): 回顾逻辑与、逻辑或、逻辑非等基本逻辑运算，理解它们在数字电路设计中的应用。 逻辑门 (Logic Gates): 介绍AND、OR、NOT、XOR等基本逻辑门的功能，以及如何用它们构建更复杂的电路。 组合逻辑电路与时序逻辑电路： 简要介绍电路的两种基本类型，以及它们在执行特定功能时的不同工作方式。 信息安全基础： 密码学基础： 简单介绍对称加密和非对称加密的基本概念，理解它们在保护数据隐私和完整性方面的作用。 哈希函数 (Hash Functions): 学习哈希函数的原理，理解它们在数据校验、密码存储等方面的应用。 第四部分：系统构成与交互的基石 计算机系统并非孤立存在，而是由硬件和软件协同工作，并与用户进行交互的复杂有机体。本部分将勾勒出计算机系统的基本框架和工作流程。 计算机硬件概览： 中央处理器 (CPU): 了解CPU的核心功能，包括指令的提取、解码、执行和写回。 内存 (RAM): 理解内存的作用，它如何为CPU提供快速访问的数据和指令。 存储设备 (Storage Devices): 简要介绍硬盘、固态硬盘等存储设备的原理，以及它们与内存的区别。 输入/输出设备 (I/O Devices): 了解键盘、鼠标、显示器等设备如何实现计算机与外部世界的交互。 操作系统的角色： 操作系统的基本功能： 理解操作系统作为计算机系统资源的管理者，如何进行进程管理、内存管理、文件系统管理和设备管理。 用户接口： 了解命令行界面 (CLI) 和图形用户界面 (GUI) 的基本概念，以及它们为用户提供的不同交互方式。 程序执行流程： 编译与解释： 区分编译型语言和解释型语言，理解它们将人类可读的源代码转化为机器可执行指令的不同过程。 进程生命周期： 简要描述一个程序从启动到结束的各个状态。 结语： 《计算思维的基石：深入浅出理解核心概念》力求以清晰的语言、严谨的逻辑和丰富的实例，带领读者穿越信息技术的宏大图景，回溯至那些最根本的原则和思想。我们相信，通过掌握这些基础知识，您将能够以更深刻的视角审视不断涌现的新技术，更自信地迎接未来计算科学的挑战，并在这个日新月异的时代中，找到属于自己的创新之路。本书不求覆盖所有技术的细节，但求点燃您对计算科学的探索热情，培养您独立思考和解决问题的计算思维能力。

评分☆☆☆☆☆

这本书的包装精美，印刷质量上乘，纸张的触感也相当舒适，翻阅时能感受到一种厚重和质感。封面设计简洁大气，但又不失专业性，一看就知道是属于那种严谨的学术丛书。虽然我还没来得及深入阅读，但光是初步的翻看，就能预见到这是一本内容扎实、体系完整的大部头。书的整体装帧风格，传递出一种对知识的尊重和对读者的用心，这在快餐式阅读盛行的当下，显得尤为珍贵。我个人非常看重书籍的物理形态，因为一本好的书籍不仅仅是知识的载体，更是一种可以长期陪伴、反复品味的艺术品。这本书的呈现方式，完全符合我对一本高质量技术书籍的期待，让人忍不住想立刻投入其中，去探索它所蕴含的奥秘。我期待着它能像它的外观一样，给我带来一场知识的盛宴，让我对人工智能这一前沿领域有更深刻、更系统的理解。

评分☆☆☆☆☆

我一直在寻找一本能够全面介绍当前人工智能发展状况的权威书籍，而这本书恰好满足了我的需求。它不仅仅停留在理论层面，更注重实际应用和发展趋势的分析。我注意到书中可能会涉及到的案例研究和项目实践，这对于我这样的学习者来说至关重要。通过实际的例子，我能更直观地理解抽象的概念，并学习如何将理论知识转化为解决实际问题的能力。人工智能是一个快速发展的领域，保持知识的更新非常重要，所以我期待第三版的内容能够反映最新的技术突破和研究进展。这本书的出现，为我提供了一个宝贵的学习资源，让我能够紧跟人工智能发展的步伐，不断提升自己的专业素养。

评分☆☆☆☆☆

这本书的字体大小、行间距以及章节的划分都给我留下了深刻的印象。它们共同营造了一种非常适合长时间阅读的学习环境。我是一个喜欢做笔记、勤于思考的读者，良好的排版能够让我更专注于内容本身，而不是被阅读的体验所干扰。我尤其欣赏那些逻辑清晰、论证严谨的书籍，它们能够帮助我培养批判性思维和解决问题的能力。人工智能是一个充满挑战和机遇的领域，我相信这本书能够为我提供坚实的理论基础和广阔的视野，让我能够在这个日新月异的领域中不断学习和进步，探索人工智能的无限可能。

评分☆☆☆☆☆

我对这本书的出版背景和作者团队非常感兴趣。了解到这是“计算机科学丛书”中的一员，并且是“原书第3版”，这本身就意味着它经过了时间的考验和读者的检验，内容必然是经过不断打磨和更新的。尤其是“人工智能·智能系统指南”这个副标题，精准地概括了这本书的核心定位。我非常看重那些能够提供清晰指南的书籍，它们能帮助我梳理复杂的概念，找到学习的重点和方向。我希望这本书能像一个经验丰富的向导，带领我穿梭于浩瀚的智能系统知识海洋中，避开那些容易让人迷失的弯路。对我而言，学习人工智能不仅仅是为了掌握一些技术，更是为了理解智能的本质，探索未来的可能性。我相信，这本书能够为我提供这种深度和广度的洞察。

评分☆☆☆☆☆

拿到这本书的时候，一股扑面而来的信息量让我既兴奋又有些许“压力”。书的厚度就足以说明其内容的广博，但更吸引我的是它目录的编排。从基础概念到高级理论，再到具体的应用和未来的展望，几乎涵盖了智能系统研究的各个关键环节。我特别关注其中关于机器学习和深度学习的部分，希望能看到对各种算法的深入剖析，以及它们在实际问题中是如何应用的。同时，本书对强化学习、自然语言处理、计算机视觉等细分领域的介绍，也让我眼前一亮。我一直觉得，要真正理解一个复杂的技术领域，必须要有系统性的学习路径，而这本书似乎就是为我量身定做的。我希望它能够循序渐进地引导我，从入门到精通，帮助我构建起一个牢固的知识框架，让我能够自信地在人工智能的浪潮中前行。

评分☆☆☆☆☆

一如既往的完美购物体验

评分☆☆☆☆☆

人工智能书籍中的启蒙教材。慢慢深入，让我懂的许多难懂的概念。作为一本国外优秀教材，值得从事人工智能和即将从事人工智能的学员好好学习，因为书中也写到人工智能未来的发展趋势。值得拥有。

评分☆☆☆☆☆

不错，字迹清晰，配送速度很快

评分☆☆☆☆☆

居然是2001年写的书，理解行业基础还是足够的，想掌握最新趋势就没什么用了。作者功力很强，出现的代码都是伪代码，不需要太懂编程就能看懂

评分☆☆☆☆☆

教学用的辅导书，开学季活动给力！

评分☆☆☆☆☆

东西很不错，书中的解释和推导很细致和有用

评分☆☆☆☆☆

内容不错，价格合适，快递给力！

评分☆☆☆☆☆

还不错还不错还不错还不错还不错

评分☆☆☆☆☆

这本书很好很强大，接下来认真学习