不确定性人工智能【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

不确定性人工智能PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

第1章 人工智能50年1

1.1 从著名的达特茅斯会议谈起2

1.1.1 达特茅斯会议上不同学科的碰撞2

1.1.2 发展中的风风雨雨3

1.2 与时俱进的研究目标5

1.2.1 图灵测试5

1.2.2 机器定理证明6

1.2.3 卡斯帕罗夫与“深蓝”的对决7

1.2.4 会思维的机器8

1.2.5 人工生命9

1.3 人工智能50年主要成就12

1.3.1 模式识别12

1.3.2 知识工程14

1.3.3 机器人16

1.4 信息时代推动人工智能大发展18

1.4.1 人工智能技术对全社会的渗透18

1.4.2 从万维网到智能网格19

1.4.3 从数据到知识20

1.5.1 脑科学对人工智能的影响21

1.5 脑科学、认知科学和人工智能的大交叉趋势21

1.5.2 认知科学研究对人工智能的影响24

1.5.3 学科交叉孕育人工智能大突破25

参考文献26

第2章 人工智能研究的主要方法29

2.1 符号主义方法30

2.1.1 符号主义的产生和发展30

2.1.2 谓词演算和归结原理34

2.1.3 基于逻辑的程序设计语言36

2.1.4 专家系统39

2.2.1 联结主义的产生和发展41

2.2 联结主义方法41

2.2.2 联结主义的策略和技术特征43

2.2.3 Hopfield神经网络模型46

2.2.4 反向传播神经网络模型47

2.3 行为主义方法49

2.3.1 行为主义的产生和发展49

2.3.2 机器人控制50

2.3.3 智能控制51

2.4 对人工智能研究方法的思考53

参考文献54

3.1.1 随机性的客观性57

3.1 随机性57

第3章 论知识的不确定性57

3.1.2 随机性的魅力61

3.2 模糊性63

3.2.1 模糊性的客观性64

3.2.2 模糊性的魅力66

3.3 自然语言中的不确定性68

3.3.1 语言文字是人类知识的载体68

3.3.2 语言中的不确定性70

3.4 常识知识的不确定性73

3.4.1 关于常识的共识73

3.4.2 常识知识的相对性75

3.5 知识的其它不确定性76

3.5.1 知识的不完备性77

3.5.2 知识的不协调性78

3.5.3 知识的非恒常性79

参考文献81

第4章 不确定性人工智能的数学基础83

4.1 概率理论83

4.1.1 贝叶斯定理84

4.1.2 概率分布函数89

4.1.3 正.态分布91

4.1.4 大数定理和中心极限定理94

4.1.5 幂律分布97

4.1.6 熵99

4.2 模糊集理论101

4.2.1 隶属度与隶属函数101

4.2.2 分解定理与扩张定理104

4.2.3 模糊关系105

4.2.4 可能性测度107

4.3 粗糙集理论108

4.3.1 不精确范畴与粗糙集109

4.3.2 粗糙集的特征112

4.3.3 粗糙关系114

4.4 混沌与分形117

4.4.1 混沌的基本特征118

4.4.2 混沌吸引子121

4.4.3 混沌的几何特性与分形123

4.5 核函数和主曲线124

4.5.1 核函数124

4.5.2 支持向量机127

4.5.3 主曲线130

参考文献135

5.1 不确定性人工智能研究的切入点137

5.1.1 研究人类智能的多个切入点137

第5章 定性定量转换模型——云模型137

5.1.2 抓住自然语言中的概念不放140

5.1.3 概念中随机性和模糊性的关联性141

5.2 用云模型表示概念的不确定性143

5.2.1 云和云滴143

5.2.2 云的数字特征145

5.2.3 云模型的类型146

5.3 正态云发生器148

5.3.1 正向云发生器149

5.3.2 云滴对概念的贡献154

5.3.3 用正态云模型理解农历节气155

5.3.4 逆向云发生器157

5.3.5 逆向云发生器误差分析164

5.3.6 进一步理解正态云模型166

5.4 正态云的数学性质171

5.4.1 云滴分布的统计分析171

5.4.2 云滴确定度的统计分析172

5.4.3 正态云的期望曲线175

5.5 论正态云的普适性178

5.5.1 正态分布的普适性178

5.5.2 钟形隶属函数的普适性179

5.5.3 正态云的普遍意义182

参考文献185

第6章 不确定性知识发现的物理学方法187

6.1 对人类自身的认知可借鉴对客观世界的认知187

6.1.1 借鉴物理学中的原子模型表示概念188

6.1.2 借鉴物理学中的场描述客体间的相互作用189

6.1.3 借鉴物理学中的粒度描述知识的层次结构191

6.2 数据场193

6.2.1 从物理场到数据场193

6.2.2 数据的势场和力场197

6.2.3 场函数中影响因子的优选207

6.2.4 数据场与形象思维模拟212

6.3 概念层次的不确定性217

6.3.1 连续数据离散化218

6.3.2 虚拟泛概念树223

6.3.3 跃升策略和算法224

6.4 知识发现状态空间234

6.4.1 三种状态空间235

6.4.2 状态空间的转换236

6.4.3 发现状态空间转换的主要操作238

参考文献240

7.1 数据挖掘中的不确定性242

7.1.1 数据挖掘和知识发现242

第7章 发现不确定性知识的数据挖掘方法242

7.1.2 挖掘过程中的不确定性244

7.1.3 发现知识的不确定性246

7.2 不确定性分类和聚类247

7.2.1 云分类方法249

7.2.2 基于数据场的聚类258

7.2.3 基于数据场的离群点检测和离群知识发现285

7.3 不确定性关联知识的发现291

7.3.1 对传统关联规则的再思考292

7.3.2 基于云的关联知识挖掘295

7.4 时序数据挖掘与预测302

7.4.1 基于云的时间序列挖掘305

7.4.2 股票数据预测307

参考文献322

第8章 定性知识的推理与控制327

8.1 用云构造定性规则327

8.1.1 前件云发生器和后件云发生器328

8.1.2 规则发生器330

8.1.3 从精确案例到规则生成334

8.2 定性控制机理335

8.2.1 模糊控制、概率控制与云控制的机理及比较335

8.2.2 Mamdani模糊控制方法的理论解释345

8.3 倒立摆——不确定性智能控制示例347

8.3.1 倒立摆及其控制348

8.3.2 一级、二级倒立摆的定性控制机理349

8.3.3 三级倒立摆的云控制策略352

8.3.4 倒立摆的动平衡模式361

参考文献368

第9章 不确定性人工智能研究展望371

9.1 云运算与词计算372

9.2 认知物理学方向378

9.2.1 云模型的拓广378

9.2.2 动态数据场383

9.3 具有“小世界”和“无尺度”特性的复杂网络386

9.3.1 复杂网络不确定性中的规律性388

9.3.2 无尺度网络的模拟391

9.3.3 用数据场研究工程中复杂网络问题397

9.4 不确定性人工智能任重道远398

9.4.1 认知物理学方法的局限性398

9.4.2 从丹尼尔获诺贝尔经济学奖谈开去399

参考文献401

基金资助目录403

相关专利404

索引405

后记411