《人工智能原理与应用》是2004年2月高等教育出版社出版的图书，作者是张仰森。
《人工智能原理与应用》是作者依据自己的教学实践，学习、吸纳前辈经验，归纳、提炼、创新而形成的具有特色的教材。书中比较系统地介绍了人工智能的基本原理、方法和应用技术。全书共分两篇，包括十章内容。第一篇为原理篇，主要论述知识表示、知识获取以及知识运用三大问题，包括人工智能的基本概念及其发展状况、知识表示方法、确定性推理方法、不确定性推理方法、状态空间搜索策略和机器学习等内容。第二篇为应用篇，介绍自然语言理解、专家系统、人工神经网络等研究领域，并在第十章对数据挖掘和Agent技术等热点研究领域进行了介绍。每章都给出了大量的例题和习题，大多数习题的参考解答已在高等教育出版社出版的同等学力人员申请硕士学位考试用书《人工智能原理复习与考试指导(第二版)》中给出。
《人工智能原理与应用》的特色是简明、实用，逻辑性强，可读性好，教学生动手解题，符合当前素质教育的要求，让学生在有限的时间内，掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。
考虑到同等学力申请硕士学位人员对人工智能知识的要求，附录中还提供了3套历年全国统一考试的真题及参考解答，成为《人工智能原理与应用》另一突出特色。
《人工智能原理与应用》可作为高等学校相关专业高年级本科生和研究生的教材，也可供从事人工智能研究和应用的科技工作者参考，还可供同等学力申请硕士学位人员以及参加其他考试的相关人员参考。
目录
- 第一篇 人工智能基本原理
- 第一章 绪论
- 1.1 人工智能的诞生及发展
- 1.2 人工智能的定义
- 1.3 人工智能研究的方法及途径
- 1.4 人工智能的研究及应用领域
- 第二章 知识表示方法
- 2.1 概述
- 2.2 一阶谓词逻辑表示法
- 2.3 产生式表示法
- 2.4 语义网络表示法
- 2.5 框架表示法
- 2.6 面向对象的表示法
- 2.7 脚本表示法
- 2.8 过程表示法
- 2.9 状态空间表示法
- 2.10 与/或树表示法
- 第三章 确定性推理方法
- 3.1 推理概述
- 3.2 命题逻辑
- 3.3 逻辑谓词
- 3.4 自然演绎推理方法
- 3.5 归结推理方法
- 3.6 归结过程的控制策略
- 第四章 不确定性推理方法
- 4.1 不确定性推理概述
- 4.2 可信度方法
- 4.3 主观贝叶斯方法
- 4.4 证据推理
- 第五章 状态空间搜索策略
- 5.1 搜索的概念及种类
- 5.2 盲目搜索策略
- 5.3 启发式搜索策略
- 第六章 机器学习
- 6.1 概述
- 6.2 机器学习系统的基本模型
- 6.3 机械学习的过程
- 6.4 传授式学习
- 6.5 类比学习
- 6.6 归纳学习
- 6.7 基于解释的学习
- 第二篇 人工智能的应用
- 第七章 自然语言理解
- 7.1 自然语言及其理解
- 7.2 词法分析
- 7.3 句法分析
- 7.4 语义分析
- 7.5 大规模真实文本的处理
- 7.6 基于语料库的自然语言建模方法
- 第八章 专家系统
- 8.1 专家系统概述
- 8.2 专家系统的基本结构
- 8.3 知识获取
- 8.4 专家系统的设计与建造
- 8.5 专家系统的评价
- 8.6 专家系统开发工具
- 8.7 新一代专家系统的发展
- 第九章 人工神经网络
- 9.1 神经网络的基本概念及组成特性
- 9.2 感知器模型及其学习算法
- 9.3 反向传播模型及其学习算法
- 9.4 Hopfield模型及其学习方法
- 第十章 数据挖掘与Agent技术
- 10.1 数据挖掘及其应用
- 10.2 Agent技术及其应用
- 附录
- 参考文献
