115 源码网

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：

资源名称：人工智能：改变世界,重建未来（带目录） 内容简介： 为何只能在有限范围使用的弱人工智能突然变得聪明起来？拥有人类的创造力、复制人类的思维、与人类相爱……人工智能究竟能走多远？智能时代，人类的工作、价值、思维是更进化还是会被淘汰？　　从无所不知的语音助手到复制人类思维的虚拟替身，这本《人工智能》将人工智能发展历史上一个个有趣的故事串联起来，并梳理了计算机之父艾伦·图灵、深度学习鼻祖杰夫·辛顿等众多对人工智能的发展起到重要作用的历史人物，把科幻与真实交错、古老与现代并存的人工智能全方位、多角度地展现在我们面前，倾情描绘了人工智能时代的精彩。　　人工智能作为人类的伟大作品，也对我们的生活产生了重大影响，不管是智能制造还是未来就业，人工智能都不可避免地参与到人类的未来命运中。我们该如何抓住机遇，积极迎接人工智能带来的挑战？答案就在这本《人工智能》中。 作者简介： 卢克?多梅尔（Luke Dormehl） 著名科技记者，纪录片和电影制片人，与世界上很多大型科技公司都有合作。经常为《连线》、《卫报》、《快公司》等媒体撰写科技类文章。曾出版《算法时代》《苹果革命》等著作。 资源目录： 推荐序前言第一章 表现不俗的传统人工智能怎么了未来已来人工智能的三位卓越先驱达特茅斯会议传统人工智能的黄金时期太空机器人沙基“中文房间”实验莫拉维克悖论转变目标专家系统谷歌诞生 第二章 以自主学习的方式创建新的人工智能自主学习的重要性神经科学之父以神经元模型为基础的感知器关于感知器的争论霍普菲尔德网的兴起神经网络的守护神联结主义者欢迎来到深度学习领域人工智能新主流 第三章 万物互联的智能时代已经来临智能设备成为现代生活的必需品会思考的事物“控制论”简史早期的自动机器人计量生物学上的记录者未来家庭机器学习的普及智慧城市做好互联网消失的准备智能设备存在的问题 第四章 人工智能助手如何为我们效劳打败图灵测试人工智能助手的兴起多功能的人工智能助手从被动人工智能助手到主动人工智能助手数字民主与人工智能助手相爱人工智能的人性化合格的心理治疗师出门请带上它们 第五章 人工智能正在改变就业市场亲爱的沃森一个技术性失业的世界技术更新换代的积极意义新工作机会的产生土耳其机器人的复仇人工智能中的人类元素 第六章 人工智能真的具有创造力吗机器人的创造力什么叫创造力“重生”的甲壳虫乐队天才的灵光一现人工智能能否成为发明家洛夫莱斯测试祝贺沃森大厨 第七章 意识上传实现人类永生利用机器实现死后永生个性捕捉延长人类寿命模拟神经元绘制大脑下一个大事件意识上传 第八章 人工智能关乎未来的一切末日的开端奇点来临狭义与广义的区别人工智能带来的风险“黑箱”风险我们无法起诉机器人机器人学的三大法则人工智能的权利结 论 当机器变得更加智能致 谢译后记 资源截图：

资源名称：2017电脑报年第3期正在到来的革命 2017年第3期-正在到来的革命，PDF可以免费分享了，在这期未来科技引领生活篇章，为用户介绍了无数将来要实现的科技，这些神奇的科技不断改变着人们的生活，而且中国科技变得越来越强大，还有热门内侧游戏、娱乐八卦等着大家，喜欢的朋友快来下载观看！ 资源截图：

资源名称：人工智能及其应用（第5版） 内容简介： 本书第5版共10章。第1章叙述人工智能的定义、起源、分类与发展。第2章和第3章研究人工智能的知识表示方法和搜索推理技术。第4章探讨不确定性推理的主要方法。第5章阐述计算智能的基本知识。第6章至第10章逐一讨论了人工智能的主要应用领域，包括专家系统、机器学习、自动规划、分布式人工智能和自然语言理解等。与第4版相比，许多内容都是第一次出现的，例如，人工智能的分类与计算方法、谓词演算符号的规范、进化算法的框架与执行过程、专家系统的设计方法和基于Web专家系统的开发工具以及深度学习等。其他章节也在第4版的基础上作了相应的修改、精简或补充。 本书可作为高等院校有关专业本科生和研究生的人工智能课程教材，也可供从事人工智能研究与应用的科技工作者学习参考。 资源目录： 第1章绪论 1.1人工智能的定义与发展 1.1.1人工智能的定义 1.1.2人工智能的起源与发展 1.2人工智能的各种认知观 1.2.1人工智能各学派的认知观 1.2.2人工智能的争论 1.3人类智能与人工智能 1.3.1智能信息处理系统的假设 1.3.2人类智能的计算机模拟 1.4人工智能系统的分类 1.5人工智能的研究目标和内容 1.5.1人工智能的研究目标 1.5.2人工智能研究的基本内容 1.6人工智能的研究与计算方法 1.6.1人工智能的研究方法 1.6.2人工智能的计算方法 1.7人工智能的研究与应用领域 1.8本书概要 习题1 第2章知识表示方法 2.1状态空间表示 2.1.1问题状态描述 2.1.2状态图示法 2.2问题归约表示 2.2.1问题归约描述 2.2.2与或图表示 2.3谓词逻辑表示 2.3.1谓词演算 2.3.2谓词公式 2.3.3置换与合一 2.4语义网络表示 2.4.1二元语义网络的表示 2.4.2多元语义网络的表示 2.4.3语义网络的推理过程 2.5框架表示 2.5.1框架的构成 2.5.2框架的推理 2.6本体技术 2.6.1本体的概念 2.6.2本体的组成与分类...

资源名称：21个项目玩转深度学习：基于Tensorflow的实践详解 内容简介： 《21 个项目玩转深度学习——基于TensorFlow 的实践详解》以实践为导向，深入介绍了深度学习技术和TensorFlow 框架编程内容。 通过本书，读者可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用，还可以使用神经网络生成图像和文本，进行时间序列预测、搭建机器翻译引擎，训练机器玩游戏。全书共包含21 个项目，分为深度卷积网络、RNN网络、深度强化学习三部分。读者可以在自己动手实践的过程中找到学习的乐趣，了解算法和编程框架的细节，让学习深度学习算法和TensorFlow 的过程变得轻松和高效。本书代码基于TensorFlow 1.4 及以上版本，并介绍了TensorFlow 中的一些新特性。 本书适合有一定机器学习基础的学生、研究者或从业者阅读，尤其是希望深入研究TensorFlow 和深度学习算法的数据工程师，也适合对人工智能、深度学习感兴趣的在校学生，以及希望进入大数据应用的研究者。 资源目录： 第1章 MNIST机器学习入门 1 1.1 MNIST数据集 2 1.1.1 简介 2 1.1.2 实验：将MNIST数据集保存为图片 5 1.1.3 图像标签的独热(one-hot)表示 6 1.2 利用TensorFlow识别MNIST 8 1.2.1 Softmax回归 8 1.2.2 两层卷积网络分类 14 1.3 总结 18 第2章 CIFAR-10与ImageNet图像识别 19 2.1...