世纪之交的知识工程与知识科学【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

世纪之交的知识工程与知识科学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

第一部分 软计算1

第1章 计算智能--神经计算和遗传算法技术 张铃 张钹1

1.1 引言1

1.2 神经计算1

1.2.1 历史发展1

1.2.2 神经网络计算2

1.2.3 我们的工作3

1.3 遗传算法5

1.3.1 遗传算法5

1.3.2 应用例子8

1.4 分析10

1.5 结论11

参考文献11

第2章 模糊逻辑、神经元网络和进化计算 何新贵 梁久桢14

2.1 引言14

2.2 智能系统的特征14

2.3 神经元网络17

2.4 模糊逻辑和模糊推理网络19

2.5 模糊神经元网络23

2.6 神经元网络的学习25

2.7 神经元网络的进化27

2.8 智能系统29

2.9 应用32

2.10 结语34

参考文献35

第3章 基于Agent的计算 石纯一 徐晋晖42

3.1 前言42

3.2 Agent模型43

3.2.1 概述43

3.2.2 逻辑学方法44

3.2.3 经济学方法57

3.2.4 开放信息系统58

3.3.1 MAS问题求解59

3.3 MAS求解机制59

3.3.2 理论基础61

3.3.3 Agent组织65

3.3.4 协商和协调机制67

3.3.5 合作机制和任务分配71

3.3.6 个性、社会性和规范71

3.4 Agent技术和应用73

3.4.1 KQML和AOP73

3.4.2 应用75

参考文献78

4.1.1 概述85

4.1 形象思维的认知机制研究综述85

第4章 形象思维 潘云鹤 耿卫东85

4.1.2 记忆中的形象信息表征86

4.1.3 形象思维与心象88

4.1.4 小结91

参考文献92

4.2 图形图像技术与形象思维模拟93

4.2.1 心象型信息的表达模拟93

4.2.2 心象型信息的操作模拟95

4.2.3 小结101

4.3.1 引言103

4.3 语义与视觉形象的集成及人工形象智能103

参考文献103

4.3.2 集成模型概述104

4.3.3 单路模型105

4.3.4 多路或模型106

4.3.5 多路与模型107

4.3.6 人工形象智能的提出107

参考文献109

4.4 综合推理的理论与模型109

4.4.1 推理的发展概述109

4.4.2 综合推理的模型110

4.4.3 综合推理的特点111

4.4.4 综合推理示例--多源类比生成112

参考文献115

4.4.5 小结115

4.5 形状的心象型表达模型116

4.5.1 问题的提出116

4.5.2 形状的心象型表达准则116

4.5.3 心象型表达模型的提出118

4.5.4 二维形状的抽象表达119

4.5.5 三维形体的抽象表达模型121

4.5.6 模型的分析与评价124

参考文献125

4.6.1 语义到形状的转换：自动造型126

4.6 形象思维模拟：实例研究126

4.6.2 基于知识的真实感绘制128

4.6.3 融合视觉认知的工程视图理解131

4.6.4 形象化语义的生成--CAD中的表达型绘制133

4.6.5 智能多媒体表现135

4.6.6 基于形象语义的壁画检索137

4.6.7 基于视频知识的动画139

参考文献141

4.7 形象思维研究展望142

参考文献143

第5章 自然语言理解与机器翻译 姚天顺145

5.1 前言145

第二部分 自然语言处理145

5.2 当今的自然语言理解147

5.2.1 自然语言理解的研究147

5.2.2 信息检索148

5.3 新世纪研究的设想149

5.3.1 开展语言信息处理的基础研究149

5.3.2 统计方法进入了自然语言理解的新阶段152

5.3.3 构造结构化语言模型154

5.3.4 基于语段的处理方法(Chunk-based Method)159

参考文献171

5.4 结束语171

第6章 形式文法与故事理解 张松懋174

6.1 故事理解研究简述174

6.2 Rumelhart的故事文法及对其的不同评价176

6.3 其他与故事理解有关的文法方法177

6.4 故事生成中的形式文法178

6.5 语言学和文学中的故事文法180

6.6 我们的故事分析文法及其功能分析181

6.7 故事理解形式化文法方法的研究趋势184

参考文献186

第7章 开放逻辑：一个关于形式系统序列和极限的理论 李未197

7.1 公理化方法及其局限性197

第三部分 非经典逻辑197

7.2 公理化进程200

7.3 形式理论序列和极限205

7.4 新假设与事实反驳208

7.5 猜想与反驳序列211

7.6 演绎与归纳213

7.7 归纳序列217

7.8 过程模式222

7.9 结论与展望223

参考文献225

8.2 模态逻辑系统227

8.1 引言227

第8章 模态逻辑和定理证明 孙吉贵227

8.2.1 正规模态逻辑228

8.2.2 时态逻辑231

8.3 模态逻辑推理方法233

8.3.1 模态逻辑的表推演方法234

8.3.2 子句型模态归结方法236

8.3.3 模态非子句归结方法239

8.3.4 模态逻辑的理论归结方法240

8.3.5 模态逻辑转换为经典逻辑的推理方法240

8.3.6 模态逻辑的Gentzen相继式演算242

8.3.7 模态逻辑的Matrix证明方法243

8.4 模态推理器244

8.5 模态推理展望246

参考文献247

第9章 约束逻辑程序设计CLP--现状与未来 刘椿年251

9.1 引言251

9.2 语义基础253

9.2.1 约束论域253

9.2.2 语法结构254

9.2.3 状态间的推导法则和推导序列254

9.2.4 CLP程序的操作语义255

9.2.5 例子255

9.2.6 其他语义和主要的理论结束256

9.3.1 约束论域和约束求解算法--约束系统257

9.3 语言设计257

9.3.2 约束系统的宿主语言259

9.3.3 程序调试和可视化工具260

9.4 实现技术260

9.4.1 CLP编译器和抽象机260

9.4.2 CLP程序的全局分析技术261

9.4.3 CLP的并行实现261

9.4.4 CLP系统的一个实例261

9.5 应用--CLP的建模技术262

9.5.1 实数论域上CLP(R)的建模技术263

9.5.2 离散论域上CLP(FD)的建模技术264

9.6.2 数据库与约束程序设计268

9.6 相关学科268

9.6.1 人工智能与约束程序设计268

9.6.3 人机接口与约束程序设计274

9.6.4 运筹学与约束程序设计274

9.6.5 并发性与约束程序设计274

9.6.6 机器人和控制论与约束程序设计274

9.7.3 系统效率的进一步提高275

9.7.4 约束数据库275

9.7.5 用户接口与基于约束的嵌入式智能系统275

9.7.2 基于约束的分布式系统275

9.7.1 更为实用的约束系统和约束语言275

9.7 发展趋势275

9.7.6 CLP与人工智能中的一些领域的交叉研究276

9.8 结束语277

参考文献277

第四部分 非经典推理293

第10章 关于行动推理的研究 朱朝晖 戈也挺 陈世福 朱？槚293

10.1 引言293

10.2 行动推理研究中的形式工具294

10.3 框架问题的研究294

10.3.1 基于限定论的方法295

10.3.2 框架问题的Reiter解决方案299

10.4.1 PWA、PMA及极小变化原则300

10.4 结果(ramifications)问题的研究300

10.4.2 极小原则与状态变元的分类302

10.4.3 基于因果关系的方法304

10.5 资格问题的研究306

10.6 行动推理的元理论研究307

10.7 行动推理理论在agent中的应用及行动推理研究趋势308

10.8 结束语309

参考文献309

第11章 基于事例的推理系统 刘大有 赵宇霆 艾景军313

11.1 引言313

11.2 CBR研究的历史和现状313

11.3.1 什么是CBR315

11.3 CBR思想315

11.3.2 CBR系统的特点317

11.3.3 CBR系统的整体结构318

11.4 CBR中的机器学习319

11.4.1 学习途径320

11.4.2 学习策略320

11.4.3 学习方法321

11.5 CBR方法321

11.5.1 事例表示321

11.5.2 索引322

11.5.3 事例检索323

11.5.4 相似性度量324

11.5.5 适应性修改326

11.5.6 评估和学习328

11.6 CBR方法与其他方法的结合329

11.7 结论330

参考文献331

第12章 关于基于模型的诊断 姜云飞 欧阳丹彤339

12.1 什么是基于模型的诊断339

12.1.1 基于模型诊断的思想339

12.1.2 基于模型诊断的形式定义339

12.1.3 基于模型诊断的示例340

12.2 基于模型诊断的步骤341

12.3 基于模型诊断的计算方法342

12.3.1 基于一致性极小诊断342

12.3.2 基本诊断352

12.3.3 基于一致性的中心诊断354

12.3.4 溯因诊断356

12.4 基于模型的诊断与传统的基于规则诊断的区别357

12.4.1 传统的基于规则的诊断依赖于专家的经验357

12.4.2 基于模型的诊断依赖于元件的功能和元件间的连接358

12.4.3 基于规则的诊断系统类似于中医诊断，而基于模型的诊断系统类似于西医诊断358

12.5 基于模型诊断的优点358

12.6 基于模型诊断的应用研究领域358

12.7 基于模型诊断的研究课题359

12.8 基于模型诊断在应用方面的研究成果360

12.9 我们在基于模型诊断上的研究工作360

参考文献362

第五部分 机器学习365

第13章 机器学习：研究与分析 王珏 白硕365

13.1 机器学习研究概况365

13.2 机器学习算法的基础--优化368

13.2.1 表示(数学基函数)、知识表示(模型)与机器学习(优化算法)369

13.2.2 数据性质370

13.2.4 小结371

13.2.3 目标函数与搜索策略371

13.3 符号机器学习372

13.3.1 符号机器学习的一般概述372

13.3.2 AQ11与ID3373

13.3.3 Rough Set理论与差别矩阵原理374

13.4 统计机器学习374

13.4.1 MP模型的几何解释375

13.4.2 Vapnikr的支持向量机376

13.4.3 基于领域的空间划分方法377

13.4.4 分析378

13.4.5 聚类分析378

13.5.1 例子379

13.5 数据挖掘379

13.5.2 人的数据理解381

13.5.3 计算机数据理解382

13.6 非结构化数据的数据挖掘383

13.6.1 对非结构化数据进行结构化表示的三个层次383

13.6.2 文本挖掘与图象挖掘384

13.6.3 半结构化数据挖掘384

13.6.4 语言归纳机器学习385

13.7 函数归纳机器学习385

13.7.1 BACON与AM386

13.7.2 遗传程序设计386

13.8 分析机器学习387

13.8.1 案例机器学习388

13.8.2 类比机器学习389

13.8.3 解释机器学习389

13.8.4 小结390

13.9 适应性计算390

13.9.1 环境390

13.9.2 适应性计算391

13.9.3 对用户需求的适应--情感计算392

13.10 总结与问题393

参考文献395

14.1 引言398

第14章 数据采掘 史忠植 叶施仁等398

14.2.1 学习的认知问题400

14.2 理论研究400

14.2.2 归纳的逻辑问题401

14.2.3 学习的计算理论401

14.3 采掘方法和算法402

14.3.1 统计方法402

14.3.2 机器学习404

14.3.3 神经计算408

14.4 采掘对象和软件工具409

14.4.1 面向关系数据库409

14.3.4 可视化409

14.4.2 面向文本410

14.4.3 面向Web413

14.4.4 面向空间数据413

14.4.5 面向图象和视频数据采掘414

14.4.6 多策略通用数据采掘工具MSMiner415

14.5 应用416

14.5.1 商业应用416

14.5.2 科学应用417

14.5.3 政府部门417

参考文献418

14.6 展望418

14.5.4 工农业生产418

第15章 Bayesian网学习 刘大有 王飞等420

15.1 引言420

15.2 Bayesian网的学习421

15.2.1 已知网络结构，完备数据条件下概率分布的学习423

15.2.2 已知网络结构。不完备数据条件下概率分布的学习424

15.2.3 网络结构学习428

15.2.4 当前的研究热点和未来的研究趋向435

15.2.5 Bayesian网学习的成功应用436

参考文献437

16.1 引言447

第六部分 知识处理447

第16章 知识工程中的本体论研究 金芝447

16.2 本体论和本体：理论基础448

16.2.1 什么是本体？449

16.2.2 建立本体要依据的原则450

16.2.3 本体的组成451

16.2.4 本体的分类451

16.2.5 总结453

16.3 本体论和本体：当前的研究现状和主要方法454

16.3.1 当前的研究现状454

16.3.2 建立本体的主要方法455

16.3.3 表示本体的语言和建立本体的环境456

16.4 将本体论推向应用459

16.4.1 本体与自然语言的研究459

16.4.2 信息检索和信息集成461

16.4.3 企业模拟462

16.4.4 软件需求获取与需求工程463

16.5 目前存在的问题和未来的发展方向465

参考文献465

第17章 关于常识的研究 陆汝钤 姬广峰469

17.1 通向人工智能之路469

17.2.1 什么是常识--一般学者的观点470

17.2 常识的本质470

17.2.2 什么课题属于常识研究的范围--人工智能专家的观点471

17.2.3 常识处理不同于专业知识处理的主要之处是什么--计算机科学家的观点472

17.2.4 常识问题论坛--研究常识的专家们提出的常识问题472

17.2.5 常识性知识的实用研究473

17.3 常识哲学和常识心理学474

17.3.1 常识的三个层次和常识世界474

17.3.2 现象和本质--人的认识如何完成474

17.3.3 常识心理学的三个学派475

17.3.4 心态的形式化表示475

17.3.5 与取消主义的论争476

17.4 常识的表示477

17.4.1 常识知识的Agent表示478

17.4.2 常识知识的本体论表示481

17.4.3 语境和本体483

17.4.4 常识表示语言484

17.5 大规模常识知识库488

17.5.1 关于知识共享的努力488

17.5.2 CYC计划及相关工作488

17.5.3 本体库和问题解决方法库--当前常用的组合490

17.5.4 盘古计划和盘古知识库491

17.6.1 常识推理的不同表现形式492

17.6.2 基于agent的分布式推理492

17.6 常识知识库上的推理492

17.6.3 基于本体的联想式推理494

17.7 两个带理论性的难题495

17.7.1 常识知识的完备性问题495

17.7.2 自然语言表示的不精确问题497

17.8 常识知识的应用497

17.8.1 常识的广泛应用497

17.8.2 常识性知识在故事理解中的应用498

17.8.3 常识性知识在图灵测试中的应用500

17.8.4 常识性知识在计算机动画自动生成中的应用503

参考文献504

附录 常识问题论坛上已有常识问题清单506