人工智能基础_人工智能教程 人工智能
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：
TensorFlow技术解析与实战 PDF_人工智能教程 人工智能
资源名称：TensorFlow技术解析与实战 PDF
内容简介：
TensorFlow 是谷歌公司开发的深度学习框架，也是目前深度学习的主流框架之一。本书从深度学习的基础讲起，深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。基础篇讲解人工智能的入门知识，深度学习的方法，TensorFlow的基础原理、系统架构、设计理念、编程模型、常用API、批标准化、模型的存储与加载、队列与线程，实现一个自定义操作，并进行TensorFlow源代码解析，介绍卷积神经网络（CNN）和循环神经网络（RNN）的演化发展及其TensorFlow实现、TensorFlow的高级框架等知识；实战篇讲解如何用TensorFlow写一个神经网络程序并介绍TensorFlow实现各种网络（CNN、RNN和自编码网络等）并对MNIST数据集进行训练，讲解TensorFlow在人脸识别、自然语言处理、图像和语音的结合、生成式对抗网络等方面的应用；提高篇讲解TensorFlow的分布式原理、架构、模式、API，还会介绍TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes结合、TensorFlowOnSpark、TensorFlow移动端应用，以及TensorFlow Serving、TensorFlow Fold和TensorFlow计算加速等其他特性。最后，附录中列出一些可供参考的公开数据集，并结合作者的项目经验介绍项目管理的一些建议。
作者简介：
李嘉璇，创建TensorFlow交流社区，活跃于国内各大技术社区，知乎编程问题回答者。致力于人工智能的研究，对深度学习框架的架构、源码分析及在不同领域的应用有浓厚兴趣。有过上百篇论文阅读和深度学习经验，处理图像、社交文本数据情感分析、数据挖掘经验，参与过基于深度学习的自动驾驶二维感知系统Hackathon竞赛，曾任职百度研发工程师。
资源目录：
第一篇 基础篇
第1章 人工智能概述 2
1.1 什么是人工智能 2
1.2 什么是深度学习 5
1.3 深度学习的入门方法 7
1.4 什么是TensorFlow 11
1.5 为什么要学TensorFlow 12
1.5.1 TensorFlow的特性 14
1.5.2 使用TensorFlow的公司 15
1.5.3 TensorFlow的发展 16
1.6 机器学习的相关赛事 16
1.6.1 ImageNet的ILSVRC 17
1.6.2 Kaggle 18
1.6.3 天池大数据竞赛 19
1.7 国内的人工智能公司 20
1.8 小结 22
第2章 TensorFlow环境的准备 23
2.1 下载TensorFlow 1.1.0 23
2.2 基于pip的安装 23
2.2.1 Mac OS环境准备 24
2.2.2 Ubuntu/Linux环境准备 25
2.2.3 Windows环境准备 25
2.3 基于Java的安装 28
2.4 从源代码安装 29
2.5 依赖的其他模块 30
2.5.1 numpy 30
2.5.2 matplotlib 31
2.5.3 jupyter 31
2.5.4 scikit-image 32
2.5.5 librosa 32
2.5.6 nltk 32
2.5.7 keras 33
2.5.8 tflearn 33
2.6 小结 33
第3章 可视化TensorFlow 34
3.1 PlayGround 34
3.1.1 数据 35
3.1.2 特征 36
3.1.3 隐藏层 36
3.1.4 输出 37
3.2 TensorBoard 39
3.2.1 SCALARS面板 40
3.2.2 IMAGES面板 41
3.2.3 AUDIO面板 42
3.2.4 GRAPHS面板 42
3.2.5 DISTRIBUTIONS面板 43
3.2.6 HISTOGRAMS面板 43
3.2.7 EMBEDDINGS面板 44
3.3 可视化的例子 44
3.3.1 降维分析 44
3.3.2 嵌入投影仪 48
3.4 小结 51
第4章 TensorFlow基础知识 52
4.1 系统架构 52
4.2 设计理念 53
4.3 编程模型 54
4.3.1 边 56
4.3.2 节点 57
4.3.3 其他概念 57
4.4 常用API 60
4.4.1 图、操作和张量 60
4.4.2 可视化 61
4.5 变量作用域 62
4.5.1 variable_scope示例 62
4.5.2 name_scope示例 64
4.6 批标准化 64
4.6.1 方法 65
4.6.2 优点 65
4.6.3 示例 65
4.7 神经元函数及优化方法 66
4.7.1 激活函数 66
4.7.2 卷积函数 69
4.7.3 池化函数 72
4.7.4 分类函数 73
4.7.5 优化方法 74
4.8 模型的存储与加载 79
4.8.1 模型的存储与加载 79
4.8.2 图的存储与加载 82
4.9 队列和线程 82
4.9.1 队列 82
4.9.2 队列管理器 85
4.9.3 线程和协调器 86
4.10 加载数据 87
4.10.1 预加载数据 87
4.10.2 填充数据 87
4.10.3 从文件读取数据 88
4.11 实现一个自定义操作 92
4.11.1 步骤 92
4.11.2 最佳实践 93
4.12 小结 101
第5章 TensorFlow源代码解析 102
5.1 TensorFlow的目录结构 102
5.1.1 contirb 103
5.1.2 core 104
5.1.3 examples 105
5.1.4 g3doc 105
5.1.5 python 105
5.1.6 tensorboard 105
5.2 TensorFlow源代码的学习方法 106
5.3 小结 108
第6章 神经网络的发展及其TensorFlow实现 109
6.1 卷积神经网络 109
6.2 卷积神经网络发展 110
6.2.1 网络加深 111
6.2.2 增强卷积层的功能 115
6.2.3 从分类任务到检测任务 120
6.2.4 增加新的功能模块 121
6.3 MNIST的AlexNet实现 121
6.3.1 加载数据 121
6.3.2 构建网络模型 122
6.3.3 训练模型和评估模型 124
6.4 循环神经网络 125
6.5 循环神经网络发展 126
6.5.1 增强隐藏层的功能 127
6.5.2 双向化及加深网络 129
6.6 TensorFlow Model Zoo 131
6.7 其他研究进展 131
6.7.1 强化学习 132
6.7.2 深度森林 132
6.7.3 深度学习与艺术 132
6.8 小结 133
第7章 TensorFlow的高级框架 134
7.1 TFLearn 134
7.1.1 加载数据 134
7.1.2 构建网络模型 135
7.1.3 训练模型 135
7.2 Keras 135
7.2.1 Keras的优点 136
7.2.2 Keras的模型 136
7.2.3 Keras的使用 137
7.3 小结 141
第二篇 实战篇
第8章 第一个TensorFlow程序 144
8.1 TensorFlow的运行方式 144
8.1.1 生成及加载数据 144
8.1.2 构建网络模型 145
8.1.3 训练模型 145
8.2 超参数的设定 146
8.3 小结 147
第9章 TensorFlow在MNIST中的应用 148
9.1 MNIST数据集简介 148
9.1.1 训练集的标记文件 148
9.1.2 训练集的图片文件 149
9.1.3 测试集的标记文件 149
9.1.4 测试集的图片文件 150
9.2 MNIST的分类问题 150
9.2.1 加载数据 150
9.2.2 构建回归模型 151
9.2.3 训练模型 151
9.2.4 评估模型 152
9.3 训练过程的可视化 152
9.4 MNIST的卷积神经网络 156
9.4.1 加载数据 157
9.4.2 构建模型 157
9.4.3 训练模型和评估模型 159
9.5 MNIST的循环神经网络 161
9.5.1 加载数据 161
9.5.2 构建模型 161
9.5.3 训练数据及评估模型 163
9.6 MNIST的无监督学习 164
9.6.1 自编码网络 164
9.6.2 TensorFlow的自编码网络实现 165
9.7 小结 169
第10章 人脸识别 170
10.1 人脸识别简介 170
10.2 人脸识别的技术流程 171
10.2.1 人脸图像采集及检测 171
10.2.2 人脸图像预处理 171
10.2.3 人脸图像特征提取 171
10.2.4 人脸图像匹配与识别 172
10.3 人脸识别的分类 172
10.3.1 人脸检测 172
10.3.2 人脸关键点检测 173
10.3.3 人脸验证 174
10.3.4 人脸属性检测 174
10.4 人脸检测 175
10.4.1 LFW数据集 175
10.4.2 数据预处理 175
10.4.3 进行检测 176
10.5 性别和年龄识别 178
10.5.1 数据预处理 179
10.5.2 构建模型 181
10.5.3 训练模型 182
10.5.4 验证模型 184
10.6 小结 185
第11章 自然语言处理 186
11.1 模型的选择 186
11.2 英文数字语音识别 187
11.2.1 定义输入数据并预处理数据 188
11.2.2 定义网络模型 188
11.2.3 训练模型 188
11.2.4 预测模型 189
11.3 智能聊天机器人 189
11.3.1 原理 190
11.3.2 最佳实践 191
11.4 小结 200
第12章 图像与语音的结合 201
12.1 看图说话模型 201
12.1.1 原理 202
12.1.2 最佳实践 203
12.2 小结 205
第13章 生成式对抗网络 206
13.1 生成式对抗网络的原理 206
13.2 生成式对抗网络的应用 207
13.3 生成式对抗网络的实现 208
13.4 生成式对抗网络的改进 214
13.5 小结 214
第三篇 提高篇
第14章 分布式TensorFlow 216
14.1 分布式原理 216
14.1.1 单机多卡和分布式 216
14.1.2 分布式部署方式 217
14.2 分布式架构 218
14.2.1 客户端、主节点和工作节点的关系 218
14.2.2 客户端、主节点和工作节点的交互过程 220
14.3 分布式模式 221
14.3.1 数据并行 221
14.3.2 同步更新和异步更新 222
14.3.3 模型并行 224
14.4 分布式API 225
14.5 分布式训练代码框架 226
14.6 分布式最佳实践 227
14.7 小结 235
第15章 TensorFlow线性代数编译框架XLA 236
15.1 XLA的优势 236
15.2 XLA的工作原理 237
15.3 JIT编译方式 238
15.3.1 打开JIT编译 238
15.3.2 将操作符放在XLA设备上 238
15.4 JIT编译在MNIST上的实现 239
15.5 小结 240
第16章 TensorFlow Debugger 241
16.1 Debugger的使用示例 241
16.2 远程调试方法 245
16.3 小结 245
第17章 TensorFlow和Kubernetes结合 246
17.1 为什么需要Kubernetes 246
17.2 分布式TensorFlow在Kubernetes中的运行 247
17.2.1 部署及运行 247
17.2.2 其他应用 253
17.3 小结 254
第18章 TensorFlowOnSpark 255
18.1 TensorFlowOnSpark的架构 255
18.2 TensorFlowOnSpark在MNIST上的实践 257
18.3 小结 261
第19章 TensorFlow移动端应用 262
19.1 移动端应用原理 262
19.1.1 量化 263
19.1.2 优化矩阵乘法运算 266
19.2 iOS系统实践 266
19.2.1 环境准备 266
19.2.2 编译演示程序并运行 267
19.2.3 自定义模型的编译及运行 269
19.3 Android系统实践 273
19.3.1 环境准备 274
19.3.2 编译演示程序并运行 275
19.3.3 自定义模型的编译及运行 277
19.4 树莓派实践 278
19.5 小结 278
第20章 TensorFlow的其他特性 279
20.1 TensorFlow Serving 279
20.2 TensorFlow Flod 280
20.3 TensorFlow计算加速 281
20.3.1 CPU加速 281
20.3.2 TPU加速和FPGA加速 282
20.4 小结 283
第21章 机器学习的评测体系 284
21.1 人脸识别的性能指标 284
21.2 聊天机器人的性能指标 284
21.3 机器翻译的评价方法 286
21.3.1 BLEU 286
21.3.2 METEOR 287
21.4 常用的通用评价指标 287
21.4.1 ROC和AUC 288
21.4.2 AP和mAP 288
21.5 小结 288
附录A 公开数据集 289
附录B 项目管理经验小谈 292
资源截图：
MATLAB智能算法30个案例分析 （史峰） pdf_人工智能教程 人工智能
资源名称：MATLAB智能算法30个案例分析 (史峰) pdf
《matlab智能算法30个案例分析》(作者史峰、王辉、郁磊、胡斐)是作者多年从事算法研究的经验总结。书中所有案例均因国内各大matlab技术论坛网友的切身需求而精心设计，其中不少案例所涉及的内容和求解方法在国内现已出版的matlab书籍中鲜有介绍。
《matlab智能算法30个案例分析》采用案例形式，以智能算法为主线，讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等最常用的智能算法的matlab实现。本书共给出30个案例，每个案例都是一个使用智能算法解决问题的具体实例，所有案例均由理论讲解、案例背景、matlab程序实现和扩展阅读四个部分组成，并配有完整的原创程序，使读者在掌握算法的同时更能快速提高使用算法求解实际问题的能力。本书可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
目录:
第1章 谢菲尔德大学的MATLAB遗传算法工具箱
1.1 理论基础
1.1.1 遗传算法概述
1.1.2 谢菲尔德遗传算法工具箱
1.2 案例背景
1.2.1 问题描述
1.2.2 解题思路及步骤
1.3 MATLAB程序实现
1.3.1 工具箱结构
1.3.2 遗传算法常用函数
1.3.3 遗传算法工具箱应用举例
1.4 延伸阅读
参考文献
第2章 基于遗传算法和非线性规捌的函数寻优算法
2.1 理论基础
2.1 J1非线性规划
2.1.2 非线性规划函数
2.1.3 遗传算法基本思想
2.1.4 算法结合思想
2.2 案例背景
2.2.1 问题描述
2.2.2 算法流程
2.2.3 遗传算法实现
2.3 MATI。AB程序实现
2.3.1 适应度函数
2.3.2 选择操作
2.3.3 交叉操作
2.3.4 变异操作
2.3.5 算法主函数
2.3.6 非线性寻优
2.3.7 结果分析
2.4 延伸阅读
2.4.1 其他函数的优化
2.4.2 其他优化算法
参考文献
第3章 基于遗传算法的BP神经网络优化算法
3.1 理论基础
3.1.1 BP神经网络概述
3.1.2 遗传算法的基本要素
3.2 案例背景
3.2.1 问题描述
3.2.2 解题思路及步骤
3.3 MATLAB程序实现
3.3.1 神经网络算法
3，3，2遗传算法主函数
3.3.3 比较使用遗传算法前后的差别
3.3.4 结果分析
3.4 延伸阅读
参考文献
第4章 基于遗传算法的TsP算法
资源截图：
模式识别与智能计算-matlab技术实现_人工智能教程 人工智能
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：
现代机器人学_人工智能教程 人工智能
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 人工神经网络
6.3 神经控制方法
第七章 认知控制
7.1 认知控制系统的结构
7.2 知识系统与运动规划
7.3 场景和知识信息描述
7.4 系统运动的认知控制
第八章 自主控制
8.1 引言
8.2 自主控制系统的结构
8.3 控制问题描述
……
第九章 进化算法与人工生命
第十章 仿生系统实例
参考文献
人工智能的原理与方法_人工智能教程 人工智能
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LISP
2.2.1LISP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PROLOG
2.3.1PROLOG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Smalltalk
2.4.1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：
神经计算智能基础原理·方法_人工智能教程 人工智能
资源名称：神经计算智能基础原理·方法
内容简介：
全书共分八章，内容包括：智能科学发展概论;智能的生物特征与本质；人工神经网络；模糊逻辑基础；联想记忆与编码；进化计算；混沌与分形；模糊神经计算智能系统。
资源截图：
MATLAB模糊系统设计 （张德丰） pdf_人工智能教程 人工智能
资源名称：MATLAB模糊系统设计 (张德丰) pdf
MATLAB模糊系统设计主要针对matlab模糊系统设计由浅入深地论述了模糊系统的基本概念、基本原理、结构及其控制设计与应用等过程中，重点介绍了这些基础理论结合matlab模糊逻辑工具的应用，并通过大量的实例来介绍matlab模糊逻辑工具的辅助设计功能，也对相关函数进行了相应的介绍。.
本书内容理论清晰可靠，讲解详细，重点突出，内容新，覆盖范围广，应用操作性强，可作为控制科学和技术类专业本科及研究生教材，也可供与此相关的科研人员和从事控制工程的技术人员参考。...
目录:
第1章 matlab简介.
1．1 matlab概述
1．2 matlab的操作
1．2．1 matlab语言特点
1．2．2 matlab的m文件介绍
1．2．3 matlab的使用命令
1．2．4 matlab的输入与输出函数
1．3 matlab的矩阵运算及应用举例
1．4 matlab的向量运算
1．5 matlab的控制语句
1．5．1 循环语句
1．5．2 条件转移语句
1．6 matlab的绘图应用
第2章 模糊系统的理论基础
2．1 模糊系统的概述
2．1．1 模糊集
2．1．2 模糊规则
2．1．3 模糊推理系统
2．1．4 模糊系统的非线性逼近
2．1．5 模糊系统存在的问题
.2．2 模糊系统的集合
2．2．1 经典集合及其特征函数
2．2．2 模糊集合及其隶属度函数
2．2．3 模糊集合的基本运算应用
2．3 模糊关系的剖析
2．3．1 模糊关系方程组与布尔型模糊关系方程
2．3．2 模糊矩阵的幂运算及收敛性
2．3．3 “如果-则”推理关系
2．4 模糊扩展原理
2．5 凸模糊集合
2．6 模糊数
第3章 matlab结构模糊优化及系统设计
3．1 模糊优化模型
3．1．1 模糊优化设计的步骤
3．1．2 建立数学模型的基本原则
3．1．3 模糊优化基本概念
3．2 模糊优化的分类
3．2．1 对称模糊优化和非对称模糊优化
3．2．2 模糊遗传算法
3．2．3 其他方法
3．3 单目标和多目标优化设计
3．3．1 迭代法
3．3．2 权重最大-最小法
3．3．3 对称多目标模糊优化的求解
3．3．4 多目标模糊优化的向量水平截集法
3．4 用图形界面工具建立模糊系统
3．4．1 模糊推理系统编辑器
3．4．2 模糊规则编辑器
3．4．3 隶属度函数编辑器
3．4．4 模糊推理输入、输出曲面视图
3．5 用命令函数实现模糊逻辑系统
3．5．1 命令行函数使用示例
3．5．2 使用matlab命令创建和计算模糊系统
3．5．3 matlab的fis结构和存储
3．6 模糊逻辑工具箱应用
3．6．1 matlab工具箱附带隶属度函数应用示例
3．6．2 fis系统相关操作
3．6．3 模型转换及矩阵操作类函数
3．6．4 系统图形显示函数
3．6．5 模糊推理运算、计算类函数
第4章 模糊控制器及控制系统的设计
资源截图：
MATLAB统计分析与应用：40个案例分析 PDF_人工智能教程 人工智能
资源名称：MATLAB统计分析与应用：40个案例分析 PDF
《MATLAB统计分析与应用：40个案例分析》从实际应用的角度出发，以大量的案例详细介绍了matlab环境下的统计分析与应用。
《MATLAB统计分析与应用：40个案例分析》主要内容包括：利用matlab制作统计报告或报表；从文件中读取数据到matlab；从matlab中导出数据到文件；数据的平滑处理、标准化变换和极差归一化变换；生成一元和多元分布随机数；蒙特卡洛方法；参数估计与假设检验；copula理论及应用实例；方差分析；基于回归分析的数据拟合；聚类分析；判别分析；主成分分析；因子分析；图像处理中的统计应用等。
《MATLAB统计分析与应用：40个案例分析》可以作为高等院校本科生、研究生的统计学相关课程的教材或教学参考书，也可作为从事数据分析与数据管理的研究人员的参考用书。
目录:
第1章利用matlab生成word和excel文档1
第2章数据的导入与导出64
第3章数据的预处理104
第4章生成随机数117
第5章参数估计与假设检验150
第6章copula理论及应用实例187
第7章方差分析214
第8章数据拟合251
第9章聚类分析290
第10章判别分析329
第11章主成分分析354
第12章因子分析374
附录a图像处理中的统计应用案例397
附录bmatlab统计工具箱函数大全419
参考文献432
资源截图：
高级人工智能（第二版） 史忠植_人工智能教程 人工智能
资源名称：高级人工智能（第二版） 史忠植
内容简介：
人工智能是计算机科学的一个分支，是一门研究机器智能的学科，即用人工的方法和技术，研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为。
本书第二版共16章，首先讨论人工智能的认知问题和逻辑基础，然后论述约束推理、定性推理、基于范例推理、概率推理。第七章至第十三章重点讨论机器学习，包括归纳学习、支持向量机、解释学习、强化学习、粗糙集、关联规则、知识发现。第十四章阐述分布式智能。最后两章分别讨论进化计算和人工生命。与第一版相比，增加了五章新内容。其他章节也作了较大的修改和补充。
本书内容新颖，反映该领域的最新研究进展，特别总结了作者多年的科研成果。全书力求从理论、算法、系统、应用讨论人工智能的方法和关键技术。本书可以作为信息领域和相关专业的高等院校高年级学生和研究生的教材，也可以供有关科技人员学习参考。
资源目录：
前言
第一章 绪论
第二章 人工智能逻辑
第三章 约束推理
第四章 定性推理
第五章 基于范例推理
第六章 概率推理
第七章 归纳学习
第八章 类比学习
第九章 解释学习
第十章 粗糙集
第十一章 支持向量机
第十二章 关联规则
第十三章 知识发现
第十四章 分布智能
第十五章 进化计算
第十六章 人工生命
资源截图：
次协调逻辑与人工智能_人工智能教程 人工智能
资源名称：次协调逻辑与人工智能
内容简介：
这本《次协调逻辑与人工智能（AI）》，第一编写协调逻辑基本原理，包括历史背景、现实原型、次协调逻辑命题演算，谓词演算、道义演算以及在集合论与辩证逻辑中的初步应用等等，由作者所写。第二编一系列创新的次协调公理系统的绝大部分，大都出自陈立自的手笔。技术方面只有小部分工作才属于作者的，但在文字上作者作了很多改写。第三编在计算机人工智能方面的应用，则是由武汉大学计算机科学系朱福喜副教授担任。本书作者的逻辑思想带有明显的非正统色彩，可能说我们特别喜欢非经典逻辑并属于逻辑学者听“第三世界”。
资源目录：
序
前言
第一编 次协调逻辑及其基本原理
第一章 次协调逻辑是从哪里来的
第一节 次协调思想并不神秘：几个引例
第二节 为什么会产生新逻辑
第三节 次协调逻辑的现实原型
第四节 悖论、二律背反与次协调逻辑
第五节 “协调论”、“交际思维学”中的次协调思想
第二章 次协调逻辑发展简史
第一节 卢卡西维茨论亚氏矛盾律
第二节 瓦西里也夫的“榻象逻辑”
第三节 雅斯可夫斯基的“商讨逻辑”
第三章 达科斯塔的次协调逻辑
第一节 概述
第二节 次协调命题演算C
第三节 次协调谓词喾算与摹状词演算
第四节 次协调集合论的基本思想
第四章 次协调逻辑的其他分支
第一节 为什么需要有次协调道义逻辑
第二节 次协调道义演算C
第三节 C的道义可能世界语义学
第四节 为什么会有次协调辩证逻辑
第五节 次协调辩证逻辑DL系统的公理
第六节 次协调辨 证逻辑DL系统的元定理
第七节 次协调辩证逻辑DL系统的语义学
第八节 次协调辩证逻辑DL系统的扩展
第九节 次协调时态逻辑大意
第十节 次协调逻辑在其他方面的发展
第五章 次协调逻辑的哲学意义
第一节 次协调逻辑与逻辑哲学
第二节 次协调逻辑与辩证哲学
第二编 创建次协调逻辑新系统的尝试
第六章 基本构架——可用形式理论的符号表达
第一节 推理关系符号的约定
第二节 对“理发师悖论”与康托定理的形式化再分析
第三节 可用形式理论的公理构架
第七章 陷悖论逻辑Lpm及其扩展
第一节 引论
第二节 Lpm的语义与语义推理
第三节 Lpm命题演算的证明论——极小化语义表推演
第四节 Lpm命题演算的逻辑特性
……
第八章 次协调性的相干逻辑PC（1）
第九章 次协调性的相干逻辑PC（2）
第十章 规范逻辑及法律逻辑的新系统
第十一章 次协调性相干模糊逻辑PFZ
第十二章 哲学逻辑其他新公理系统
第三编 次协调逻辑在人工智能领域中的应用
第十三章 次协调逻辑在不协调知识库中进行推理的理论与应用
第十四章 次协调逻辑自动定理证明的理论与实现
附录
资源截图：
-
2024年国庆节活动最后一天！
会员开通优惠活动：
包年VIP限时仅需39.9912个月 （原价：65）
终身VIP限时仅需59.99永久 （原价：99.99）
vip会员用户登入后不需要评论即可全站下载
阿影博客 2024-10-07 10:10
-
五一期间：活动价格：51元即可开通。
用户注册账号登入会员中心即可
活动时间：2024年4月30日-2024年5月5号24：00
阿影博客 2024-05-04 00:15
-
阿影祝大家小年夜快乐 限时活动开启中
24点前添加阿影微信开通永久会员的24元即可开通
如网站今天已开通的，可添加阿影微信退差价
阿影微信：zlrtxxkj
阿影博客 2024-02-03 14:54
-
在此祝大家12月有奇迹发生 年年喜乐顺遂
阿影博客 2023-12-23 13:53
-
永久会员99火热开通中·
年会员：65
月会员：25
阿影博客 2023-12-22 22:00