人工智能

第1章 人工智能概述
  1.1 人工智能的基本概念
    1.1.1 智能的概念
    1.1.2 人工智能的概念
    1.1.3 人工智能的研究目標
  1.2 人工智能的基本內(nèi)容
    1.2.1 與腦科學和認知科學的交叉研究
    1.2.2 智能模擬的方法和技術(shù)研究
  1.3 人工智能的歷史回顧
    1.3.1 孕育期
    1.3.2 形成期
    1.3.3 知識應(yīng)用期
    1.3.4 從學派分立走向綜合
    1.3.5 智能科學技術(shù)學科的興起
  1.4 人工智能研究中的不同學派
    1.4.1 符號主義學派
    1.4.2 聯(lián)結(jié)主義學派
    1.4.3 行為主義
  1.5 人工智能的研究應(yīng)用領(lǐng)域
    1.5.1 機器思維
    1.5.2 機器感知
    1.5.3 機器行為
    1.5.4 機器學習
    1.5.5 計算智能
    1.5.6 分布智能
    1.5.7 智能系統(tǒng)
    1.5.8 人工心理與人工情感
    1.5.9 人工智能的典型應(yīng)用
  1.6 人工智能的現(xiàn)狀與思考
  習題
第2章 確定性知識表示
  2.1 知識表示的基本概念
    2.1.1 知識的概念
    2.1.2 知識表示和知識表示方法的概念
  2.2 謂詞邏輯表示法
    2.2.1 謂詞?輯表示的邏輯學基礎(chǔ)
    2.2.2 謂詞邏輯表示的方法
    2.2.3 謂詞邏輯表示的經(jīng)典例子
    2.2.4 謂詞邏輯表示的特性
  2.3 產(chǎn)生式表示法
    2.3.1 產(chǎn)生式表示的基本方法
    2.3.2 產(chǎn)生式表示的簡單例子
    2.3.3 產(chǎn)生式表示的特性
  2.4 語義網(wǎng)絡(luò)表示法
    2.4.1 語義網(wǎng)絡(luò)的基本概念
    2.4.2 事物和概念的表示
    2.4.3 情況和動作的表示
    2.4.4 語義網(wǎng)絡(luò)的基本過程
    2.4.5 語義網(wǎng)絡(luò)表示法的特征
  2.5 框架表示法
    2.5.1 框架理論
    2.5.2 框架結(jié)構(gòu)和框架表示
    2.5.3 框架系統(tǒng)
    2.5.4 框架系統(tǒng)的基本過程
    2.5.5 框架表示法的特性
  2.6 面向?qū)ο蟊硎痉?br />    2.6.1 面向?qū)ο蟮幕靖拍?br />    2.6.2 知識的面向?qū)ο蟊硎?br />    2.6.3 面向?qū)ο蟊硎九c框架表示的區(qū)別
  習題
第3章 確定性推理
  3.1 推理概述
    3.1.1 推理的概念
    3.1.2 推理方法及其分類
    3.1.3 推理控制策略及其分類
  3.2 產(chǎn)生式系統(tǒng)
    3.2.1 產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu)
    3.2.2 產(chǎn)生式系統(tǒng)的推理過程
    3.2.3 產(chǎn)生式系統(tǒng)的示例
  3.3 自然演繹推理
    3.3.1 自然演繹推理的邏輯基礎(chǔ)
    3.3.2 自然演繹推理方法
  3.4 歸結(jié)演繹推理
    3.4.1 歸結(jié)演繹推理的邏輯基礎(chǔ)
    3.4.2 子句集及其應(yīng)用
    3.4.3 魯濱遜歸結(jié)原理
    3.4.4 歸結(jié)演繹推理的方法
    3.4.5 歸結(jié)演繹推理的歸結(jié)策略
    3.4.6 用歸結(jié)反演求取問題的答案
  習題
第4章 搜索策略
  4.1 搜索概述
    4.1.1 搜索的含義
    4.1.2 狀態(tài)空間法
    4.1.3 問題歸約法
  4.2 狀態(tài)空間的盲目搜索
    4.2.1 廣度優(yōu)先和深度優(yōu)先搜索
    4.2.2 代價樹搜索
  4.3 狀態(tài)空間的啟發(fā)式搜索
    4.3.1 啟發(fā)性信息和估價函數(shù)
    4.3.2 A算法
    4.3.3 A*算法
    4.3.4 A*算法的特性
    4.3.5 A*算法應(yīng)用舉例
  4.4 與/或樹的盲目搜索
    4.4.1 與/或樹的一般搜索
    4.4.2 與/或樹的廣度優(yōu)先和深度優(yōu)先搜索
  4.5 與/或樹的啟發(fā)式搜索
    4.5.1 解樹的代價與希望樹
    4.5.2 與/或樹的啟發(fā)式搜索過程
  4.6 博弈樹的啟發(fā)式搜索
    4.6.1 概述
    4.6.2 極大極小過程
    4.6.3 A-B剪枝
  習題
第5章 計算智能
  5.1 概述
    5.1.1 什么是計算智能
    5.1.2 計算智能的產(chǎn)生與發(fā)展
    5.1.3 計算智能與人工智能的關(guān)系
  5.2 神經(jīng)計算
    5.2.1 神經(jīng)計算基礎(chǔ)
    5.2.2 人工神經(jīng)網(wǎng)絡(luò)的互連結(jié)構(gòu)
    5.2.3 人工神經(jīng)網(wǎng)絡(luò)的典型模型
  5.3 進化計算
    5.3.1 進化計算概述
    5.3.2 遺傳算法
    5.3.3 遺傳算法應(yīng)用簡例
  5.4 模糊計算
    5.4.1 模糊集及其運算
    5.4.2 模糊?系及其運算
  5.5 粗糙集
    5.5.1 粗糙集概述
    5.5.2 粗糙集的基本理論
    5.5.3 決策表的約簡
  習題
第6章 不確定性推理
  6.1 不確定性推理的基本概念
    6.1.1 不確定性推理的含義
    6.1.2 不確定性推理的基本問題
    6.1.3 不確定性推理的類型
  6.2 可信度方法
    6.2.1 可信度的概念
    6.2.2 可信度推理模型
    6.2.3 可信度推理的例子
  6.3 主觀BAYES方法
    6.3.1 主觀BAYES方法的概率論基礎(chǔ)
    6.3.2 主觀BAYES方法的推理模型
    6.3.3 主觀BAYES推理的例子
  6.4 模糊推理
    6.4.1 模糊知識表示
    6.4.2 模糊概念的匹配
    6.4.3 模糊推理方法
  6.5 概率推理
    6.5.1 貝葉斯網(wǎng)絡(luò)的概念及理論
    6.5.2 貝葉斯網(wǎng)絡(luò)推理的概念和類型
    6.5.3 貝葉斯網(wǎng)絡(luò)的精確推理
  習題
第7章 機器學
  7.1 機器學習概述
    7.1.1 機器學習的概念及其發(fā)展過程
    7.1.2 學習系統(tǒng)的概念及模型
    7.1.3 機器學習的類型
  7.2 記憶學習
  7.3 示例學習
    7.3.1 示例學習的類型
    7.3.2 示例學習的模型
    7.3.3 示例學習的歸納方法
  7.4 決策樹學習
    7.4.1 決策樹的概念
    7.4.2 ID3算法
  7.5 聯(lián)結(jié)學習
    7.5.1 聯(lián)結(jié)學習的心理學基礎(chǔ)
    7.5.2 聯(lián)結(jié)學習的學習規(guī)則
    7.5.3 感知器學習
    7.5.4 BP網(wǎng)絡(luò)學習
    7.5.5 HOPFIELD網(wǎng)絡(luò)學習
  習題
第8章 自然語言理解
  8.1 自然語言理解的基本概念
    8.1.1 自然語言的含義與組成
    8.1.2 自然語言理解的含義及任務(wù)
    8.1.3 自然語言理解的發(fā)展過程
    8.1.4 自然語言理解的層次
  8.2 詞法分析
  8.3 句法分析
    8.3.1 句法規(guī)則的表示方法
    8.3.2 自頂向下與自底向上分析
    8.3.3 擴充轉(zhuǎn)移網(wǎng)絡(luò)分析
  8.4 語義分析
    8.4.1 語義文法
    8.4.2 格文法
  8.5 自然語言理解系統(tǒng)的層次模型
  習題
第9章 分布智能
  9.1 分布智能概述
    9.1.1 分布智能的概念
    9.1.2 分布式問題?解
    9.1.3 多AGENT系統(tǒng)
  9.2 AGENT的結(jié)構(gòu)
    9.2.1 AGENT的機理
    9.2.2 反應(yīng)AGENT的結(jié)構(gòu)
    9.2.3 認知AGENT的結(jié)構(gòu)
    9.2.4 混合AGENT的結(jié)構(gòu)
  9.3 AGENT通信
    9.3.1 AGENT通信的基本問題
    9.3.2 AGENT通信方式
    9.3.3 AGENT通信語言KQML
  9.4 多AGENT合作
    9.4.1 AGENT的協(xié)調(diào)
    9.4.2 AGENT的協(xié)作
    9.4.3 AGENT的協(xié)商
    9.4.4 多AGENT應(yīng)用示例
  9.5 移動AGENT
    9.5.1 移動AGENT系統(tǒng)的一般結(jié)構(gòu)
    9.5.2 移動AGENT的實現(xiàn)技術(shù)及應(yīng)用
  習題
第10章 新型專家系統(tǒng)
  10.1 專家系統(tǒng)概述
    10.1.1 專家系統(tǒng)的產(chǎn)生與發(fā)展
    10.1.2 新型專家系統(tǒng)的特征與類型
  10.2 專家系統(tǒng)基礎(chǔ)
    10.2.1 專家系統(tǒng)的基本結(jié)構(gòu)
    10.2.2 基于規(guī)則的專家系統(tǒng)
    10.2.3 基于框架的專家系統(tǒng)
  10.3 典型的新型專家系統(tǒng)
    10.3.1 模糊專家系統(tǒng)
    10.3.2 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
    10.3.3 基于WEB的專家系統(tǒng)
    10.3.4 分布式專家系統(tǒng)
    10.3.5 協(xié)同式專家系統(tǒng)
  10.4 專家系統(tǒng)的開發(fā)
    10.4.1 開發(fā)步驟
    10.4.2 知識獲取
    10.4.3 開發(fā)工具與環(huán)境
  習題
附錄A 人工智能實驗
參考文獻