人工智能原理及其应用

第1章 人工智能概述í.

1.1 人工智能及其研究目标í

1.1.1 人工智能的定义í

1.1.2 人工智能的研究目标í

1.2 人工智能的产生与发展í

1.2.1 孕育期í

1.2.2 形成期í

1.2.3 知识应用期í

1.2.4 综合集成期í

1.3 人工智能研究的基本内容及其特点í

1.3.1 人工智能研究的基本内容í

1.3.2 人工智能研究的特点í

1.4 人工智能的研究和应用领域í

1.4.1 机器学习í

1.4.2 自然语言理解í

1.4.3 专家系统í

1.4.4 模式识别í

1.4.5 计算机视觉í

1.4.6 机器人学í

1.4.7 博弈í

.1.4.8 自动定理证明í

1.4.9 自动程序设计í

1.4.10 智能控制í

1.4.11 智能决策支持系统í

1.4.12 人工神经网络í

1.4.13 知识发现和数据挖掘í

1.4.14 分布式人工智能í

1.5 人工智能研究的不同学派及其争论í

1.5.1 人工智能的三大学派í

1.5.2 人工智能理论的争论í

1.5.3 人工智能研究方法的争论 í

1.6 人工智能的近期发展分析í

习题í

第2章 知识表示í

2.1 知识与知识表示的概念í

2.1.1 知识í

2.1.2 知识表示í

2.2 一阶谓词逻辑表示法í

2.2.1 一阶谓词逻辑表示的逻辑基础

2.2.2 谓词逻辑表示方法í

2.2.3 谓词逻辑表示的应用í

2.2.4 谓词逻辑表示的特性í

2.3 产生式表示法í

2.3.1 产生式表示的基本方法及特性

2.3.2 产生式系统的基本结构í

2.3.3 产生式系统的基本过程í

2.3.4 产生式系统的控制策略í

2.3.5 产生式系统的类型í

2.3.6 产生式系统的特点í

2.4 语义网络表示法í

2.4.1 语义网络的基本概念í

2.4.2 事物和概念的表示í

2.4.3 情况和动作的表示í

2.4.4 逻辑关系的表示í

2.4.5 语义网络的推理过程

2.4.6 语义网络表示法的特征í

2.5 框架表示法í

2.5.1 框架理论í

2.5.2 框架和实例框架í

2.5.3 框架系统í

2.5.4 框架系统的问题求解过程í

2.5.5 框架表示法的特性í

2.6 脚本表示法í

2.6.1 脚本的结构í

2.6.2 脚本的推理í

2.7 过程表示法í

2.7.1 表示知识的方法í

2.7.2 过程表示的问题求解过程í

2.7.3 过程表示的特性í

2.8 面向对象表示法í

2.8.1 面向对象的基本概念和特征í

2.8.2 知识的面向对象表示í

习题í

第3章 确定性推理í

3.1 推理的基本概念í

3.1.1 什么是推理í

3.1.2 推理方法及其分类í

3.1.3 推理的控制策略及其分类í

3.1.4 正向推理í

3.1.5 逆向推理í

3.1.6 混合推理í

3.1.7 推理的冲突消解策略í

3.2 推理的逻辑基础í

3.2.1 谓词公式的解释í

3.2.2 谓词公式的永真性与可满足性í

3.2.3 谓词公式的等价性与永真蕴含性í

3.2.4 谓词公式的范式í

3.2.5 置换与合一í

3.3 自然演绎推理í

3.4 归结演绎推理í

3.4.1 子句集及其化简í

3.4.2 海伯伦理论í

3.4.3 鲁宾逊归结原理í

3.4.4 归结演绎推理的归结策略í

3.4.5 用归结反演求取问题的答案í

3.5 基于规则的演绎推理í

3.5.1 规则正向演绎推理í

3.5.2 规则逆向演绎推理í

3.5.3 规则双向演绎推理í

3.6 规则演绎推理的剪枝策略í

习题í

第4章 不确定与非单调推理í

4.1 不确定性推理的基本概念í

4.1.1 不确定性推理的含义í

4.1.2 不确定性推理的基本问题í

4.1.3 不确定性推理的类型í

4.2 不确定性推理的概率论基础í

4.2.1 样本空间与随机事件í

4.2.2 事件的概率..í

4.2.3 全概率公式与bayes公式í

4.3 确定性理论í

4.3.1 可信度的概念í

4.3.2 c-f模型í

4.3.3 带加权因子的可信度推理í

4.4 主观bayes方法í

4.4.1 知识不确定性的表示í

4.4.2 证据不确定性的表示í

4.4.3 组合证据不确定性的计算í

4.4.4 不确定性的更新í

4.4.5 结论不确定性的合成í

4.5 证据理论í

4.5.1 d-s理论的形式描述í

4.5.2 证据理论的推理模型í

4.5.3 推理实例í

4.6 可能性理论和模糊推理í

4.6.1 模糊逻辑基础í

4.6.2 模糊知识表示í

4.6.3 模糊概念的匹配í

4.6.4 模糊推理í

4.7 非单调推理í

习题í

第5章 搜索策略í

5.1 搜索的基本概念í

5.1.1 搜索的含义í

5.1.2 状态空间法í

5.1.3 问题归约í

5.2 状态空间的盲目搜索í

5.2.1 一般图搜索过程í

5.2.2 广度优先搜索í

5.2.3 深度优先搜索í

5.2.4 有界深度优先搜索í

5.2.5 代价树搜索í

5.3 状态空间的启发式搜索í

5.3.1 启发性信息和估价函数í

5.3.2玜算法í

5.3.3玜*算法í

5.3.4玜*算法应用举例í

5.4 与/或树的盲目搜索í

5.4.1 与/或树的一般搜索í

5.4.2 与/或树的广度优先搜索í

5.4.3 与/或树的深度优先搜索í

5.5 与/或树的启发式搜索í

5.5.1 解树的代价与希望树í

5.5.2 与/或树的启发式搜索过程í

5.6 博弈树的启发式搜索í

5.6.1 概述í

5.6.2 极大极小过程í

5.6.3α-β剪枝í

习题í

第6章 机器学习í

6.1 机器学习的基本概念í

6.1.1 学习和机器学习í

6.1.2 机器学习的发展过程í

6.1.3 学习系统í

6.1.4 机器学习的分类í

6.2 机械式学习í

6.3 指导式学习í

6.4 归纳学习í

6.4.1 归纳学习的类型í

6.4.2 示例学习í

6.4.3 观察与发现学习í

6.5 基于类比的学习í

6.5.1 类比学习的概念í

6.5.2 属性类比学习í

6.5.3 转换类比学习í

6.6 基于解释的学习í

6.6.1 解释学习概述í

6.6.2 解释学习的空间描述及学习模型

6.6.3 解释学习的基本原理í

6.6.4 解释学习的基本过程í

6.6.5 领域知识的完善性í

习题í

第7章 神经网络及连接学习í

7.1 人工神经网络概述í

7.1.1 生物神经元及脑神经系统的结构与特征

7.1.2 人工神经元及人工神经网络

7.1.3 人工神经网络的发展过程í

7.1.4 人工神经网络的局限性í

7.2 人工神经网络的互连结构及其学习机理

7.2.1 人工神经网络的互连结构í

7.2.2 人工神经网络学习和记忆的心理学基础

7.2.3 人工神经网络的学习算法í

7.3 感知器模型及其学习í

7.3.1 感知器模型í

7.3.2 感知器的学习í

7.3.3 有关感知器xor问题求解的讨论

7.4 误差反向传播网络及其学习í

7.4.1 b-p网络结构í

7.4.2 b-p网络学习的传播公式í

7.4.3 b-p网络的学习算法í

7.4.4 b-p网络学习的讨论í

7.5 hopfield网络及其学习í

7.5.1 hopfield网络的结构í

7.5.2 hopfield模型的稳定性í

7.5.2 hopfield网络学习算法í

习题í

第8章 自然语言理解í

8.1 语言及其理解的基本概念í

8.1.1 自然语言与自然语言理解í

8.1.2 自然语言理解的研究任务í

8.1.3 自然语言理解的发展í

8.1.4 自然语言理解的层次í

8.2 语法规则的表示方法í

8.2.1 句子结构的表示í

8.2.2 上下文无关文法í

8.2.3 变换文法í

8.3 语法分析í

8.3.1 自顶向下与自底向上分析í

8.3.2 扩充转移网络分析í

8.4 语义的分析í

8.4.1 语义文法í

8.4.2 格文法í

8.5 自然语言的生成í

8.6 自然语言理解系统的层次模型í

习题í

第9章 专家系统í

9.1 专家系统的基本概念í

9.1.1 什么是专家系统í

9.1.2 专家系统的分类í

9.1.3 专家系统的特点í

9.2 专家系统的基本结构í

9.2.1 知识库í

9.2.2 数据库í

9.2.3 推理机í

9.2.4 解释机构í

9.2.5 知识获取机构í

9.2.6 用户界面í

9.3 知识获取í

9.3.1 知识获取的任务í

9.3.2 知识获取方法的分类í

9.3.3 非自动知识获取í

9.3.4 自动知识获取í

9.4 专家系统的开发与评价í

9.4.1 专家系统的开发条件í

9.4.2 专家系统开发过程的生命期概念í

9.4.3 专家系统开发过程的各个阶段

9.4.4 专家系统的评价í

9.5 专家系统开发工具与环境í

9.5.1 程序设计语言í

9.5.2 知识工程语言í

9.5.3 辅助型工具í

9.5.4 支持工具í

9.5.5 专家系统开发环境í

9.6 专家系统的进一步发展í

9.6.1 新一代专家系统的特征í

9.6.2 分布式专家系统í

9.6.3 协同式专家系统í

习题í

第10章 智能决策支持系统í

10.1 智能决策支持系统的基本概念í

10.1.1 决策与决策过程í

10.1.2 决策支持系统í

10.1.3 智能决策支持系统í

10.2 决策支持新技术í

10.2.1 数据仓库í

10.2.2 数据开采í

10.2.3 数据仓库和数据开采的结合í

10.3 智能决策支持系统的结构í

10.3.1 智能决策支持系统的基本结构

10.3.2 智能决策支持系统的新结构体系

习题...