人工智能

出版说明

前言

第1章绪论

11什么是人工智能

12人工智能的起源与发展历史

13人工智能研究的基本内容

131认知建模

132知识表示

133自动推理

134机器学习

14人工智能研究的主要学派

141符号主义

142连接主义

143行为主义

15人工智能的应用

16小结和展望

习题

第2章知识表示

21概述

22谓词逻辑

23产生式系统

24语义网络

241语义网络的概念和结构

242复杂知识的表示

243常用的语义联系

25框架

251框架结构

252框架网络

253推理方法

26状态空间

27面向对象的知识表示

28脚本

281脚本描述

282概念依赖关系

29本体

210小结

习题

第3章自动推理

31概述

32三段论推理

33盲目搜索

331深度优先搜索

332宽度优先搜索

333迭代加深搜索

34回溯策略

35启发式搜索

351启发性信息和评估函数

352爬山算法

353模拟退火算法

354最好优先算法

355通用图搜索算法

356A*算法

357迭代加深A*算法

36与或图启发式搜索

361问题归约的描述

362与或图表示

363AO*算法

37博弈搜索

371极大极小过程

372α-β过程

38归结演绎推理

381子句型

382置换和合一

383合一算法

384归结式

385归结反演

386答案的提取

387归结反演的搜索策略

39产生式系统

391产生式系统的基本结构

392正向推理

393反向推理

394混合推理

310自然演绎推理

311非单调推理

3111默认推理

3112限制推理

312小结

习题

第4章不确定性推理

41概述

411不确定性知识分类

412不确定性推理的基本问题

413不确定性推理方法分类

42可信度方法

421建造医学专家系统时的问题

422可信度模型

423确定性方法的说明

43主观贝叶斯方法

431贝叶斯公式

432知识不确定性的表示

433证据不确定性的表示

434组合证据不确定性的计算

435不确定性的传递算法

436结论不确定性的合成

44证据理论

441假设的不确定性

442证据的组合函数

443规则的不确定性

444不确定性的组合

45模糊逻辑和模糊推理

451模糊集合及其运算

452语言变量

453模糊逻辑

454模糊推理

46小结

习题

第5章机器学习

51机器学习概述

511简单的学习模型

512什么是机器学习

513机器学习的研究概况

52归纳学习

521归纳学习的基本概念

522变型空间学习

523决策树

53类比学习

531相似性

532转换类比

533基于案例的推理

534迁移学习

54统计学习

541逻辑回归

542支持向量机

543提升方法

55强化学习

551强化学习模型

552学习自动机

553自适应动态程序设计

554Q-学习

56进化计算

561达尔文进化算法

562遗传算法

563进化策略

564进化规划

57群体智能

571蚁群算法

572粒子群优化

58知识发现

59小结

习题

第6章神经网络

61概述

62神经信息处理的基本原理