第1章 緒論
1. 1 什么是人工智能
1. 1. 1 智能
1. 1. 2 人工智能
1. 1. 3 人工智能的發(fā)展簡史
1. 2 人工智能的研究目標及基本內容
1. 2. 1 人工智能的研究目標
1. 2. 2 人工智能研究的基本內容
1. 3 人工智能的研究途徑
1. 3. 1 以符號處理為核心的方法
1. 3. 2 以網絡連接為主的連接機制方法
1. 3. 3 系統集成
1. 4 人工智能的研究領域
1. 4. 1 專家系統
1. 4. 2 機器學習
1. 4. 3 模式識別
1. 4. 4 自然語言理解
1. 4. 5 自動定理證明
1. 4. 6 自動程序設計
1. 4. 7 機器人學
1. 4. 8 博弈
1. 4. 9 智能決策支持系統
1. 4. 10 人工神經網絡
本章小結
習 題
第2章 人工智能的數學基礎
2. 1 命題邏輯與謂詞邏輯
2. 1. 1 命題
2. 1. 2 謂詞
2. 1. 3 謂詞公式
2. 1. 4 謂詞公式的解釋
2. 1. 5 謂詞公式的永真性. 可滿足性. 不可滿足性
2. 1. 6 謂詞公式的等價性與永真蘊含
2. 2 多值邏輯
2. 3 概率論
2. 3. 1 隨機現象
2. 3. 2 樣本空間與隨機事件
2. 3. 3 事件的概率
2. 3. 4 條件概率
2. 3. 5 全概率公式與Bayes公式
2. 4 模糊理論
2. 4. 1 模糊性
2. 4. 2 集合與特征函數
2. 4. 3 模糊集與隸屬函數
2. 4. 4 模糊集的表示方法
2. 4. 5 模糊集的運算
2. 4. 6 模糊集的λ水平截集
2. 4. 7 模糊度
2. 4. 8 模糊數
2. 4. 9 模糊關系及其合成
2. 4. 10 模糊變換
2. 4. 11 實數域上幾種常用的隸屬函數
2. 4. 12 建立隸屬函數的方法
本章小結
習 題
第3章 知識與知識表示
3. 1 基本概念
3. 1. 1 什么是知識
3. 1. 2 知識的特性
3. 1. 3 知識的分類
3. 1. 4 知識的表示
3. 2 一階謂詞邏輯表示法
3. 2. 1 表示知識方法
3. 2. 2 一階謂詞邏輯表示法的特點
3. 3 產生式表示法
3. 3. 1 產生式的基本形式
3. 3. 2 產生式系統
3. 3. 3 產生式系統的分類
3. 3. 4 產生式表示法的特點
3. 4 框架表示法
3. 4. 1 框架理論
3. 4. 2 框架
3. 4. 3 框架網絡
3. 4. 4 框架中槽的設置與組織
3. 4. 5 框架系統中求解問題的基本過程
3. 4. 6 框架表示法的特點
3. 5 語義網絡表示法
3. 5. 1 語義網絡的概念
3. 5. 2 知識的語義網絡表示
3. 5. 3 常用的語義聯系
3. 5. 4 語義網絡系統中求解問題的基本過程
3. 5. 5 語義網絡表示法的特點
3. 6 腳本表示法
3. 6. 1 概念依賴理論
3. 6. 2 腳本
3. 7 過程表示法
3. 7. 1 表示知識方法
3. 7. 2 過程表示法的特點
3. 8 Petri網表示法
3. 8. 1 表示知識方法
3. 8. 2 Petri網表示法的特點
3. 9 面向對象表示法
3. 9. 1 面向對象的基本概念
3. 9. 2 表示知識方法
本章小結
習 題
第4章 經典邏輯推理
4. 1 基本概念
4. 1. 1 什么是推理
4. 1. 2 推理方式及其分類
4. 1. 3 推理的控制策略
4. 1. 4 模式匹配
4. 1. 5 沖突消解策略
4. 2 自然演繹推理
4. 3 歸結演繹推理
4. 3. 1 子句
4. 3. 2 海伯倫理論
4. 3. 3 魯賓遜歸結原理
4. 3. 4 歸結反演
4. 3. 5 應用歸結原理求取問題的答案
4. 3. 6 歸結策略
4. 4 與／或形演繹推理
4. 4. 1 與／或形正向演繹推理
4. 4. 2 與域形逆向演繹推理
4. 4. 3 與域形雙向演繹推理
4. 4. 4 代換的一致性及剪枝策略
本章小結
習 題
第5章 不確定與非單調推理
5. 1 基本概念
5. 1. 1 什么是不確定性推理
5. 1. 2 不確定性推理中的基本問題
5. 1. 3 不確定性推理方法的分類
5. 2 概率方法
5. 2. 1 經典概率方法
5. 2. 2 逆概率方法
5. 3 主觀Bayes方法
5. 3. 1 知識不確定性的表示
5. 3. 2 證據不確定性的表示
5. 3. 3 組合證據不確定性的算法
5. 3. 4 不確定性的傳遞算法
5. 3. 5 結論不確定性的合成算法
5. 4 可信度方法
5. 4. 1 可信度的概念
5. 4. 2 C-F模型
5. 4. 3 帶有閾值限度的不確定性推理
5. 4. 4 加權的不確定性推理
5. 4. 5 前提條件中帶有可信度因子的不確定性推理
5. 5 證據理論
5. 5. 1 D－S理論
5. 5. 2 一個具體的不確定性推理模型
5. 6 模糊推理
5. 6. 1 模糊命題
5. 6. 2 模糊知識的表示
5. 6. 3 模糊匹配與沖突消解
5. 6. 4 模糊推理的基本模式
5. 6. 5 簡單模糊推理
5. 6. 6 模糊三段論推理
5. 6. 7 多維模糊推理
5. 6. 8 多重模糊推理
5. 6. 9 帶有可信度因子的模糊推理
5. 7 基于框架表示的不確定性推理
5. 7. 1 不確定性知識的框架表示
5. 7. 2 框架的不確定性匹配
5. 7. 3 框架推理
5. 8 基于語義網絡表示的不確定性推理
5. 8. 1 不確定性知識的語義網絡表示
5. 8. 2 語義網絡推理
5. 9 非單調推理
5. 9. 1 非單調推理的概念
5. 9. 2 缺省理論
5. 9. 3 界限理論
5. 9. 4 正確性維持系統TMS
本章小結
習 題
第6章 搜索策暗
6. 1 基本概念
6. 1. 1 什么是搜索
6. 1. 2 狀態(tài)空間表示法
6. 1. 3 與域樹表示法
6. 2 狀態(tài)空間的搜索策略
6. 2. 1 狀態(tài)空間的一般搜索過程
6. 2. 2 廣度優(yōu)先搜索
6. 2. 3 深度優(yōu)先搜索
6. 2. 4 有界深度優(yōu)先搜索
6. 2. 5 代價樹的廣度優(yōu)先搜索
6. 2. 6 代價樹的深度優(yōu)先搜索
6. 2. 7 啟發(fā)式搜索
6. 2. 8 A*算法
6. 3 與域樹的搜索策略
6. 3. 1 與域樹的一般搜索過程
6. 3. 2 與域樹的廣度優(yōu)先搜索
6. 3. 3 與域樹的深度優(yōu)先搜索
6. 3. 4 與域樹的有序搜索
6. 3. 5 博弈樹的啟發(fā)式搜索
6. 3. 6 α-β剪枝技術
6. 4 搜索的完備性與效率
6. 4. 1 完備性
6. 4. 2 搜索效率
本章小結
習 題
第7章 專家系統
7. 1 基本概念
7. 1. 1 什么是專家系統
7. 1. 2 專家系統的產生與發(fā)展
7. 1. 3 專家系統的分類
7. 2 專家系統的一般結構
7. 2. 1 人機接口
7. 2. 2 知識獲取機構
7. 2. 3 知識庫及其管理系統
7. 2. 4 推理機
7. 2. 5 數據庫及其管理系統
7. 2. 6 解釋機構
7. 3 知識獲取
7. 3. 1 知識獲取的任務
7. 3. 2 知識獲取方式
7. 4 知識的檢測與求精
7. 4. 1 知識的一致性與完整性
7. 4. 2 基于經典邏輯的檢測方法
7. 4. 3 基于Petri網的檢測方法
7. 4. 4 知識求精
7. 5 知識的組織與管理
7. 5. 1 知識的組織
7. 5. 2 知識的管理
7. 6 專家系統的建造與評價
7. 6. 1 專家系統的建造原則
7. 6. 2 專家系統的開發(fā)過程
7. 6. 3 專家系統的評價
7. 7 專家系統的開發(fā)工具
7. 7. 1 人工智能語言
7. 7. 2 專家系統外殼
7. 7. 3 通用型專家系統工具
7. 7. 4 專家系統開發(fā)環(huán)境
7. 8 新一代專家系統的研究
7. 9 專家系統舉例
7. 9. 1 動物識別系統
7. 9. 2 專家系統MYCIN
本章小結
習 題
第8章 機器學習
8. 1 基本概念
8. 1. 1 什么是機器學習
8. 1. 2 學習系統
8. 1. 3 機器學習的發(fā)展
8. 1. 4 機器學習的分類
8. 2 機械式學習
8. 3 指導式學習
8. 4 歸納學習
8. 4. 1 歸納推理
8. 4. 2 示例學習
8. 4. 3 觀察與發(fā)現學習
8. 5 類比學習
8. 5. 1 類比推理
8. 5. 2 屬性類比學習
8. 5. 3 轉換類比學習
8. 6 基于解釋的學習
8. 6. 1 基于解釋學習的概念
8. 6. 2 基于解釋學習的學習過程
8. 6. 3 領域知識的完善性
8. 7 學習方法的比較與展望
8. 7. 1 各種學習方法的比較
8. 7. 2 機器學習的展望
本章小結
習 題
第9章 模式識別
9. 1 基本概念
9. 1. 1 什么是模式識別
9. 1. 2 模式識別的一般過程
9. 2 統計模式識別
9. 2. 1 模板匹配分類法
9. 2. 2 最小距離分類法
9. 2. 3 相似系數分類法
9. 2. 4 幾何分類法
9. 2. 5 Bayes分類法
9. 2. 6 聚類分析法
9. 3 結構模式識別
9. 3. 1 結構模式識別的基本過程
9. 3. 2 基元抽取與模式文法
9. 3. 3 模式的識別與分析
9. 4 模糊模式識別
9. 4. 1 基于最大隸屬原則的模式分類
9. 4. 2 基于擇近原則的模式分類
9. 4. 3 基于模糊等價關系的模式分類
9. 4. 4 基于模糊相似關系的模式分類
本章小結
習 題
第10章 智能決策支持系統
10. 1 基本概念
10. 1. 1 決策與決策過程
10. 1. 2 決策支持系統
10. 1. 3 智能決策支持系統
10. 2 智能決策支持系統的基本構件
10. 2. 1 數據庫系統
10. 2. 2 模型庫系統
10. 2. 3 方法庫系統
10. 2. 4 知識庫系統
10. 2. 5 人機接口系統
10. 3 智能決策支持系統的系統結構
10. 3. 1 四庫結構
10. 3. 2 融合結構
10. 4 多媒體人機智能接口
10. 4. 1 多媒體技術
10. 4. 2 多媒體技術在智能決策支持系統中的應用
10. 4. 3 多媒體人機智能接口的設計與實現
本章小結
習 題
第11章 神經網絡
11. 1 基本概念
11. 1. 1 腦神經系統與生物神經元
11. 1. 2 人工神經元及其互連結構
11. 1. 3 人工神經網絡的特征及分類
11. 1. 4 神經網絡研究的發(fā)展簡史
11. 2 神經網絡模型
11. 2. 1 感知器
ll. 2. 2 B-P模型
11. 2. 3 Hopfield模型
11. 2. 4 自適應共振理論
11. 3 神經網絡在專家系統中的應用
11. 3. 1 神經網絡與專家系統的互補性
11. 3. 2 基于神經網絡的知識表示
11. 3. 3 基于神經網絡的推理
11. 4 神經網絡在模式識別中的應用
本章小結
習 題
第12章 智能計算機
12. 1 什么是智能計算機
12. 2 知識信息處理系統
12. 3 人工神經網絡計算機
12. 3. 1 數字集成電路形式
12. 3. 2 模擬集成電路形式
12. 4 光計算機
12. 4. 1 空間光調制器
12. 4. 2 光互連
12. 4. 3 光全息存儲與光計算機的研制
12. 5 生物計算機
本章小結
習 題
附錄
參考文獻
鄂公網安備 42010302001612號 