不確定性人工智能

第1章人工智能50年.
1.1從著名的達特茅斯會議談起
1.1.1達特茅斯會議上不同學科的碰撞
1.1.2發(fā)展中的風風雨雨
1.2與時俱進的研究目標
1.2.1圖靈測試
1.2.2機器定理證明
1.2.3卡斯帕羅夫與“深藍”的對決
1.2.4會思維的機器
1.2.5人工生命
1.3人工智能50年主要成就
1.3.1模式識別
1.3.2知識工程
1.3.3機器人
1.4信息時代推動人工智能大發(fā)展
1.4.1人工智能技術對全社會的滲透
1.4.2從萬維網到智能網格
1.4.3從數據到知識
1.5腦科學.認知科學和人工智能的大交叉趨勢
1.5.1腦科學與人工智能
1.5.2認知科學與人工智能
1.5.3學科交叉孕育人工智能大突破
參考文獻
第2章人工智能研究的主要方法
2.1符號主義方法
2.1.1符號主義的產生和發(fā)展
2.1.2謂詞演算和歸結原理
2.1.3基于邏輯的程序設計語言
2.1.4專家系統(tǒng)
2.2聯結主義方法
2.2.1聯結主義的產生和發(fā)展
2.2.2聯結主義的策略和技術特征
2.2.3Hopfield神經網絡模型
2.2.4反向傳播神經網絡模型
2.3行為主義方法
2.3.1行為主義的產生和發(fā)展
2.3.2機器人控制
2.3.3智能控制
2.4對人工智能研究方法的思考
參考文獻
第3章論知識的不確定性
3.1隨機性
3.1.1隨機性的客觀性
3.1.2隨機性的魅力
3.2模糊性
3.2.1模糊性的客觀性
3.2.2模糊性的魅力
3.3自然語言中的不確定性
3.3.1語言文字是人類知識的載體
3.3.2語言中的不確定性
3.4常識知識的不確定性
3.4.1關于常識的共識
3.4.2常識知識的相對性
3.5知識的其它不確定性
3.5.1知識的不完備性
3.5.2知識的不協調性
3.5.3知識的非恒常性
參考文獻
第4章不確定性人工智能的數學基礎
4.1概率理論
4.1.1貝葉斯定理
4.1.2概率分布函數
4.1.3態(tài)分布
4.1.4大數定理和中心極限定理
4.1.5冪律分布
4.1.6熵
4.2模糊集理論
4.2.1隸屬度與隸屬函數
4.2.2分解定理與擴張原理
4.2.3模糊關系
4.2.4可能性測度
4.3粗糙集理論
4.3.1不精確范疇與粗糙集
4.3.2粗糙集的特征
4.3.3粗糙關系
4.4混沌與分形
4.4.1混沌的基本特征
4.4.2混沌吸引子
4.4.3混沌的幾何特性與分形
4.5核函數和主曲線
4.5.1核函數
4.5.2支持向量機
4.5.3主曲線
參考文獻
第5章定性定量轉換模型——云模型
5.1不確定性人工智能研究的切人點
5.1.1研究人類智能的多個切入點
5.1.2抓住自然語言中的概念不放
5.1.3概念中隨機性和模糊性的關聯性
5.2用云模型表示概念的不確定性
5.2.1云和云滴..
5.2.2云的數字特征
5.2.3云模型的類型
5.3正態(tài)云發(fā)生器
5.3.1正向云發(fā)生器
5.3.2云滴對概念的貢獻
5.3.3用正態(tài)云模型理解農歷節(jié)氣
5.3.4逆向云發(fā)生器
5.3.5逆向云發(fā)生器誤差分析
5.3.6進一步理解正態(tài)云模型
5.4正態(tài)云的數學性質
5.4.1云滴分布的統(tǒng)計分析
5.4.2云滴確定度的統(tǒng)計分析
5.4.3正態(tài)云的期望曲線
5.5論正態(tài)云的普適性
5.5.1正態(tài)分布的普適性
5.5.2鐘形隸屬函數的普適性
5.5.3正態(tài)云的普遍意義
參考文獻
第6章不確定性知識發(fā)現的物理學方法
6.1對人類自身的認知可借鑒對客觀世界的認知
6.1.1借鑒物理學中的原子模型表示概念
6.1.2借鑒物理學中的場描述客體間的相互作用
6.1.3借鑒物理學中的粒度描述知識的層次結構
6.2數據場
6.2.1從物理場到數據場
6.2.2數據的勢場和力場
6.2.3場函數中影響因子的優(yōu)選
6.2.4數據場與形象思維模擬
6.3概念層次的不確定性
6.3.1連續(xù)數據離散化
6.3.2虛擬泛概念樹
6.3.3躍升策略和算法
6.4知識發(fā)現狀態(tài)空間
6.4.1三種狀態(tài)空間
6.4.2狀態(tài)空間的轉換
6.4.3發(fā)現狀態(tài)空間轉換的主要操作
參考文獻
第7章發(fā)現不確定性知識的數據挖掘方法
7.1數據挖掘中的不確定性
7.1.1數據挖掘和知識發(fā)現
7.1.2挖掘過程中的不確定性
7.1.3發(fā)現知識的不確定性
7.2不確定性分類和聚類
7.2.1分類方法
7.2.2基于數據場的聚類
7.2.3基于數據場的離群點檢測和離群知識發(fā)現
7.3不確定性關聯知識的發(fā)現
7.3.1對傳統(tǒng)關聯規(guī)則的再思考
7.3.2基于云的關聯知識挖掘
7.4時序數據挖掘與預測
7.4.1基于云的時間序列挖掘
7.4.2股票數據預測
參考文獻
第8章定性知識的推理與控制
8.1用云構造定性規(guī)則
8.1.1前件云發(fā)生器和后件云發(fā)生器
8.1.2規(guī)則發(fā)生器
8.1.3從精確案例到規(guī)則生成
8.2定性控制機理
8.2.1模糊控制.概率控制與云控制的機理及比較
8.2.2Mamdani模糊控制方法的理論解釋
8.3倒立擺——不確定性智能控制示例
8.3.1倒立擺及其控制
8.3.2一級.二級倒立擺的定性控制機理
8.3.3三級倒立擺的云控制策略
8.3.4倒立擺的動平衡模式
參考文獻
第9章不確定性人工智能研究展望
9.1云運算與詞計算
9.2認知物理學方向
9.2.1云模型的拓廣
9.2.2動態(tài)數據場
9.3具有“小世界”和“無尺度”特性的復雜網絡
9.3.1復雜網絡不確定性中的規(guī)律性
9.3.2無尺度網絡的模擬
9.3.3用數據場研究工程中復雜網絡問題
9.4不確定性人工智能任重道遠
9.4.1認知物理學方法的局限性
9.4.2從丹尼爾獲諾貝爾經濟學獎談開去
參考文獻
基金資助目錄
相關專利
索引
后記...