人工智能及其應(yīng)用

第1章 緒論
1.1 人工智能的基本概念
1.2 人工智能的發(fā)展簡史
1.3 人工智能研究的基本內(nèi)容
1.4 人工智能的主要研究領(lǐng)域
1.5 小結(jié)
思考題
第2章 知識表示
2.1 知識與知識表示的概念
2.2 一階謂詞邏輯表示法
2.3 產(chǎn)生式表示法
2.4 框架表示法
2.5 語義網(wǎng)絡(luò)表示法
2.6 小結(jié)
思考題
習(xí)題
第3章 確定性推理方法
3.1 推理的基本概念
3.2 自然演繹推理
3.3 謂詞公式化為子句集的方法
3.4 海伯倫定理
3.5 魯賓遜歸結(jié)原理
3.6 歸結(jié)反演
3.7 應(yīng)用歸結(jié)原理求解問題
3.8 小結(jié)
思考題
習(xí)題
第4章 不確定性推理方法
4.1 不確定性推理中的基本問題
4.2 概率方法
4.3 主觀bayes方法
4.4 可信度方法
4.5 證據(jù)理論
4.6 模糊推理方法
4.7 小結(jié)
思考題
習(xí)題
第5章 搜索求解策略
5.1 搜索的概念
5.2 狀態(tài)空間知識表示方法
5.3 盲目的圖搜索策略
5.4 啟發(fā)式圖搜索策略
5.5 與／或圖搜索策略
5.6 小結(jié)
思考題
習(xí)題
第6章 專家系統(tǒng)
6.1 專家系統(tǒng)的產(chǎn)生和發(fā)展
6.2 專家系統(tǒng)的概念
6.3 專家系統(tǒng)的工作原理
6.4 知識獲取
6.5 專家系統(tǒng)的建立
6.6 專家系統(tǒng)實(shí)例
6.7 專家系統(tǒng)的開發(fā)工具
6.8 小結(jié)
思考題
第7章 機(jī)器學(xué)習(xí)
7.1 機(jī)器學(xué)習(xí)的基本概念
7.2 機(jī)械式學(xué)習(xí)
7.3 指導(dǎo)式學(xué)習(xí)
7.4 歸納學(xué)習(xí)
7.5 類比學(xué)習(xí)
7.6 解釋學(xué)習(xí)
7.7 機(jī)器學(xué)習(xí)方法的比較與展望
7.8 小結(jié)
思考題
第8章 人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
8.1 神經(jīng)元與神經(jīng)網(wǎng)絡(luò)
8.2 bp神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法
8.3 bp神經(jīng)網(wǎng)絡(luò)的應(yīng)用
8.4 hopfield神經(jīng)網(wǎng)絡(luò)及其改進(jìn)
8.5 hopfield神經(jīng)網(wǎng)絡(luò)的應(yīng)用
8.6 hopfield神經(jīng)網(wǎng)絡(luò)優(yōu)化方法求解jsp
8.7 小結(jié)
思考題
習(xí)題
第9章 遺傳算法及其應(yīng)用
9.1 遺傳算法的產(chǎn)生與發(fā)展
9.2 遺傳算法的基本算法
9.3 遺傳算法的改進(jìn)算法
9.4 基于遺傳算法的生產(chǎn)調(diào)度方法
9.5 小結(jié)
思考題
習(xí)題
第10章 自然語言理解及其應(yīng)用
10.1 自然語言理解的概念與發(fā)展歷史
10.2 語音分析
10.3 詞法分析
10.4 句法分析
10.5 語義分析
10.6 基于語料庫的大規(guī)模真實(shí)文本的處理
10.7 機(jī)器翻譯
10.8 語音識別
10.9 小結(jié)
思考題
習(xí)題
附錄 部分習(xí)題解答
參考文獻(xiàn)