高級人工智能（第三版）

《智能科學(xué)技術(shù)著作叢書》序
前言
第1章　緒論
　1.1人工智能的淵源
　1.2人工智能的認(rèn)知問題
　1.3思維的層次模型
　1.4符號智能
　1.5人工智能的研究方法
　1.6自動推理
　1.7機(jī)器學(xué)習(xí)
　1.8分布式人工智能
　1.9智能系統(tǒng)
　習(xí)題
第2章　人工智能邏輯
　2.1概述
　2.2邏輯程序設(shè)計(jì)
　2.3封閉世界假設(shè)
　2.4非單調(diào)邏輯
　2.5默認(rèn)邏輯
　2.6限制邏輯
　2.7非單調(diào)邏輯nml
　2.8自認(rèn)知邏輯
　2.9真值維護(hù)系統(tǒng)
　2.10情景演算
　2.11框架問題
　2.12動態(tài)描述邏輯ddl
　習(xí)題
第3章　約束推理
　3.1概述
　3.2回溯法
　3.3約束傳播
　3.4約束傳播在樹搜索中的作用
　3.5智能回溯與真值維護(hù)
　3.6變量例示次序與賦值次序
　3.7局部修正搜索法
　3.8基于圖的回跳法
　3.9基于影響的回跳法
　3.10約束關(guān)系運(yùn)算的處理
　3.11約束推理系統(tǒng)cops
　3.12ilogsolver
　習(xí)題
第4章　定性推理
　4.1概述
　4.2定性推理的基本方法
　4.3定性模型推理
　4.4定性進(jìn)程推理
　4.5定性仿真推理
　4.6代數(shù)方法
　4.7幾何空間定性推理
　習(xí)題
第5章　基于案例的推理
　5.1概述
　5.2類比的形式定義
　5.3相似性關(guān)系
　5.4基于案例推理的工作過程
　5.5案例的表示
　5.6案例的索引
　5.7案例的檢索
　5.8案例的利用
　5.9案例的保存
　5.10基于例示的學(xué)習(xí)
　5.11案例工程
　5.12中心漁場預(yù)報(bào)專家系統(tǒng)
　習(xí)題
第6章　貝葉斯網(wǎng)絡(luò)
　6.1概述
　6.2貝葉斯概率基礎(chǔ)
　6.3貝葉斯問題的求解
　6.4簡單貝葉斯學(xué)習(xí)模型
　6.5貝葉斯網(wǎng)絡(luò)的建造
　6.6貝葉斯?jié)撛谡Z義模型
　6.7半監(jiān)督文本挖掘算法
　習(xí)題
第7章　歸納學(xué)習(xí)
　7.1概述
　7.2歸納學(xué)習(xí)的邏輯基礎(chǔ)
　7.3偏置變換
　7.4變型空間方法
　7.5aq歸納學(xué)習(xí)算法
　7.6cls學(xué)習(xí)算法
　7.7id3學(xué)習(xí)算法
　7.8單變量決策樹的交行處理
　7.9歸納學(xué)習(xí)的計(jì)算理論
　習(xí)題
第8章　統(tǒng)計(jì)學(xué)習(xí)
　8.1統(tǒng)計(jì)方法
　8.2統(tǒng)計(jì)學(xué)習(xí)問題
　8.3學(xué)習(xí)過程的一致性
　8.4結(jié)構(gòu)風(fēng)險(xiǎn)最小歸納原理
　8.5支持向量機(jī)
　8.6核函數(shù)
　8.7鄰近支持向量機(jī)
　8.8極端支持向量機(jī)
　習(xí)題
第9章　解釋學(xué)習(xí)
　9.1概述
　9.2解釋學(xué)習(xí)模型
　9.3解釋泛化學(xué)習(xí)方法
　9.4全局取代解釋泛化方法
　9.5解釋特化學(xué)習(xí)方法
　9.6解釋泛化的邏輯程序
　9.7基于知識塊的soar系統(tǒng)
　9.8可操作性
　9.9不完全領(lǐng)域知識下的解釋學(xué)習(xí)
　習(xí)題
第10章　強(qiáng)化學(xué)習(xí)
　10.1概述
　10.2強(qiáng)化學(xué)習(xí)模型
　10.3動態(tài)規(guī)劃
　10.4蒙特卡羅方法
　10.5時(shí)序差分學(xué)習(xí)
　10.6q學(xué)習(xí)
　10.7強(qiáng)化學(xué)習(xí)中的函數(shù)估計(jì)
　10.8強(qiáng)化學(xué)習(xí)的應(yīng)用
　習(xí)題
第11章　無監(jiān)督學(xué)習(xí)
　11.1概述
　11.2相似性度量
　11.3劃分方法
　11.4層次聚類方法
　11.5基于密度的聚類
　11.6基于網(wǎng)絡(luò)方法
　11.7基于模型的方法
　11.8模糊聚類
　11.9蟻群聚類方法
　11.10聚類方法的評價(jià)
　習(xí)題
第12章　關(guān)聯(lián)規(guī)則
　12.1概述
　12.2基本概念
　12.3二值型關(guān)聯(lián)規(guī)則挖掘
　12.4頻繁模式樹挖掘算法
　12.5垂直挖掘算法
　12.6挖掘關(guān)聯(lián)規(guī)則的數(shù)組方法
　12.7頻繁閉項(xiàng)集的挖掘算法
　12.8最大頻繁項(xiàng)集的挖掘算法
　12.9增量式關(guān)聯(lián)規(guī)則挖掘
　12.10模糊關(guān)聯(lián)規(guī)則的挖掘
　12.11任意多表間關(guān)聯(lián)規(guī)則的并行挖掘
　12.12基于分布式系統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法
　習(xí)題
第13章　進(jìn)化計(jì)算
　13.1概述
　13.2進(jìn)化系統(tǒng)理論的形式模型
　13.3達(dá)爾文進(jìn)化算法
　13.4基本遺傳算法
　13.5遺傳算法的數(shù)學(xué)理論
　13.6遺傳算法的編碼方法
　13.7適應(yīng)度函數(shù)
　13.8遺傳操作
　13.9變長度染色體遺傳算法
　13.10小生境遺傳算法
　13.11混合遺傳算法
　13.12并行遺傳算法
　13.13分類器系統(tǒng)
　習(xí)題
第14章　知識發(fā)現(xiàn)
　14.1概述
　14.2知識發(fā)現(xiàn)的任務(wù)
　14.3知識發(fā)現(xiàn)的工具
　14.4msminer的體系結(jié)構(gòu)
　14.5分布式知識發(fā)現(xiàn)
　習(xí)題
第15章　主體計(jì)算
　15.1概述
　15.2分布式問題求解
　15.3主體理論
　15.4主體結(jié)構(gòu)
　15.5主體通信語言acl
　15.6協(xié)調(diào)和協(xié)作
　15.7移動主體
　15.8多主體環(huán)境
　習(xí)題
第16章　互聯(lián)網(wǎng)智能
　16.1概述
　16.2語義web
　16.3本體知識管理
　16.4web挖掘
　16.5搜索引擎
　16.6web技術(shù)的演化
　16.7集體智能
　16.8展望
　習(xí)題
參考文獻(xiàn)