人工智能及其應(yīng)用（第5版）

第1章緒論
1.1人工智能的定義與發(fā)展
1.1.1人工智能的定義
1.1.2人工智能的起源與發(fā)展
1.2人工智能的各種認知觀
1.2.1人工智能各學派的認知觀
1.2.2人工智能的爭論
1.3人類智能與人工智能
1.3.1智能信息處理系統(tǒng)的假設(shè)
1.3.2人類智能的計算機模擬
1.4人工智能系統(tǒng)的分類
1.5人工智能的研究目標和內(nèi)容
1.5.1人工智能的研究目標
1.5.2人工智能研究的基本內(nèi)容
1.6人工智能的研究與計算方法
1.6.1人工智能的研究方法
1.6.2人工智能的計算方法
1.7人工智能的研究與應(yīng)用領(lǐng)域
1.8本書概要
習題1
第2章知識表示方法
2.1狀態(tài)空間表示
2.1.1問題狀態(tài)描述
2.1.2狀態(tài)圖示法
2.2問題歸約表示
2.2.1問題歸約描述
2.2.2與或圖表示
2.3謂詞邏輯表示
2.3.1謂詞演算
2.3.2謂詞公式
2.3.3置換與合一
2.4語義網(wǎng)絡(luò)表示
2.4.1二元語義網(wǎng)絡(luò)的表示
2.4.2多元語義網(wǎng)絡(luò)的表示
2.4.3語義網(wǎng)絡(luò)的推理過程
2.5框架表示
2.5.1框架的構(gòu)成
2.5.2框架的推理
2.6本體技術(shù)
2.6.1本體的概念
2.6.2本體的組成與分類
2.6.3本體的建模
2.7過程表示
2.8小結(jié)
習題2
第3章確定性推理
3.1圖搜索策略
3.2盲目搜索
3.2.1寬度優(yōu)先搜索
3.2.2深度優(yōu)先搜索
3.2.3等代價搜索
3.3啟發(fā)式搜索
3.3.1啟發(fā)式搜索策略和估價函數(shù)
3.3.2有序搜索
3.3.3A*算法
3.4消解原理
3.4.1子句集的求取
3.4.2消解推理規(guī)則
3.4.3含有變量的消解式
3.4.4消解反演求解過程
3.5規(guī)則演繹系統(tǒng)
3.5.1規(guī)則正向演繹系統(tǒng)
3.5.2規(guī)則逆向演繹系統(tǒng)
3.5.3規(guī)則雙向演繹系統(tǒng)
3.6產(chǎn)生式系統(tǒng)
3.6.1產(chǎn)生式系統(tǒng)的組成
3.6.2產(chǎn)生式系統(tǒng)的推理
3.6.3產(chǎn)生式系統(tǒng)舉例
3.7非單調(diào)推理
3.7.1缺省推理
3.7.2真值維持系統(tǒng)
3.8小結(jié)
習題3
第4章非經(jīng)典推理
4.1經(jīng)典推理和非經(jīng)典推理
4.2不確定性推理
4.2.1不確定性的表示與量度
4.2.2不確定性的算法
4.3概率推理
4.3.1概率的基本性質(zhì)和計算公式
4.3.2概率推理方法
4.4主觀貝葉斯方法
4.4.1知識不確定性的表示
4.4.2證據(jù)不確定性的表示
4.4.3主觀貝葉斯方法的推理過程
4.5可信度方法
4.5.1基于可信度的不確定性表示
4.5.2可信度方法的推理算法
4.6證據(jù)理論
4.6.1證據(jù)理論的形式化描述
4.6.2證據(jù)理論的不確定性推理模型
4.6.3推理示例
4.7小結(jié)
習題4
第5章計算智能
5.1概述
5.2神經(jīng)計算
5.2.1人工神經(jīng)網(wǎng)絡(luò)研究的進展
5.2.2人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
5.2.3人工神經(jīng)網(wǎng)絡(luò)示例及其算法
5.2.4基于神經(jīng)網(wǎng)絡(luò)的知識表示與推理
5.3模糊計算
5.3.1模糊集合、模糊邏輯及其運算
5.3.2模糊邏輯推理
5.4進化算法與遺傳算法
5.4.1進化算法原理
5.4.2進化算法框架
5.4.3遺傳算法的編碼與解碼
5.4.4遺傳算法的遺傳算子
5.4.5遺傳算法的執(zhí)行過程
5.4.6遺傳算法的執(zhí)行實例
5.5人工生命
5.5.1人工生命研究的起源和發(fā)展
5.5.2人工生命的定義和研究意義
5.5.3人工生命的研究內(nèi)容和方法
5.5.4人工生命實例
5.6粒群優(yōu)化算法
5.6.1群智能和粒群優(yōu)化概述
5.6.2粒群優(yōu)化算法
5.7蟻群算法
5.7.1蟻群算法理論
5.7.2蟻群算法的研究與應(yīng)用