人工智能

1 緒論
1.1 什么是人工智能
1.2 人工智能的研究目標及基本內(nèi)容
1.3 人工智能的研究途徑
1.4 人工智能的研究領(lǐng)域
本章小結(jié)
思考題與習(xí)題
2 知識表示
2.1 知識與知識表示概述
2.2 謂詞邏輯表示法
2.3 產(chǎn)生式表示法
2.4 語義網(wǎng)絡(luò)表示法
2.5 框架表示法
2.6 過程表示法
2.7 Petri網(wǎng)表示法
2.8 面向?qū)ο蟊硎痉?br /> 本章小結(jié)
思考題與習(xí)題
3 搜索與啟發(fā)式推理
3.1 概述
3.2 狀態(tài)空間表示法及其解的搜索
3.3 狀態(tài)空間的盲目搜索策略
3.4 啟發(fā)式搜索原理
3.5 啟發(fā)式搜索法
3.6 與/或樹的啟發(fā)式搜索
3.7 博弈對策
本章小結(jié)
思考題與習(xí)題
4 推理
4.1 推理的基本概念
4.2 推理的控制策略
4.3 模式匹配
4.4 沖突消解策略
4.5 歸結(jié)演繹推理
4.6 基于規(guī)則的演繹推理
4.7 不確定推理和非單調(diào)推理
本章小結(jié)
思考題與習(xí)題
5 專家系統(tǒng)
5.1 基本概念
5.2 專家系統(tǒng)的一般結(jié)構(gòu)
5.3 專家系統(tǒng)與常規(guī)的計算機程序系統(tǒng)區(qū)別
5.4 建造專家系統(tǒng)
5.5 專家系統(tǒng)的開發(fā)工具
5.6 專家系統(tǒng)舉例
本章小結(jié)
思考題與習(xí)題
6 機器學(xué)習(xí)
6.1 機器學(xué)習(xí)概述
6.2 機器學(xué)習(xí)的模型、策略和方法
6.3 學(xué)習(xí)方法的比較和展望
本章小結(jié)
思考題與習(xí)題
7 人工神經(jīng)網(wǎng)絡(luò)
7.1 基本概念
7.2 神經(jīng)網(wǎng)絡(luò)基本模型
7.3 神經(jīng)網(wǎng)絡(luò)在專家系統(tǒng)中的應(yīng)用
7.4 神經(jīng)網(wǎng)絡(luò)應(yīng)用實例
本章小結(jié)
思考題與習(xí)題
附錄 動物識別專家系統(tǒng)
參考文獻