面向智能體的知識工程

《智能科學技術(shù)著作叢書》序
前言
第1章 緒論
1.1 圖靈測試與人工智能
1.1.1 圖靈測試
1.1.2 人工智能的不同學派
1.2 知識工程
1.2.1 問題的提出
1.2.2 知識
1.2.3 知識工程的基礎、原理
1.2.4 知識模型中的構(gòu)件
1.2.5 人的因素：知識工程中人的角色
1.2.6 知識工程的發(fā)展
1.3 習題
第2章 智能體
2.1 智能體和環(huán)境
2.2 理性
2.3 任務環(huán)境PEAS屬性
2.4 智能體結(jié)構(gòu)
2.4.1 反應式智能體
2.4.2 慎思式智能體
2.4.3 混合式智能體
2.5 小結(jié)
2.6 習題
第3章 目標智能體
3.1 目標智能體結(jié)構(gòu)
3.2 問題形式化
3.3 不完全可觀察環(huán)境的搜索
3.4 利用啟發(fā)式知識的目標搜索
3.4.1 貪婪最佳優(yōu)先搜索算法
3.4.2 A搜索算法
3.4.3 爬山搜索算法
3.4.4 模擬退火搜索算法
3.4.5 遺傳算法
3.5 目標測試標準化
3.5.1 約束滿足問題
3.5.2 CSP問題的回溯搜索
3.5.3 通過約束傳播信息
3.5.4 CSP問題的最小沖突搜索
3.6 小結(jié)
3.7 習題
第4章 邏輯智能體
4.1 邏輯智能體結(jié)構(gòu)
4.2 wumpus世界
4.3 邏輯與知識庫
4.3.1 命題邏輯
4.3.2 一個簡單的知識庫
4.3.3 真值表推理
4.4 命題邏輯智能體
4.5 一階邏輯智能體
4.5.1 一階邏輯
4.5.2 一階邏輯知識表示
4.6 邏輯智能體的推理
4.7 小結(jié)
4.8 習題
第5章 本體論
5.1 本體概念
5.1.1 本體特征
5.1.2 本體與一般術(shù)語的區(qū)別
5.1.3 本體分類
5.2 本體的形式化定義
5.2.1 OWA形式化定義
5.2.2 Guarino形式化定義
5.2.3 KAON形式化定義
5.3 本體建模
5.3.1 本體建?；?br /> 5.3.2 建立本體的一般方法
5.4 領域本體知識庫
5.4.1 領域本體知識庫概念
5.4.2 領域本體知識庫的構(gòu)建
5.4.3 領域本體的建模
5.4.4 領域本體的復用
5.4.5 領域本體的應用
5.5 本體編輯工具
5.5.1 本體編輯工具概述
5.5.2 Protege開發(fā)過程
5.5.3 推理機Racer
5.6 本體描述語言
5.6.1 本體語言概述
5.6.2 HTML擴展
5.6.3 本體標記語言OML
5.6.4 基于XML的文本交換語言XOL
5.6.5 XML
5.6.6 RDF
5.6.7 本體交互語言OIL
5.6.8 DAML+OIL語言
5.6.9 子語言
5.6.10 描述邏輯
5.7 小結(jié)
5.8 習題
第6章 常識
6.1 常識的概念
6.1.1 常識的例子
6.1.2 常識推理的特點
6.1.3 常識的重要性
6.1.4 常識的表示
6.2 常識推理
6.2.1 缺省推理
6.2.2 真值維護系統(tǒng)
6.3 小結(jié)
6.4 習題
第7章 效用智能體
7.1 效用智能體結(jié)構(gòu)
7.2 不確定性
7.2.1 不確定環(huán)境下智能體的行動
7.2.2 不確定知識的處理
7.2.3 不確定性與理性決策
7.3 信念網(wǎng)推理
7.3.1 全聯(lián)合分布推理
7.3.2 信念網(wǎng)推理
7.3.3 信念網(wǎng)的數(shù)值語義
7.3.4 信念網(wǎng)拓撲語義
7.3.5 信念網(wǎng)的精確推理
7.4 定性推理
7.4.1 定性推理概述
7.4.2 定性推理的基本方法
7.4.3 ENVISION方法
7.4.4 空間定性推理概述
7.5 集對分析
7.5.1 集對分析基本原理
7.5.2 聯(lián)系數(shù)
7.5.3 集對勢
7.5.4 基于集對分析的不確定性理論
7.5.5 集對分析在人工智能中的應用
7.6 小結(jié)
7.7 習題
第8章 學習智能體
8.1 學習智能體結(jié)構(gòu)
8.2 機器學習概述
8.2.1 基本概念
8.2.2 機器學習的發(fā)展史
8.3 從觀察中學習
8.3.1 假設及假設空間
8.3.2 決策樹cLs算法
8.4 統(tǒng)計機器學習
8.4.1 貝葉斯決策
8.4.2 最大似然參數(shù)估計
8.4.3 無監(jiān)督聚類
8.5 PAC學習
8.5.1 泛化問題
8.5.2 SVM
8.5.3 表示問題
8.6 集成機器學習
8.6.1 弱可學習定理
8.6.2 集成機器學習方法
8.6.3 經(jīng)驗性研究問題
8.7 強化學習
8.7.1 完全可觀察的MDP問題
8.7.2 部分可觀察的MDP問題
8.7.3 強化學習的組成部分
8.7.4 強化學習原理
8.8 小結(jié)
8.9 習題
第9章 知識處理環(huán)境Prolog
9.1 Prolog的特點
9.1.1 事實和規(guī)則的描述
9.1.2 Prolog程序結(jié)構(gòu)
9.2 一個簡單的Prolog程序
9.2.1 表達事實
9.2.2 事實查詢
9.2.3 規(guī)則表達
9.2.4 規(guī)則查詢
9.2.5 規(guī)則使用
9.3 運算
9.3.1 算術(shù)運算
9.3.2 邏輯運算
9.3.3 數(shù)據(jù)管理
9.3.4 遞歸
9.3.5 表
9.3.6 截斷
9.3.7 循環(huán)
9.4 Visual Prolog編程入門
9.4.1 創(chuàng)建項目
9.4.2 編寫簡單的應用程序
9.4.3 創(chuàng)建窗口
9.4.4 給窗口添加控件
9.4.5 畫鼠標掠影
9.5 小結(jié)
9.6 習題
第10章 知識系統(tǒng)案例
10.1 案例1——簡單的醫(yī)療診斷系統(tǒng)
10.1.1 規(guī)則庫的構(gòu)造
10.1.2 源程序
10.1.3 功能擴展
10.1.4 程序運行
10.2 案例2——汽車故障檢修咨詢系統(tǒng)
10.2.1 知識庫
10.2.2 編程實現(xiàn)
10.2.3 運行結(jié)果
10.3 習題
第11章 多智能體
11.1 多智能體
11.1.1 效用和偏好
11.1.2 多智能體交互
11.1.3 優(yōu)勢策略和Nash平衡
11.1.4 競爭與零和交互
11.2 智能體之間的通信
11.2.1 交談
11.2.2 理解語言字符串
11.2.3 有效通信
參考文獻