人工智能（第二版）

第1章 緒論
1.1 什么是人工智能
1.1.1 智能的定義
1.1.2 人工智能的定義
1.2 人工智能的發(fā)展
1.2.1 孕育期
1.2.2 搖籃期
1.2.3 形成期
1.2.4 發(fā)展期
1.2.5 實用期
1.2.6 穩(wěn)步增長期
1.3 人工智能的研究方法
1.3.1 符號主義
1.3.2 連接主義
1.3.3 行為主義
1.4 人工智能的應(yīng)用領(lǐng)域
1.4.1 機器學習
1.4.2 知識發(fā)現(xiàn)和數(shù)據(jù)挖掘
1.4.3 專家系統(tǒng)
1.4.4 模式識別
1.4.5 自然語言處理
1.4.6 智能決策支持系統(tǒng)
1.4.7 人工神經(jīng)網(wǎng)絡(luò)
1.4.8 自動定理證明
1.4.9 機器人學
1.4.10 分布式人工智能與智能體
1.5 小結(jié)
習題
第2章 知識表示
2.1 概述
2.1.1 知識與知識表示
2.1.2 知識表示方法
2.2 謂詞邏輯表示法
2.2.1 命題邏輯
2.2.2 謂詞邏輯
2.3 產(chǎn)生式表示法
2.3.1 產(chǎn)生式可表示的知識種類及其基本形式
2.3.2 知識的表示方法
2.3.3 產(chǎn)生式系統(tǒng)的組成
2.3.4 產(chǎn)生式系統(tǒng)的推理方式
2.3.5 產(chǎn)生式表示法的特點
2.4 語義網(wǎng)絡(luò)表示法
2.4.1 語義網(wǎng)絡(luò)的概念及結(jié)構(gòu)
2.4.2 語義網(wǎng)絡(luò)的基本語義聯(lián)系
2.4.3 語義網(wǎng)絡(luò)表示知識的方法及步驟
2.4.4 語義網(wǎng)絡(luò)知識表示舉例
2.4.5 語義網(wǎng)絡(luò)的推理過程
2.4.6 語義網(wǎng)絡(luò)表示法的特點
2.5 框架表示法
2.5.1 框架結(jié)構(gòu)
2.5.2 框架表示知識舉例
2.5.3 推理方法
2.5.4 框架表示法的特點
2.6 腳本表示法
2.6.1 腳本的定義與組成
2.6.2 用腳本表示知識的步驟
2.6.3 用腳本表示知識的推理方法
2.6.4 腳本表示法的特點
2.7 面向?qū)ο蟮闹R表示
2.7.1 面向?qū)ο蟮幕靖拍?br />2.7.2 面向?qū)ο蟮闹R表示
2.7.3 面向?qū)ο蠓椒▽W的主要觀點
2.8 小結(jié)
習題
第3章 搜索策略
3.1 引言
3.2 基于狀態(tài)空間圖的搜索技術(shù)
3.2.1 圖搜索的基本概念
3.2.2 狀態(tài)空間搜索
3.2.3 一般圖的搜索算法
3.3 盲目搜索
3.3.1 寬度優(yōu)先搜索
3.3.2 深度優(yōu)先搜索
3.3.3 有界深度搜索和迭代加深搜索
3.3.4 搜索最優(yōu)策略的比較
3.4 啟發(fā)式搜索
3.4.1 啟發(fā)性信息和評估函數(shù)
3.4.2 啟發(fā)式搜索算法A
3.4.3 實現(xiàn)啟發(fā)式搜索的關(guān)鍵因素和A*算法
3.4.4 迭代加深A(yù)*算法
3.4.5 回溯策略和爬山法
3.5 問題規(guī)約和與／或圖啟發(fā)式搜索
3.5.1 問題規(guī)約
3.5.2 與/或圖表示
3.5.3 與/或圖的啟發(fā)式搜索
3.6 博弈
3.6.1 極大極小過程
3.6.2 α-β過程
3.7 小結(jié)
習題
第4章 確定性推理
第5章 不確定性推理
第6章 機器學習
第7章 專家系統(tǒng)
第8章 支持向量機
第9章 神經(jīng)計算
第10章 進化計算
第11章 人工智能的爭論與展望
參考文獻