人工智能導(dǎo)論

前言
第1章 緒論
1.1 什么是人工智能
1.1.1 人工智能的定義
1.1.2 人工智能研究的特點
1.2 人工智能發(fā)展簡史
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
1.5 本章小結(jié)
1.6 思考與練習(xí)
第2章 知識表示
2.1 概述
2.2 一階謂詞邏輯表示法
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
2.3.2 產(chǎn)生式系統(tǒng)的組成
2.3.3 產(chǎn)生式系統(tǒng)的基本過程
2.4 語義網(wǎng)絡(luò)表示法
2.4.1 語義網(wǎng)絡(luò)
2.4.2 語義網(wǎng)絡(luò)的推理及其特點
2.5 框架表示法
2.5.1 框架結(jié)構(gòu)
2.5.2 框架表示法及其特點
2.6 本章小結(jié)
2.7 思考與練習(xí)
第3章 搜索策略
3.1 概述
3.2 問題求解過程的形式表示
3.2.1 狀態(tài)空間表示法
3.2.2 與或樹表示法
3.3 狀態(tài)空間圖的盲目搜索策略
3.3.1 廣度優(yōu)先搜索策略
3.3.2 深度優(yōu)先搜索策略
3.4 狀態(tài)空間圖的啟發(fā)式搜索策略
3.4.1 估價函數(shù)與擇優(yōu)搜索
3.4.2 啟發(fā)式搜索A算法
3.4.3 A*算法
3.5 與或樹的搜索策略
3.5.1 與或樹的盲目搜索策略
3.5.2 與或樹的啟發(fā)式搜索策略
3.5.3 博弈樹的啟發(fā)式搜索策略
3.6 本章小結(jié)
3.7 思考與練習(xí)
第4章 確定性推理
4.1 自然演繹推理
4.2 歸結(jié)演繹推理
4.2.1 子句集
4.2.2 海伯倫定理
4.2.3 魯濱遜歸結(jié)原理
4.2.4 歸結(jié)反演
4.3 與或型的演繹推理
4.3.1 與或型的正向演繹推理
4.3.2 與或型的逆向演繹推理
4.3.3 與或型的雙向演繹推理
4.4 本章小結(jié)
4.5 思考與練習(xí)
第5章 不確定性推理
5.1 不確定性推理概述
5.1.1 不確定性及其類型
5.1.2 不確定性推理要解決的基本問題
5.1.3 不確定性推理方法分類
5.2 主觀貝葉斯方法
5.2.1 不確定性推理的概率基礎(chǔ)
5.2.2 不確定性的表示
5.2.3 不確定性的傳遞算法
5.3 證據(jù)理論
5.3.1 D-S理論
5.3.2 基于證據(jù)理論的不確定性推理
5.4 模糊推理
5.4.1 模糊理論
5.4.2 模糊推理相關(guān)概念
5.5 粗糙集理論
5.5.1 粗糙集理論的基本概念
5.5.2 粗糙集在知識發(fā)現(xiàn)中的應(yīng)用
5.6 本章小結(jié)
5.7 思考與練習(xí)
第6章 機器學(xué)習(xí)
6.1 機器學(xué)習(xí)概述
6.1.1 機器學(xué)習(xí)的基本概念
6.1.2 機器學(xué)習(xí)發(fā)展歷程
6.1.3 機器學(xué)習(xí)分類
6.2 歸納學(xué)習(xí)
6.2.1 歸納學(xué)習(xí)的基本概念
6.2.2 歸納學(xué)習(xí)的分類
6.2.3 歸納學(xué)習(xí)的方法
6.3 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
6.3.1 簡介
6.3.2 基于反向傳播網(wǎng)絡(luò)的學(xué)習(xí)
6.3.3 基于Hopfield神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)
6.4 深度學(xué)習(xí)
6.4.1 簡介
6.4.2 深度學(xué)習(xí)經(jīng)典模型
6.5 強化學(xué)習(xí)
6.5.1 簡介
6.5.2 強化學(xué)習(xí)的經(jīng)典算法
6.6 本章小結(jié)
6.7 思考與練習(xí)
第7章 專家系統(tǒng)
7.1 專家系統(tǒng)概述
7.1.1 專家系統(tǒng)的基本概念
7.1.2 專家系統(tǒng)的發(fā)展歷程
7.1.3 專家系統(tǒng)的基本結(jié)構(gòu)及工作原理
7.2 專家系統(tǒng)的設(shè)計與實現(xiàn)
7.2.1 專家系統(tǒng)的開發(fā)步驟
7.2.2 需求分析
7.2.3 知識獲取
7.2.4 系統(tǒng)設(shè)計
7.3 專家系統(tǒng)的開發(fā)工具與環(huán)境
7.3.1 通用型知識表達(dá)語言
7.3.2 骨架系統(tǒng)
7.3.3 組合型開發(fā)工具
7.4 新型專家系統(tǒng)研究
7.4.1 分布式專家系統(tǒng)
7.4.2 協(xié)同式專家系統(tǒng)
7.4.3 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
7.4.4 基于互聯(lián)網(wǎng)的專家系統(tǒng)
7.5 案例分析
7.5.1 醫(yī)學(xué)專家系統(tǒng)
7.5.2 動物識別專家系統(tǒng)
7.5.3 探礦專家系統(tǒng)
7.6 本章小結(jié)
7.7 思考與練習(xí)
第8章 智能體與多智能體系統(tǒng)
8.1 智能體與多智能體系統(tǒng)概述
8.1.1 智能體與多智能系統(tǒng)的基本概念
8.1.2 智能體與多智能系統(tǒng)的特點
8.2 智能體理論
8.2.1 智能體的結(jié)構(gòu)
8.2.2 智能體的分類
8.3 多智能體系統(tǒng)
8.3.1 多智能體系統(tǒng)的結(jié)構(gòu)
8.3.2 多智能體系統(tǒng)的關(guān)鍵問題
8.3.3 多智能體系統(tǒng)的應(yīng)用
8.4 移動智能體
8.4.1 移動智能體概述
8.4.2 移動智能體的技術(shù)難點
8.5 案例分析
8.5.1 火星移動智能體
8.5.2 供應(yīng)商評估方法
8.6 本章小結(jié)
8.7 思考與練習(xí)
第9章 自然語言處理
9.1 自然語言處理概述
9.1.1 自然語言處理的基本概念
9.1.2 自然語言處理的發(fā)展歷程
9.2 自然語言處理的基礎(chǔ)研究內(nèi)容
9.2.1 自然語言處理的層次
9.2.2 詞法分析
9.2.3 句法分析
9.2.4 語義分析
9.3 自然語言處理的應(yīng)用技術(shù)
9.3.1 機器翻譯
9.3.2 信息檢索
9.3.3 問答系統(tǒng)
9