人工智能

出版者的話
叢書(shū)序言
叢書(shū)編委會(huì)
前言
教學(xué)建議
第1章 緒論
1.1 什么是人工智能
　 1.1.1 人工智能
　 1.1.2 智能
　 1.1.3 人工智能的測(cè)試
1.2 人工智能的研究?jī)?nèi)容
　 1.2.1 學(xué)科結(jié)構(gòu)
　 1.2.2 基本技術(shù)
　 1.2.3 基本內(nèi)容
1.3 人工智能的研究目標(biāo)
1.4 人工智能的研究途徑和方法
　 1.4.1 傳統(tǒng)劃分方法
　 1.4.2 現(xiàn)代劃分方法
1.5 人工智能的研究領(lǐng)域
　 1.5.1 博弈
　 1.5.2 自動(dòng)定理證明
　 1.5.3 專(zhuān)家系統(tǒng)
　 1.5.4 模式識(shí)別
　 1.5.5 機(jī)器學(xué)習(xí)
　 1.5.6 計(jì)算智能
　 1.5.7 自然語(yǔ)言處理
　 1.5.8 分布式人工智能
　 1.5.9 機(jī)器人
1.6 人工智能的發(fā)展概況
　 1.6.1 誕生
　 1.6.2 發(fā)展
　 1.6.3 現(xiàn)狀與發(fā)展趨勢(shì)
習(xí)題
第2章 基于圖的知識(shí)表示與圖搜索技術(shù)
2.1 概述
　 2.1.1 知識(shí)與問(wèn)題求解框架
　 2.1.2 知識(shí)表示
　 2.1.3 圖搜索技術(shù)
2.2 狀態(tài)空間圖表示
　 2.2.1 狀態(tài)空間圖
　 2.2.2 隱式狀態(tài)空間圖
2.3 狀態(tài)空間圖的盲目搜索
　 2.3.1 廣度優(yōu)先搜索
　 2.3.2 深度優(yōu)先搜索
2.4 狀態(tài)空間圖的啟發(fā)式搜索
　 2.4.1 啟發(fā)式搜索算法
　 2.4.2 啟發(fā)式搜索的A算法和A算法
　 2.4.3 A算法在游戲中的應(yīng)用
2.5 與或圖表示及搜索技術(shù)
　 2.5.1 與或圖表示
　 2.5.2 與或樹(shù)的盲目搜索
　 2.5.3 與或樹(shù)的啟發(fā)式搜索
2.6 博弈樹(shù)及搜索技術(shù)
　 2.6.1 博弈樹(shù)
　 2.6.2 博弈樹(shù)搜索
　 2.6.3 剪枝技術(shù)在博弈問(wèn)題中的應(yīng)用
習(xí)題
第3章 基于謂詞邏輯的知識(shí)表示與機(jī)器推理技術(shù)
3.1 機(jī)器推理概述
3.2 謂詞邏輯簡(jiǎn)介
　 3.2.1 基于命題邏輯的知識(shí)表示
　 3.2.2 謂詞邏輯
　 3.2.3 基于謂詞邏輯的知識(shí)表示
3.3 自然演繹推理
3.4 歸結(jié)演繹推理
　 3.4.1 子句集
　 3.4.2 命題邏輯中的歸結(jié)原理
　 3.4.3 替換與合一
　 3.4.4 謂詞邏輯中的歸結(jié)原理
　 3.4.5 利用歸結(jié)原理求解問(wèn)題
　 3.4.6 歸結(jié)策略
3.5 歸結(jié)原理與Prolog語(yǔ)言
　 3.5.1 Horn子句
　 3.5.2 邏輯程序設(shè)計(jì)語(yǔ)言Prolog
3.6 基于規(guī)則的演繹推理
　 3.6.1 正向演繹推理
　 3.6.2 反向演繹推理
　 3.6.3 雙向演繹推理
習(xí)題
第4章 不確定性知識(shí)的表示與推理技術(shù)
4.1 不確定性知識(shí)的表示與推理概述
　 4.1.1 不確定性及其類(lèi)型
　 4.1.2 不確定性推理
4.2 確定性理論
　 4.2.1 知識(shí)的不確定性表示
　 4.2.2 證據(jù)的不確定性表示
　 4.2.3 不確定性的傳播與計(jì)算
　 4.2.4 確定性理論的特點(diǎn)及進(jìn)一步發(fā)展
4.3 主觀貝葉斯方法
　 4.3.1 知識(shí)的不確定性表示
　 4.3.2 證據(jù)的不確定性表示
　 4.3.3 不確定性的傳播與計(jì)算
　 4.3.4 主觀貝葉斯方法的特點(diǎn)
4.4 證據(jù)理論
　 4.4.1 D-S理論
　 4.4.2 證據(jù)理論的不確定性推理模型
4.5 基于貝葉斯網(wǎng)絡(luò)的推理
　 4.5.1 什么是貝葉斯網(wǎng)絡(luò)
　 4.5.2 貝葉斯網(wǎng)絡(luò)推理
4.6 模糊推理
　 4.6.1 模糊集合及模糊邏輯
　 4.6.2 簡(jiǎn)單模糊推理
4.7 不確定性推理的應(yīng)用
習(xí)題
第5章 產(chǎn)生式表示與專(zhuān)家系統(tǒng)
5.1 產(chǎn)生式與產(chǎn)生式系統(tǒng)
　 5.1.1 產(chǎn)生式表示
　 5.1.2 產(chǎn)生式系統(tǒng)結(jié)構(gòu)
　 5.1.3 產(chǎn)生式系統(tǒng)工作過(guò)程
5.2 專(zhuān)家系統(tǒng)概述
　 5.2.1 什么是專(zhuān)家系統(tǒng)
　 5.2.2 專(zhuān)家系統(tǒng)的類(lèi)型
　 5.2.3 專(zhuān)家系統(tǒng)的發(fā)展
5.3 專(zhuān)家系統(tǒng)結(jié)構(gòu)及工作過(guò)程
　 5.3.1 專(zhuān)家系統(tǒng)的結(jié)構(gòu)
　 5.3.2 專(zhuān)家系統(tǒng)工作過(guò)程
5.4 專(zhuān)家系統(tǒng)的開(kāi)發(fā)
　 5.4.1 開(kāi)發(fā)步驟和方法
　 5.4.2 知識(shí)獲取
　 5.4.3 推理機(jī)及解釋機(jī)構(gòu)設(shè)計(jì)
　 5.4.4 開(kāi)發(fā)工具及開(kāi)發(fā)環(huán)境
5.5 專(zhuān)家系統(tǒng)的實(shí)例
5.6 新型專(zhuān)家系統(tǒng)
　 5.6.1 分布式專(zhuān)家系統(tǒng)
　 5.6.2 協(xié)同式專(zhuān)家系統(tǒng)
　 5.6.3 模糊專(zhuān)家系統(tǒng)
　 5.6.4 神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)
習(xí)題
第6章 機(jī)器學(xué)習(xí)
6.1 概述
　 6.1.1 機(jī)器學(xué)習(xí)的定義
　 6.1.2 機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)
　 6.1.3 一個(gè)學(xué)習(xí)系統(tǒng)的例子
6.2 概念學(xué)習(xí)
　 6.2.1 概念學(xué)習(xí)的FIND-S算法
　 6.2.2 FIND-S算法實(shí)例
6.3 決策樹(shù)
　 6.3.1 決策樹(shù)的表示
　 6.3.2 決策樹(shù)的學(xué)習(xí)--ID3算法
　 6.3.3 ID3算法實(shí)例
6.4 人工神經(jīng)網(wǎng)絡(luò)
　 6.4.1 感知器
　 6.4.2 線性單元
　 6.4.3 多層網(wǎng)絡(luò)和反向傳播算法
　 6.4.4 反向傳播算法實(shí)例
6.5 遺傳算法
　 6.5.1 遺傳算法模型
　 6.5.2 遺傳算法實(shí)例
　 6.5.3 遺傳編程
　 6.5.4 遺傳編程舉例
習(xí)題
第7章 計(jì)算智能
7.1 人工免疫算法
　 7.1.1 自然免疫系統(tǒng)
　 7.1.2 人工免疫算法模型
　 7.1.3 人工免疫算法的應(yīng)用
7.2 蟻群算法
　 7.2.1 螞蟻系統(tǒng)的原理
　 7.2.2 蟻群算法模型
　 7.2.3 蟻群算法的應(yīng)用
7.3 粒子群算法
　 7.3.1 粒子群系統(tǒng)
　 7.3.2 粒子群算法模型
　 7.3.3 粒子群算法的應(yīng)用
7.4 模擬退火算法
　 7.4.1 固體退火過(guò)程
　 7.4.2 模擬退火算法模型
　 7.4.3 模擬退火算法的應(yīng)用
習(xí)題
第8章 自然語(yǔ)言處理
8.1 概述
　 8.1.1 自然語(yǔ)言的特點(diǎn)
　 8.1.2 自然語(yǔ)言處理涉及的層次
8.2 詞法分析
　 8.2.1 英語(yǔ)中詞的識(shí)別
　 8.2.2 漢語(yǔ)分詞
8.3 句法分析
　 8.3.1 短語(yǔ)結(jié)構(gòu)語(yǔ)法
　 8.3.2 依存語(yǔ)法
8.4 語(yǔ)義分析
　 8.4.1 詞義消歧
　 8.4.2 語(yǔ)義角色標(biāo)注
8.5 語(yǔ)言知識(shí)庫(kù)
　 8.5.1 現(xiàn)代漢語(yǔ)語(yǔ)法信息詞典
　 8.5.2 知網(wǎng)
　 8.5.3 現(xiàn)代漢語(yǔ)虛詞用法知識(shí)庫(kù)
8.6 自然語(yǔ)言處理的應(yīng)用
　 8.6.1 機(jī)器翻譯
　 8.6.2 信息檢索
習(xí)題
第9章 分布式人工智能及其應(yīng)用
9.1 DAI的特點(diǎn)
　 9.1.1 Agent及其特性
　 9.1.2 Agent分類(lèi)
　 9.1.3 Agent的BDI模型
　 9.1.4 Agent聯(lián)盟
　 9.1.5 DAI系統(tǒng)特性
9.2 多Agent系統(tǒng)
　 9.2.1 多Agent系統(tǒng)分類(lèi)
　 9.2.2 Agent的學(xué)習(xí)
　 9.2.3 多Agent通信
9.3 分布式問(wèn)題求解
　 9.3.1 多Agent聯(lián)合求解過(guò)程
　 9.3.2 合同網(wǎng)
9.4 并行人工智能
　 9.4.1 并行人工智能的軟件支持
　 9.4.2 并行人工智能的硬件支持
9.5 分布式人工智能的應(yīng)用
　 9.5.1 多Agent在軍事作戰(zhàn)指揮系統(tǒng)中的應(yīng)用
　 9.5.2 多Agent在智能交通中的應(yīng)用
　 9.5.3 多Agent在智能大廈中的應(yīng)用
習(xí)題
實(shí)驗(yàn)指導(dǎo)
基礎(chǔ)實(shí)驗(yàn)部分
　 實(shí)驗(yàn)一 求解八數(shù)碼問(wèn)題
　 實(shí)驗(yàn)二 使用極小極大分析方法實(shí)現(xiàn)井字棋游戲
　 實(shí)驗(yàn)三 實(shí)現(xiàn)基于謂詞邏輯的歸結(jié)原理
　 實(shí)驗(yàn)四 實(shí)現(xiàn)一個(gè)基于產(chǎn)生式系統(tǒng)的小型專(zhuān)家系統(tǒng)
擴(kuò)展實(shí)驗(yàn)部分
參考文獻(xiàn)