人工智能基礎(chǔ)（高濟(jì)）

第一章 人工智能研究的發(fā)展和基本原則
1.1 人工智能的研究和應(yīng)用
1.2 人工智能研究的發(fā)展
1.3 人工智能研究的成果
1.4 人工智能研究的基本原則
1.5 存在的問題和發(fā)展前景
習(xí)題
參考文獻(xiàn)
第二章 問題求解的基本方法
2.1 一般圖搜索
2.1.1 狀態(tài)空間搜索
2.1.2 啟發(fā)式搜索
2.1.3 狀態(tài)空間抽象和生成一測(cè)試法
2.1.4 啟發(fā)式搜索的適用性討論
2.2 問題歸約
2.2.1 問題歸約的描述
2.2.2 與或圖搜索
2.2.3 與或圖的啟發(fā)式搜索
2.3 基于歸結(jié)的演繹推理
2.3.1 謂詞演算
2.3.2 歸結(jié)演繹方法
2.3.3 歸結(jié)反演
2.4 基于規(guī)則的演繹推理
2.4.1 基于規(guī)則的正向演繹推理
2.4.2 基于規(guī)則的逆向演繹推理
2.4.3 演繹推理的應(yīng)用討論
2.4.4 邏輯編程語言
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第三章 知識(shí)表示
3.1 知識(shí)和知識(shí)表示
3.1.1 知識(shí)原則
3.1.2 知識(shí)表示的作用
3.1.3 知識(shí)表示的功能
3.1.4 知識(shí)表示的性能
3.1.5 基本的知識(shí)表示方式
3.2 產(chǎn)生式表示
3.2.1 產(chǎn)生式系統(tǒng)
3.2.2 控制策略
3.2.3 產(chǎn)生式系統(tǒng)的分類
3.3 結(jié)構(gòu)化表示
3.3.1 語義網(wǎng)絡(luò)
3.3.2 框架表示法
3.3.3 面向?qū)ο蟮谋硎痉?br />3.4 知識(shí)表示的實(shí)用化問題
3.4.1 程序性和陳述性知識(shí)
3.4.2 表示能力和推理效率之間的制約關(guān)系
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第四章 基于知識(shí)的系統(tǒng)
4.1 KB系統(tǒng)的開發(fā)
4.1.1 KB系統(tǒng)的一般概念
4.1.2 KB系統(tǒng)的體系結(jié)構(gòu)原則
4.1.3 KB系統(tǒng)的開發(fā)過程
4.1.4 KB系統(tǒng)的開發(fā)工具和環(huán)境
4.2 設(shè)計(jì)基于產(chǎn)生式表示的KB系統(tǒng)開發(fā)工具
4.2.1 總體設(shè)計(jì)
4.2.2 Xps的實(shí)現(xiàn)
4.2.3 應(yīng)用實(shí)例——家族樹
4.2.4 性能改進(jìn)
4.2.5 開發(fā)工具OPS5
4.3 專家系統(tǒng)實(shí)例——MYCIN
4.3.1 知識(shí)庫的構(gòu)造
4.3.2 推理機(jī)的設(shè)計(jì)
4.3.3 系統(tǒng)服務(wù)設(shè)施
4.3.4 開發(fā)工具EMYCIN
4.4 問題求解的結(jié)構(gòu)化組織
4.4.1 結(jié)構(gòu)化組織的需求
4.4.2 事務(wù)表
4.4.3 黑板法
4.4.4 問題求解建模
4.4.5 新一代KB系統(tǒng)技術(shù)
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第五章 自動(dòng)規(guī)劃和配置
5.1 經(jīng)典規(guī)劃技術(shù)
5.1.1 經(jīng)典規(guī)劃技術(shù)的發(fā)展
5.1.2 規(guī)劃的基本概念
5.1.3 早期的自動(dòng)規(guī)劃技術(shù)
5.1.4 部分排序規(guī)劃技術(shù)
5.2 自動(dòng)規(guī)劃技術(shù)的新進(jìn)展
.5.2.1 非經(jīng)典規(guī)劃技術(shù)的開發(fā)
5.2.2 自動(dòng)規(guī)劃技術(shù)的實(shí)用化
.5.2.3 智能的調(diào)度、規(guī)劃和項(xiàng)目管理
5.3 自動(dòng)配置
5.3.1 配置的一般概念
5.3.2 自動(dòng)配置的建模
5.3.3 XCON——計(jì)算機(jī)自動(dòng)配置系統(tǒng)
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第六章 機(jī)器學(xué)習(xí)
6.1 機(jī)器學(xué)習(xí)概論
6.1.1 機(jī)器學(xué)習(xí)的基本概念
6.1.2 機(jī)器學(xué)習(xí)的發(fā)展歷史
6.1.3 機(jī)器學(xué)習(xí)分類
6.2 示例學(xué)習(xí)
6.2.1 示例學(xué)習(xí)的基本策略
6.2.2 決策樹構(gòu)造法ID3
6.3 基于解釋的學(xué)習(xí)
6.3.1 基于解釋的泛化(EBG）
6.3.2 基于解釋學(xué)習(xí)的若干基本問題
6.4 遺傳算法
6.4.1 簡單遺傳算法
6.4.2 分類系統(tǒng)
6.5 加強(qiáng)學(xué)習(xí)
6.5.1 加強(qiáng)學(xué)習(xí)的基本方法
6.5.2 Q學(xué)習(xí)
6.5.3 有關(guān)加強(qiáng)學(xué)習(xí)的進(jìn)一步討論
6.6 基于范例的學(xué)習(xí)
6.6.1 基于范例推理的過程
6.6.2 應(yīng)用實(shí)例：智能飼料配方系統(tǒng)ICIX
6.7 知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘
6.7.1 定理發(fā)現(xiàn)
6.7.2 數(shù)據(jù)挖掘
6.7.3 數(shù)據(jù)庫及網(wǎng)絡(luò)中的知識(shí)發(fā)現(xiàn)
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第七章 非單調(diào)推理和軟計(jì)算
7.1 傳統(tǒng)邏輯系統(tǒng)的局限性
7.2 非單調(diào)推理
7.2.1 非單調(diào)推理簡介
7.2.2 非單調(diào)推理的形式化方法
7.2.3 真值維持系統(tǒng)
7.3 不確定推理
7.3.1 主觀Bayes方法
7.3.2 確定性方法
7.3.3 D—S證據(jù)理論
7.3.4 應(yīng)用不確定推理的準(zhǔn)則
7.4 模糊邏輯和模糊推理
7.4.1 模糊邏輯
7.4.2 模糊推理
7.4.3 模糊控制
7.5 神經(jīng)網(wǎng)絡(luò)
7.5.1 神經(jīng)元和神經(jīng)網(wǎng)絡(luò)
7.5.2 面向映射變換的BP網(wǎng)
7.5.3 面向聯(lián)想記憶的神經(jīng)網(wǎng)絡(luò)
7.5.4 神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)技術(shù)
第八章 機(jī)器感知
8.1 視覺與視覺圖像
8.2 圖像特征提取
8.3 視覺模型與識(shí)別
8.4 自然語言理解
8.5 機(jī)器翻譯
本章小結(jié)
習(xí)題
參考文獻(xiàn)
第九章 Agent技術(shù)和信息基礎(chǔ)設(shè)施智能化
9.1 Agent技術(shù)的研究和發(fā)展
9.2 多Agent協(xié)作
9.3 Agent通信
9.4 信息基礎(chǔ)設(shè)施的智能化
本章小結(jié)
習(xí)題
參考文獻(xiàn)