人工智能的原理與方法

第1章 緒論
1.1 人工智能的概念
1.2 人工智能的研究目標
1.3 人工智能的研究內(nèi)容
1.4 人工智能的研究途徑
1.5 人工智能的研究領(lǐng)域
1.6 人工智能的發(fā)展概況
習(xí)題1
第2章 人工智能語言
2.1 概述
2.2 函數(shù)型程序設(shè)計語言LISP
2.3 邏輯型程序設(shè)計語言PROLOG
2.4 面向?qū)ο蟪淘O(shè)計語言Smallyalk
習(xí)題2
第3章 人工智能的數(shù)學(xué)基礎(chǔ)
3.1 命題邏輯與謂詞邏輯
3.2 多值邏輯
3.3 概率論
3.4 模糊理論
習(xí)題3
第4章 知識與知識表示
4.1 什么是知識
4.2 一階謂詞邏輯表示法
4.3 產(chǎn)生式表示
4.4 模式架表示法
4.5 語義網(wǎng)絡(luò)表示法
4.6 過程表示法
4.7 腳本表示法
4.8 面向?qū)ο蟊硎痉?br /> 4.9 Peyri網(wǎng)表示法
習(xí)題4
第5章 基本謂詞的邏輯推理
5.1 謂詞邏輯的演繹推理方法
5.2 歸結(jié)原理
5.3 與或形演繹推理
習(xí)題5
第6章 不確定性與不確定推理
6.1 基本概念
6.2 概率方法
6.3 主觀Bayes方法
6.4 可信度方法
6.5 模糊推理
習(xí)題6
第7章 搜索策略
7.1 基本概念
7.2 狀態(tài)圖搜索技術(shù)
7.3 與或圖搜索策略
7.4 博弈樹搜索
習(xí)題7
第8章 專家系統(tǒng)
8.1 專家系統(tǒng)的基本概念
8.2 專家系統(tǒng)的結(jié)構(gòu)
8.3 專家系統(tǒng)的發(fā)展概況
8.4 知識獲取和知識工程
8.5 專家系統(tǒng)的設(shè)計與實現(xiàn)
8.6 專家系統(tǒng)的開發(fā)工具
8.7 新一代專家系統(tǒng)的研究
8.8 專家系統(tǒng)舉例
習(xí)題8
第9章 神經(jīng)網(wǎng)絡(luò)
9.1 基本概念
9.2 神經(jīng)網(wǎng)絡(luò)模型
9.3 基于神經(jīng)網(wǎng)絡(luò)的知識表示與推理
9.4 神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)
9.5 遺傳算法
9.6 神經(jīng)網(wǎng)絡(luò)發(fā)展概況
習(xí)題9
第10章 模式識別
10.1 模式識別的基本概念
10.2 統(tǒng)計模式識別
10.3 結(jié)構(gòu)模式識別
10.4 模糊模式識別
10.5 神經(jīng)網(wǎng)絡(luò)模式識別
習(xí)題10
第11章 機器學(xué)習(xí)
11.1 基本概念
11.2 機器學(xué)習(xí)分類
11.3 符號學(xué)習(xí)
11.4 視經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
習(xí)題11
參考文獻