人工智能原理及應(yīng)用

第1章 緒論
1．1 人工智能概念和發(fā)展
1．1．1 人工智能的概念
1．1．2 人工智能的發(fā)展簡(jiǎn)史
1．2 人工智能的研究學(xué)派
1．2．1 符號(hào)主義
1．2．2 聯(lián)結(jié)主義
1．2．3 行為主義
1．3 人工智能的研究目標(biāo)
1．4 人工智能的研究領(lǐng)域
1．4．1 模式識(shí)別
1．4．2 自動(dòng)定理證明
1．4．3 機(jī)器視覺(jué)
1．4．4 專(zhuān)家系統(tǒng)
1．4．5 機(jī)器人
1．4．6 自然語(yǔ)言處理
1．4．7 博弈
1．4．8 人工神經(jīng)網(wǎng)絡(luò)
1．4．9 問(wèn)題求解
1．4．10 機(jī)器學(xué)習(xí)
1．4．11 基于Agent的人工智能
第2章 知識(shí)表示和問(wèn)題求解
2．1 知識(shí)及知識(shí)表示的基本概念
2．1．1 知識(shí)的概念
2．1．2 知識(shí)表示
2．1．3 知識(shí)的分類(lèi)
2．1．4 知識(shí)的使用
2．1．5 對(duì)知識(shí)表示方法的衡量
2．2 狀態(tài)空間知識(shí)表示及求解
2．2．1 狀態(tài)空間表示法
2．2．2 圖搜索策略
2．3 產(chǎn)生式系統(tǒng)及推理
2．3．1 產(chǎn)生式系統(tǒng)的構(gòu)成
2．3．2 產(chǎn)生式系統(tǒng)的求解問(wèn)題策略
2．4 問(wèn)題歸約法
2．4．1 問(wèn)題歸約表示
2．4．2 與／或圖表示
2．5 謂詞邏輯表示及歸結(jié)原理
2．5．1 命題邏輯
2．5．2 謂詞邏輯
2．5．3 一階謂詞演算的基本體系
2．5．4 推理規(guī)則
2．5．5 歸結(jié)原理
2．6 語(yǔ)義網(wǎng)絡(luò)
2．6．1 語(yǔ)義網(wǎng)絡(luò)的構(gòu)成及特點(diǎn)
2．6．2 語(yǔ)義網(wǎng)絡(luò)的表示
2．6．3 語(yǔ)義網(wǎng)絡(luò)的推理
2．6．4 語(yǔ)義網(wǎng)絡(luò)表示的優(yōu)缺點(diǎn)特點(diǎn)
2．7 其他知識(shí)表示與問(wèn)題求解方法
2．7．1 框架
2．7．2 腳本
2．7．3 過(guò)程
第3章 自動(dòng)規(guī)劃求解系統(tǒng)
3．1 規(guī)劃
3．1．1 規(guī)劃的概念
3．1．2 規(guī)劃的特性及作用
3．1．3 系統(tǒng)規(guī)劃求解的方法與途徑
3．1．4 系統(tǒng)規(guī)劃求解的任務(wù)
3．2 機(jī)器規(guī)劃成功性基本原理
3．2．1 概述
3．2．2 總規(guī)劃的設(shè)計(jì)與分層規(guī)劃原理
3．2．3 規(guī)劃問(wèn)題求解與最優(yōu)規(guī)劃原理
3．3 機(jī)器人規(guī)劃求解應(yīng)用舉例
第4章 機(jī)器學(xué)習(xí)
4．1 機(jī)器學(xué)習(xí)的概念
4．1．1 什么是學(xué)習(xí)
4．1．2 機(jī)器學(xué)習(xí)與人類(lèi)學(xué)習(xí)的區(qū)別
4．1．3 機(jī)器學(xué)習(xí)實(shí)現(xiàn)的困難
4．2 機(jī)器學(xué)習(xí)的研究目標(biāo)
4．2．1 通用學(xué)習(xí)算法
4．2．2 認(rèn)知模型
4．2．3 工程目標(biāo)
4．3 機(jī)器學(xué)習(xí)系統(tǒng)
4．3．1 什么是機(jī)器學(xué)習(xí)系統(tǒng)
4．3．2 機(jī)器學(xué)習(xí)的基本模型
4．4 機(jī)器學(xué)習(xí)的分類(lèi)
4．5 實(shí)例學(xué)習(xí)
4．5．1 概述
4．5．2 實(shí)例學(xué)習(xí)的兩個(gè)空間模型
4．5．3 實(shí)例學(xué)習(xí)示例
第5章 自然語(yǔ)言處理技術(shù)
5．1 自然語(yǔ)言處理概述
5．1．1 漢語(yǔ)信息處理技術(shù)方面的進(jìn)展
5．1．2 少數(shù)民族語(yǔ)言文字信息處理技術(shù)方面的進(jìn)展
5．1．3 自然語(yǔ)言處理的研究領(lǐng)域和方向
5．2 自然語(yǔ)言理解
5．2．1 自然語(yǔ)言分析的層次
5．2．2 自然語(yǔ)言理解的層次
5．3 詞法分析
5．3 句法分析
5．3．1 短語(yǔ)結(jié)構(gòu)文法
5．3．2 喬姆斯基文法體系
5．3．3 句法分析樹(shù)
5．3．4 轉(zhuǎn)移網(wǎng)絡(luò)
5．4 語(yǔ)義分析
5．4．1 語(yǔ)義文法
5．4．2 格文法
5．5 大規(guī)模真實(shí)文本的處理
5．6 信息搜索
5．6．1 搜索引擎
5．6．2 智能搜索引擎
5．7 機(jī)器翻譯
5．7．1 基于詞的統(tǒng)計(jì)機(jī)器翻譯
5．7．2 基于短語(yǔ)的統(tǒng)計(jì)機(jī)器翻譯
5．8 語(yǔ)音識(shí)別
5．8．1 信號(hào)處理
5．8．2 識(shí)別
第6章 智能信息處理技術(shù)
6．1 神經(jīng)網(wǎng)絡(luò)
6．1．1 神經(jīng)網(wǎng)絡(luò)的模型和學(xué)習(xí)算法
6．1．2 幾種典型神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
6．1．3 神經(jīng)網(wǎng)絡(luò)的應(yīng)用
6．2 深度學(xué)習(xí)
6．2．1 深度學(xué)習(xí)的模型和學(xué)習(xí)算法
6．2．2 深度學(xué)習(xí)的應(yīng)用
6．3 遺傳算法
6．3．1 遺傳算法的概念
6．3．2 基本遺傳算法
6．3．3 遺傳算法應(yīng)用
6．4 粗糙集方法
6．4．1 粗糙集的基本概念
6．4．2 粗糙集對(duì)缺失數(shù)據(jù)的補(bǔ)齊方法
6．5 模糊計(jì)算技術(shù)
6．5．1 模糊集合
6．5．2 模糊集合的表示方法
6．5．3 模糊集合的運(yùn)算
6．5．4 隸屬函數(shù)
6．5．5 模糊模式識(shí)別
6．6 云模型理論
6．7 支持向量機(jī)
6．7．1 線性分類(lèi)
6．7．2 核函數(shù)
6．7．3 SVM的應(yīng)用
第7章 分布式人工智能和Agent技術(shù)
7．1 分布式人工智能
7．2 Agent系統(tǒng)
7．2．1 Agent的基本概念及特性
7．2．2 Agent的分類(lèi)及能力
7．3 多Agent系統(tǒng)
7．3．1 多Agent系統(tǒng)的基本概念及特性
7．3．2 多Agent系統(tǒng)的研究?jī)?nèi)容
第8章 知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘
8．1 知識(shí)發(fā)現(xiàn)
8．2 數(shù)據(jù)挖掘
8．2．1 數(shù)據(jù)挖掘技術(shù)的產(chǎn)生及定義
8．2．2 數(shù)據(jù)挖掘的功能
8．2．3 常用的數(shù)據(jù)挖掘方法
8．3 大數(shù)據(jù)處理
8．3．1 大數(shù)據(jù)計(jì)算框架——MapReduce
8．3．2 Hadoop平臺(tái)及相關(guān)生態(tài)系統(tǒng)
8．3．3 Spark計(jì)算框架及相關(guān)生態(tài)系統(tǒng)
8．3．4 流式大數(shù)據(jù)
8．3．5 大數(shù)據(jù)挖掘與分析
主要參考文獻(xiàn)