第1章 自然和人造系统中的智能
1.1 引言
1.2 智力与智能概念进展的简单综述
1.3 智能系统:我们能从非智能系统中区分出智能系统吗
1.4 智能:行为与交流的产物和工具
1.4.1 有益的行为
1.4.2 有效的符号表示
1.4.3 基本作用回路
1.5 自动性的演变过程
1.5.1 学习自动性
1.5.2 自动性的概念以及它是怎样学习的
1.5.3 从反射和规则到程序
1.5.4 从程序到自组织
1.6 从代理体到多标度代理群体
1.6.1 代理体的概念及其在技术发展中的地位
1.7 认知代理体和结构
参考文献
习题
第2章 智能系统的理论基础
2.1 智能系统结构的数学框架
2.1.1 离散数学在发展智能系统形式理论中的作用
2.1.2 离散数学应用于什么对象
2.1.3 离散数学做什么?我们的目标是什么
2.2 智能系统和过程的形式模型
2.2.1 多分辨率演算的基本过程
2.2.2 现有的集合定义
2.2.3 什么是状态?它与对象概念的关系如何?什么是变化
2.2.4 用GFS三元组形成新的对象
2.2.5 对象之间的关系:什么是关系?关系的特性是什么?关系是可测的吗
2.2.6 表示方法和现实情况
2.2.7 自动机形式的模型:基本的代理体
2.2.8 多分辨率自动机
2.2.9 智能系统的自治与目标定向
2.3 必要的术语和假设
2.3.1 坐标、辖域和分辨率
2.3.2 状态和状态空间
2.3.3 从对象到实体
2.3.4 簇和类
2.3.5 不可分辨性
2.3.6 表示方法
2.4 对象的建立和特征
2.4.1 新类的形成
2.4.2 回归递阶结构和表示的变态递阶结构
2.5 从现实中抽取实体
2.5.1 组成分量的自然分组
2.5.2 在科学过程中的分组
2.5.3 分组导致了多分辨率结构
2.5.4 抽象、集结和泛化的区别
2.6 分组+过滤+搜索:自组织的基本单元
2.6.1 GFS的概念
2.6.2 GFS的作用
2.7 相对智能与它的进化
2.8 自然界和表示中关于构造过程的相似性
2.8.1 相似性问题
2.8.2 关于构造的应用算法之间的相似性
2.9 智能系统结构的符号语言框架
2.9.1 什么是符号语言学
2.9.2 符号闭包
2.9.3 指号过程:符号系统中的学习过程
2.9.4 映像与意识
参考文献
习题
第3章 知识的表示
3.1 表示自然界的问题
3.1.1 多姿多彩的现实世界
3.1.2 认识论
3.1.3 知识理论的演变
3.1.4 符号语言学及其前景
3.2 什么是知识
3.2.1 知识现象
3.2.2 与知识有关的术语
3.2.3 存储知识
3.2.4 为什么出现知识表示的需求
3.3 大脑中知识的表示:获取自动化
3.3.1 基本信息处理单元:神经元
3.3.2 搜索和存储模式的系统:神经元网络
3.4 大脑的感知和符号表示
3.4.1 一般性评论
3.4.2 感知图像
3.4.3 大脑中的符号表示
3.5 参考坐标系、想像力和洞察力
3.6 知识表示、实体和相关结构的原理
3.6.1 嵌套递阶的知识构成
3.6.2 知识表示原理的定义与假设
3.6.3 知识相关的ELF作用机制的定义
3.6.4 实体的类型与类别
3.6.5 D结构的一般特征
3.6.6 标签的性质
3.7 知识的多分辨率特征及其复杂性
3.7.1 状态空间的分解
3.7.2 准确度
3.7.3 知识的嵌套
3.7.4 构建多尺度知识表示的递归算法
3.8 知识表示的虚拟现象
3.8.1 瞬时感知处理的表示
3.8.2 中间表示
3.8.3 长期记忆的表示
参考文献
习题
第4章 参考结构
4.1 参考结构的组成部件
4.1.1 执行器
4.1.2 传感器
4.1.3 感知处理
4.1.4 环境模型
4.1.5 判值
4.1.6 行为生成
4.2 智能系统参考结构的演变
4.3 水平“同层次”连接的递阶结构
4.4 分辨率的层次
4.5 体系结构的神经部件
4.6 行为生成的递阶结构
4.6.1 智能机器人自底向上的例子
4.7 多分辨率结构的分析
4.7.1 基本作用回路(ELF)
4.7.2 ELF的基本分解
4.7.3 ELF的递阶结构:NIST-RCS的本质
4.7.4 集成的NIST-RCS模块
4.8 基于代理体的参考结构
4.8.1 智能软件的基本单元
4.8.2 基于代理体层次的作用
参考文献
习题
第5章 动机、目标与判值
5.1 内部需求与外部目标
5.1.1 神经生理学模型
5.1.2 从本能到动机到驱动再到情感
5.1.3 动机
5.1.4 从动机到目标
5.1.5 各种方法
5.1.6 “目标”概念的发展
5.1.7 目标形成与比较的认知理论
5.2 判值
5.2.1 一般定义
5.2.2 (脑)边缘系统
5.2.3 值状态变量
5.2.4 VJ模块
5.2.5 值状态变量的映射图覆盖
5.3 达到目标:利用变分法的优化
5.3.1 符号和基本前提
5.3.2 线性化的三阶对象:DC电机模型
5.3.3 通过变分法进行优化
5.3.4 结果与讨论
参考文献
习题
第6章 感知处理
6.1 层内和层间的处理
6.1.1 集注(GFS的F)
6.1.2 建立分组假设(GFS中的G和S)
6.1.3 分组假设的计算属性(GFS中的G)
6.1.4 选择和确认(GFS中的S)
6.1.5 实体的分类、识别和组织
6.2 作为层次模块的感知处理
6.2.1 信息源
6.2.2 状态空间的棋盘格化:采样
6.2.3 噪声、不确定性和模糊性
6.2.4 假设的建立和测试
6.2.5 初始化
6.3 感知处理的递阶结构
6.3.1 SP中自然出现的表示的递阶结构
6.3.2 在最高分辨率的两个相邻层次的处理
6.3.3 在上面的层次发生了什么
6.4 感知处理的多分辨率实质
参考文献
习题
第7章 行为生成
7.1 多分辨率行为生成的基本概念
7.1.1 定义
7.1.2 行为生成:从泛化到实例化的回归综合
7.2 BG结构
7.2.1 虚拟回路
7.2.2 实时控制和规划:不确定源怎样影响它们
7.2.3 虚拟ELF的嵌套
7.3 多分辨率控制的策略:嵌套递阶结构的生成
7.3.1 规划-控制的离线决策过程
7.3.2 在线决策期间嵌套的递阶信息的细化
7.3.3 嵌套的模块
7.4 行为生成的整体组织
7.4.1 计算行为的主要概念
7.4.2 BG 模块
7.4.3 行为生成的实际例子
7.4.4 对实际例子的泛化:理论概述
7.4.5 多分辨率递阶规划的算法(NIST-RCS规划器)
7.4.6 BG模块综述
7.5 规划器
7.5.1 规划的计算过程
7.5.2 规划器的功能和认识论
7.5.3 在多分辨率空间中规划与在抽象空间中规划
7.5.4 任务空间中的规划和运动规划
7.5.5 反应决策与谨慎决策
7.5.6 规划器的内部包含什么
7.6 执行器的结构和作用
7.6.1 处理规划的结果
7.6.2 执行器的结构
7.6.3 执行器的操作
7.6.4 作为任务发生器的执行器
7.7 结论:在智能系统中集成BG模块
参考文献
习题
第8章 多分辨率规划:理论框架
8.1 规划概述
8.1.1 规划领域中主要成果的概述
8.1.2 与规划相关的定义
8.1.3 规划是控制的一个阶段
8.2 规划中出现的问题
8.2.1 行为生成的一般问题
8.2.2 问题的结构源
8.2.3 表示和规划
8.2.4 智能系统中规划问题的分类
8.3 动作规划和状态规划
8.3.1 规划算法
8.3.2 基于可视性的规划
8.3.3 局部规划:环境表示的势场
8.3.4 全局规划:搜索轨迹
8.4 规划和学习之间的联系
8.4.1 学习是表示的源泉
8.4.2 规划和学习之间的相互关系
8.5 行为生成体系结构中的规划
8.5.1 规划的递阶多分辨率组织
8.5.2 实例研究:自主车的驾驶仪
8.6 多分辨率空间中的路径规划
8.6.1 状态空间的表示
8.6.2 专家规则/启发式
8.6.3 减少计算时间的技术
8.6.4 实验结果
8.7 多分辨率规划—提高行为生成效率的工具
8.7.1 多分辨率规划体现系统的智能
8.7.2 多分辨率规划降低了计算的复杂度
8.7.3 一般的S3搜索算法用于复杂度降低的规划
8.7.4 棋盘格化
8.7.5 表示的测试
8.7.6 搜索
8.7.7 连续细化
8.7.8 复杂度的评估
参考文献
习题
第9章 规划器/执行器模块的多分辨率递阶结构
9.1 混合控制递阶结构
9.2 理论基础
9.3 标准的混合规划器/执行器模型
9.3.1 基本控制结构
9.3.2 标准混合规划器/执行器模型的嵌套和回归应用
9.3.3 环境模型:知识的维护
9.3.4 嵌套和带宽分离
9.4 配有生产系统的规划器/执行器模块的拟最小时间作用
9.4.1 关于系统动力学的假设
9.4.2 关于推动力形成的假设
9.4.3 关于阻力的假设
9.4.4 确定控制周期的标准分量
9.4.5 用标准分量组合控制周期的生产系统
9.4.6 实际系统的仿真
9.5 通过前向搜索的近似逆
9.5.1 概述
9.5.2 参考轨迹的近似逆映射的概念
9.5.3 用搜索过程求近似逆
9.5.4 实验结果
9.6 多速率递阶预测控制系统
9.6.1 概述
9.6.2 求平均小波算法的递阶结构
9.6.3 递阶控制器的设计
9.6.4 仿真结果
9.6.5 多速率递阶控制器
9.7 结论
参考文献
习题
第10章 学习
10.1 智能系统和学习
10.2 学习的定义
10.3 隐式和显式逻辑及学习的心理图式
10.3.1 “引导”知识的需要:公理和“自明”原理
10.3.2 格式塔(Gestalt)原理:发现见识的实体
10.3.3 重复性:归纳、演绎和推理
10.3.4 回归和迭代
10.3.5 学习的类型学
10.3.6 关于自适应和学习系统之间的区别
10.4 通过学习获取信息:应用领域
10.4.1 作为学习的组成部分的估计和识别
10.4.2 理论的应用领域
10.5 学习控制系统的公理性理论
10.5.1 公理
10.5.2 学习控制系统
10.5.3 出现的非常规议题
10.5.4 外部系统和多重执行
10.6 学习和行为生成:构建和使用多分辨率表示和目标递阶结构
10.6.1 从多种经验中学习
10.6.2 无监督学习的算法
10.6.3 知识的进化
10.6.4 集注
10.6.5 相似聚类的形成
10.6.6 在簇中搜索有效的假设
10.6.7 在行为生成中学习
10.6.8 多分辨率学习自动机的进化
10.6.9 LPA的进一步研究
10.7 微型机器人:早期认知发展的分析
10.7.1 ECD:智能系统中学习的重要意义
10.7.2 人类和IS中的ECD的相似性与区别
10.7.3 定量学习领域
10.7.4 概念学习领域
10.7.5 微型机器人:分析ECD过程的仿真工具
10.7.6 微型机器人:智力的实验
10.7.7 可能的学习算法
10.7.8 子句产生的条件
10.7.9 在目标给定时学习
10.7.10 用微型机器人进行仿真和物理实验
10.7.11 微型机器人研究的含义
10.8 对学习应用神经网络
10.8.1 神经网络:多重信息泛化的体系结构
10.8.2 CMAC:替代反向传播的联想神经网络
参考文献
习题
第11章 智能系统的多分辨率结构的应用
11.1 制造业的智能系统结构
11.1.1 ISAM标准
11.1.2 作为概念框架的ISAM
11.1.3 ISAM与当前实践的对比
11.1.4 作为参考模型结构的ISAM
11.1.5 ISAM实例
11.2 制造业NITS-RCS递阶结构中的规划
11.2.1 单个RCS模块内的规划器
11.2.2 RCS递阶结构中的规划器
11.2.3 规划算法
11.2.4 当代观点范畴内关于生产制造调度的RCS方法
11.3 制造业智能系统结构使用的基于检测工作站的试验台
11.3.1 HPCC项目:ISAM实施的范例
11.3.2 方法
11.3.3 原型系统实现的应用设计
11.3.4 模块
11.4 基于RCS的机器人起重机的集成
11.4.1 原型机
11.4.2 RoboCrane子系统
11.5 移动机器人走向多分辨率
11.5.1 决策的类型
11.5.2 规则库
11.5.3 精确预规划(PP)算法
11.5.4 实施
11.5.5 即时决策器(ID)与路径监视器
11.6 无人自主车的任务结构
11.6.1 系统的层次
11.6.2 使命的分类
11.6.3 侦察车队队长的活动
11.6.4 分配给分队的任务
11.6.5 分配给单个车辆的任务
11.6.6 分配给自主车子系统的任务
11.6.7 使命程序的不变要素
11.6.8 被感知对象的探测与识别
11.7 作为Demo III实现指导的4-D/RCS
11.7.1 Demo III的4-D/RCS子集
11.7.2 4-D/RCS实体范例
11.7.3 系统的集成
参考文献
第12章 智能系统:科学和工程新范例的先驱
12.1 多学科:最有希望但却是崎岖的道路
12.2 什么是智能系统的核心活动
12.3 我们不能处理的更多问题
12.3.1 逻辑与自动机:关于真和等价的推理
12.3.2 包括目标概念的模型
12.3.3 执行非预定动作的能力
12.4 学习的多分辨率回归符号处理(MRSPL处理)
12.4.1 什么是工具
12.4.2 符号语言学和面向对象的工程:同族的陌生人
12.4.3 智能单元
12.4.4 生命单元
12.4.5 如何使用单元
12.4.6 恒定性
12.5 多分辨率的智能
12.6 学习专门知识:符号语言学与多标度控制论
12.7 心智工程
参考文献