第1章 绪论
1. 1 什么是人工智能
1. 1. 1 智能
1. 1. 2 人工智能
1. 1. 3 人工智能的发展简史
1. 2 人工智能的研究目标及基本内容
1. 2. 1 人工智能的研究目标
1. 2. 2 人工智能研究的基本内容
1. 3 人工智能的研究途径
1. 3. 1 以符号处理为核心的方法
1. 3. 2 以网络连接为主的连接机制方法
1. 3. 3 系统集成
1. 4 人工智能的研究领域
1. 4. 1 专家系统
1. 4. 2 机器学习
1. 4. 3 模式识别
1. 4. 4 自然语言理解
1. 4. 5 自动定理证明
1. 4. 6 自动程序设计
1. 4. 7 机器人学
1. 4. 8 博弈
1. 4. 9 智能决策支持系统
1. 4. 10 人工神经网络
本章小结
习 题
第2章 人工智能的数学基础
2. 1 命题逻辑与谓词逻辑
2. 1. 1 命题
2. 1. 2 谓词
2. 1. 3 谓词公式
2. 1. 4 谓词公式的解释
2. 1. 5 谓词公式的永真性. 可满足性. 不可满足性
2. 1. 6 谓词公式的等价性与永真蕴含
2. 2 多值逻辑
2. 3 概率论
2. 3. 1 随机现象
2. 3. 2 样本空间与随机事件
2. 3. 3 事件的概率
2. 3. 4 条件概率
2. 3. 5 全概率公式与Bayes公式
2. 4 模糊理论
2. 4. 1 模糊性
2. 4. 2 集合与特征函数
2. 4. 3 模糊集与隶属函数
2. 4. 4 模糊集的表示方法
2. 4. 5 模糊集的运算
2. 4. 6 模糊集的λ水平截集
2. 4. 7 模糊度
2. 4. 8 模糊数
2. 4. 9 模糊关系及其合成
2. 4. 10 模糊变换
2. 4. 11 实数域上几种常用的隶属函数
2. 4. 12 建立隶属函数的方法
本章小结
习 题
第3章 知识与知识表示
3. 1 基本概念
3. 1. 1 什么是知识
3. 1. 2 知识的特性
3. 1. 3 知识的分类
3. 1. 4 知识的表示
3. 2 一阶谓词逻辑表示法
3. 2. 1 表示知识方法
3. 2. 2 一阶谓词逻辑表示法的特点
3. 3 产生式表示法
3. 3. 1 产生式的基本形式
3. 3. 2 产生式系统
3. 3. 3 产生式系统的分类
3. 3. 4 产生式表示法的特点
3. 4 框架表示法
3. 4. 1 框架理论
3. 4. 2 框架
3. 4. 3 框架网络
3. 4. 4 框架中槽的设置与组织
3. 4. 5 框架系统中求解问题的基本过程
3. 4. 6 框架表示法的特点
3. 5 语义网络表示法
3. 5. 1 语义网络的概念
3. 5. 2 知识的语义网络表示
3. 5. 3 常用的语义联系
3. 5. 4 语义网络系统中求解问题的基本过程
3. 5. 5 语义网络表示法的特点
3. 6 脚本表示法
3. 6. 1 概念依赖理论
3. 6. 2 脚本
3. 7 过程表示法
3. 7. 1 表示知识方法
3. 7. 2 过程表示法的特点
3. 8 Petri网表示法
3. 8. 1 表示知识方法
3. 8. 2 Petri网表示法的特点
3. 9 面向对象表示法
3. 9. 1 面向对象的基本概念
3. 9. 2 表示知识方法
本章小结
习 题
第4章 经典逻辑推理
4. 1 基本概念
4. 1. 1 什么是推理
4. 1. 2 推理方式及其分类
4. 1. 3 推理的控制策略
4. 1. 4 模式匹配
4. 1. 5 冲突消解策略
4. 2 自然演绎推理
4. 3 归结演绎推理
4. 3. 1 子句
4. 3. 2 海伯伦理论
4. 3. 3 鲁宾逊归结原理
4. 3. 4 归结反演
4. 3. 5 应用归结原理求取问题的答案
4. 3. 6 归结策略
4. 4 与／或形演绎推理
4. 4. 1 与／或形正向演绎推理
4. 4. 2 与域形逆向演绎推理
4. 4. 3 与域形双向演绎推理
4. 4. 4 代换的一致性及剪枝策略
本章小结
习 题
第5章 不确定与非单调推理
5. 1 基本概念
5. 1. 1 什么是不确定性推理
5. 1. 2 不确定性推理中的基本问题
5. 1. 3 不确定性推理方法的分类
5. 2 概率方法
5. 2. 1 经典概率方法
5. 2. 2 逆概率方法
5. 3 主观Bayes方法
5. 3. 1 知识不确定性的表示
5. 3. 2 证据不确定性的表示
5. 3. 3 组合证据不确定性的算法
5. 3. 4 不确定性的传递算法
5. 3. 5 结论不确定性的合成算法
5. 4 可信度方法
5. 4. 1 可信度的概念
5. 4. 2 C-F模型
5. 4. 3 带有阈值限度的不确定性推理
5. 4. 4 加权的不确定性推理
5. 4. 5 前提条件中带有可信度因子的不确定性推理
5. 5 证据理论
5. 5. 1 D－S理论
5. 5. 2 一个具体的不确定性推理模型
5. 6 模糊推理
5. 6. 1 模糊命题
5. 6. 2 模糊知识的表示
5. 6. 3 模糊匹配与冲突消解
5. 6. 4 模糊推理的基本模式
5. 6. 5 简单模糊推理
5. 6. 6 模糊三段论推理
5. 6. 7 多维模糊推理
5. 6. 8 多重模糊推理
5. 6. 9 带有可信度因子的模糊推理
5. 7 基于框架表示的不确定性推理
5. 7. 1 不确定性知识的框架表示
5. 7. 2 框架的不确定性匹配
5. 7. 3 框架推理
5. 8 基于语义网络表示的不确定性推理
5. 8. 1 不确定性知识的语义网络表示
5. 8. 2 语义网络推理
5. 9 非单调推理
5. 9. 1 非单调推理的概念
5. 9. 2 缺省理论
5. 9. 3 界限理论
5. 9. 4 正确性维持系统TMS
本章小结
习 题
第6章 搜索策暗
6. 1 基本概念
6. 1. 1 什么是搜索
6. 1. 2 状态空间表示法
6. 1. 3 与域树表示法
6. 2 状态空间的搜索策略
6. 2. 1 状态空间的一般搜索过程
6. 2. 2 广度优先搜索
6. 2. 3 深度优先搜索
6. 2. 4 有界深度优先搜索
6. 2. 5 代价树的广度优先搜索
6. 2. 6 代价树的深度优先搜索
6. 2. 7 启发式搜索
6. 2. 8 A*算法
6. 3 与域树的搜索策略
6. 3. 1 与域树的一般搜索过程
6. 3. 2 与域树的广度优先搜索
6. 3. 3 与域树的深度优先搜索
6. 3. 4 与域树的有序搜索
6. 3. 5 博弈树的启发式搜索
6. 3. 6 α-β剪枝技术
6. 4 搜索的完备性与效率
6. 4. 1 完备性
6. 4. 2 搜索效率
本章小结
习 题
第7章 专家系统
7. 1 基本概念
7. 1. 1 什么是专家系统
7. 1. 2 专家系统的产生与发展
7. 1. 3 专家系统的分类
7. 2 专家系统的一般结构
7. 2. 1 人机接口
7. 2. 2 知识获取机构
7. 2. 3 知识库及其管理系统
7. 2. 4 推理机
7. 2. 5 数据库及其管理系统
7. 2. 6 解释机构
7. 3 知识获取
7. 3. 1 知识获取的任务
7. 3. 2 知识获取方式
7. 4 知识的检测与求精
7. 4. 1 知识的一致性与完整性
7. 4. 2 基于经典逻辑的检测方法
7. 4. 3 基于Petri网的检测方法
7. 4. 4 知识求精
7. 5 知识的组织与管理
7. 5. 1 知识的组织
7. 5. 2 知识的管理
7. 6 专家系统的建造与评价
7. 6. 1 专家系统的建造原则
7. 6. 2 专家系统的开发过程
7. 6. 3 专家系统的评价
7. 7 专家系统的开发工具
7. 7. 1 人工智能语言
7. 7. 2 专家系统外壳
7. 7. 3 通用型专家系统工具
7. 7. 4 专家系统开发环境
7. 8 新一代专家系统的研究
7. 9 专家系统举例
7. 9. 1 动物识别系统
7. 9. 2 专家系统MYCIN
本章小结
习 题
第8章 机器学习
8. 1 基本概念
8. 1. 1 什么是机器学习
8. 1. 2 学习系统
8. 1. 3 机器学习的发展
8. 1. 4 机器学习的分类
8. 2 机械式学习
8. 3 指导式学习
8. 4 归纳学习
8. 4. 1 归纳推理
8. 4. 2 示例学习
8. 4. 3 观察与发现学习
8. 5 类比学习
8. 5. 1 类比推理
8. 5. 2 属性类比学习
8. 5. 3 转换类比学习
8. 6 基于解释的学习
8. 6. 1 基于解释学习的概念
8. 6. 2 基于解释学习的学习过程
8. 6. 3 领域知识的完善性
8. 7 学习方法的比较与展望
8. 7. 1 各种学习方法的比较
8. 7. 2 机器学习的展望
本章小结
习 题
第9章 模式识别
9. 1 基本概念
9. 1. 1 什么是模式识别
9. 1. 2 模式识别的一般过程
9. 2 统计模式识别
9. 2. 1 模板匹配分类法
9. 2. 2 最小距离分类法
9. 2. 3 相似系数分类法
9. 2. 4 几何分类法
9. 2. 5 Bayes分类法
9. 2. 6 聚类分析法
9. 3 结构模式识别
9. 3. 1 结构模式识别的基本过程
9. 3. 2 基元抽取与模式文法
9. 3. 3 模式的识别与分析
9. 4 模糊模式识别
9. 4. 1 基于最大隶属原则的模式分类
9. 4. 2 基于择近原则的模式分类
9. 4. 3 基于模糊等价关系的模式分类
9. 4. 4 基于模糊相似关系的模式分类
本章小结
习 题
第10章 智能决策支持系统
10. 1 基本概念
10. 1. 1 决策与决策过程
10. 1. 2 决策支持系统
10. 1. 3 智能决策支持系统
10. 2 智能决策支持系统的基本构件
10. 2. 1 数据库系统
10. 2. 2 模型库系统
10. 2. 3 方法库系统
10. 2. 4 知识库系统
10. 2. 5 人机接口系统
10. 3 智能决策支持系统的系统结构
10. 3. 1 四库结构
10. 3. 2 融合结构
10. 4 多媒体人机智能接口
10. 4. 1 多媒体技术
10. 4. 2 多媒体技术在智能决策支持系统中的应用
10. 4. 3 多媒体人机智能接口的设计与实现
本章小结
习 题
第11章 神经网络
11. 1 基本概念
11. 1. 1 脑神经系统与生物神经元
11. 1. 2 人工神经元及其互连结构
11. 1. 3 人工神经网络的特征及分类
11. 1. 4 神经网络研究的发展简史
11. 2 神经网络模型
11. 2. 1 感知器
ll. 2. 2 B-P模型
11. 2. 3 Hopfield模型
11. 2. 4 自适应共振理论
11. 3 神经网络在专家系统中的应用
11. 3. 1 神经网络与专家系统的互补性
11. 3. 2 基于神经网络的知识表示
11. 3. 3 基于神经网络的推理
11. 4 神经网络在模式识别中的应用
本章小结
习 题
第12章 智能计算机
12. 1 什么是智能计算机
12. 2 知识信息处理系统
12. 3 人工神经网络计算机
12. 3. 1 数字集成电路形式
12. 3. 2 模拟集成电路形式
12. 4 光计算机
12. 4. 1 空间光调制器
12. 4. 2 光互连
12. 4. 3 光全息存储与光计算机的研制
12. 5 生物计算机
本章小结
习 题
附录
参考文献
鄂公网安备 42010302001612号 