前言
第1章 緒論1
1.1 什么是人工智能1
1.1.1 人工智能的定義1
1.1.2 人工智能研究的特點(diǎn)3
1.2 人工智能發(fā)展簡史3
1.3 人工智能的研究方法7
1.3.1 符號主義7
1.3.2 連接主義8
1.3.3 行為主義9
1.4 人工智能的應(yīng)用領(lǐng)域10
1.5 本章小結(jié)14
1.6 思考與練習(xí)14
第2章 知識表示15
2.1 概述15
2.2 一階謂詞邏輯表示法15
2.2.1 命題邏輯16
2.2.2 謂詞邏輯16
2.3 產(chǎn)生式表示法21
2.3.1 產(chǎn)生式21
2.3.2 產(chǎn)生式系統(tǒng)的組成22
2.3.3 產(chǎn)生式系統(tǒng)的基本過程24
2.4 語義網(wǎng)絡(luò)表示法29
2.4.1 語義網(wǎng)絡(luò)30
2.4.2 語義網(wǎng)絡(luò)的推理及其特點(diǎn)34
2.5 框架表示法35
2.5.1 框架結(jié)構(gòu)35
2.5.2 框架表示法及其特點(diǎn)37
2.6 本章小結(jié)39
2.7 思考與練習(xí)39
第3章 搜索策略40
3.1 概述40
3.2 問題求解過程的形式表示41
3.2.1 狀態(tài)空間表示法41
3.2.2 與或樹表示法43
3.3 狀態(tài)空間圖的盲目搜索策略46
3.3.1 廣度優(yōu)先搜索策略46
3.3.2 深度優(yōu)先搜索策略48
3.4 狀態(tài)空間圖的啟發(fā)式搜索策略50
3.4.1 估價(jià)函數(shù)與擇優(yōu)搜索51
3.4.2 啟發(fā)式搜索A算法52
3.4.3 A*算法54
3.5 與或樹的搜索策略57
3.5.1 與或樹的盲目搜索策略57
3.5.2 與或樹的啟發(fā)式搜索策略60
3.5.3 博弈樹的啟發(fā)式搜索策略63
3.6 本章小結(jié)67
3.7 思考與練習(xí)67
第4章 確定性推理68
4.1 自然演繹推理68
4.2 歸結(jié)演繹推理69
4.2.1 子句集69
4.2.2 海伯倫定理71
4.2.3 魯濱遜歸結(jié)原理73
4.2.4 歸結(jié)反演75
4.3 與或型的演繹推理76
4.3.1 與或型的正向演繹推理76
4.3.2 與或型的逆向演繹推理80
4.3.3 與或型的雙向演繹推理82
4.4 本章小結(jié)83
4.5 思考與練習(xí)83
第5章 不確定性推理85
5.1 不確定性推理概述85
5.1.1 不確定性及其類型85
5.1.2 不確定性推理要解決的基本問題86
5.1.3 不確定性推理方法分類87
5.2 主觀貝葉斯方法88
5.2.1 不確定性推理的概率基礎(chǔ)88
5.2.2 不確定性的表示89
5.2.3 不確定性的傳遞算法90
5.3 證據(jù)理論91
5.3.1 D-S理論92
5.3.2 基于證據(jù)理論的不確定性推理93
5.4 模糊推理95
5.4.1 模糊理論95
5.4.2 模糊推理相關(guān)概念97
5.5 粗糙集理論99
5.5.1 粗糙集理論的基本概念99
5.5.2 粗糙集在知識發(fā)現(xiàn)中的應(yīng)用102
5.6 本章小結(jié)105
5.7 思考與練習(xí)105
第6章 機(jī)器學(xué)習(xí)107
6.1 機(jī)器學(xué)習(xí)概述107
6.1.1 機(jī)器學(xué)習(xí)的基本概念107
6.1.2 機(jī)器學(xué)習(xí)發(fā)展歷程108
6.1.3 機(jī)器學(xué)習(xí)分類110
6.2 歸納學(xué)習(xí)110
6.2.1 歸納學(xué)習(xí)的基本概念110
6.2.2 歸納學(xué)習(xí)的分類111
6.2.3 歸納學(xué)習(xí)的方法113
6.3 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)116
6.3.1 簡介116
6.3.2 基于反向傳播網(wǎng)絡(luò)的學(xué)習(xí)118
6.3.3 基于Hopfield神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)121
6.4 深度學(xué)習(xí)125
6.4.1 簡介125
6.4.2 深度學(xué)習(xí)經(jīng)典模型126
6.5 強(qiáng)化學(xué)習(xí)128
6.5.1 簡介128
6.5.2 強(qiáng)化學(xué)習(xí)的經(jīng)典算法129
6.6 本章小結(jié)130
6.7 思考與練習(xí)131
第7章 專家系統(tǒng)132
7.1 專家系統(tǒng)概述132
7.1.1 專家系統(tǒng)的基本概念132
7.1.2 專家系統(tǒng)的發(fā)展歷程134
7.1.3 專家系統(tǒng)的基本結(jié)構(gòu)及工作
原理135
7.2 專家系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)137
7.2.1 專家系統(tǒng)的開發(fā)步驟137
7.2.2 需求分析138
7.2.3 知識獲取138
7.2.4 系統(tǒng)設(shè)計(jì)139
7.3 專家系統(tǒng)的開發(fā)工具與環(huán)境140
7.3.1 通用型知識表達(dá)語言140
7.3.2 骨架系統(tǒng)141
7.3.3 組合型開發(fā)工具142
7.4 新型專家系統(tǒng)研究143
7.4.1 分布式專家系統(tǒng)143
7.4.2 協(xié)同式專家系統(tǒng)144
7.4.3 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)145
7.4.4 基于互聯(lián)網(wǎng)的專家系統(tǒng)147
7.5 案例分析149
7.5.1 醫(yī)學(xué)專家系統(tǒng)150
7.5.2 動(dòng)物識別專家系統(tǒng)151
7.5.3 探礦專家系統(tǒng)152
7.6 本章小結(jié)154
7.7 思考與練習(xí)154
第8章 智能體與多智能體系統(tǒng)155
8.1 智能體與多智能體系統(tǒng)概述155
8.1.1 智能體與多智能系統(tǒng)的基本
概念155
8.1.2 智能體與多智能系統(tǒng)的特點(diǎn)156
8.2 智能體理論157
8.2.1 智能體的結(jié)構(gòu)157
8.2.2 智能體的分類157
8.3 多智能體系統(tǒng)160
8.3.1 多智能體系統(tǒng)的結(jié)構(gòu)160
8.3.2 多智能體系統(tǒng)的關(guān)鍵問題160
8.3.3 多智能體系統(tǒng)的應(yīng)用163
8.4 移動(dòng)智能體166
8.4.1 移動(dòng)智能體概述167
8.4.2 移動(dòng)智能體的技術(shù)難點(diǎn)168
8.5 案例分析169
8.5.1 火星移動(dòng)智能體170
8.5.2 供應(yīng)商評估方法171
8.6 本章小結(jié)172
8.7 思考與練習(xí)173
第9章 自然語言處理174
9.1 自然語言處理概述174
9.1.1 自然語言處理的基本概念174
9.1.2 自然語言處理的發(fā)展歷程175
9.2 自然語言處理的基礎(chǔ)研究內(nèi)容177
9.2.1 自然語言處理的層次177
9.2.2 詞法分析178
9.2.3 句法分析179
9.2.4 語義分析181
9.3 自然語言處理的應(yīng)用技術(shù)183
9.3.1 機(jī)器翻譯184
9.3.2 信息檢索186
9.3.3 問答系統(tǒng)188
9.4 案例分析190
9.4.1 自然語言自動(dòng)理解系統(tǒng)190
9.4.2 中文文本的詞頻統(tǒng)計(jì)191
9.5 本章小結(jié)192
9.6 思考與練習(xí)192
第10章 人工智能在一些領(lǐng)域的
研究193
10.1 機(jī)器人學(xué)193
10.1.1 機(jī)器人學(xué)概述193
10.1.2 機(jī)器人系統(tǒng)195
10.1.3 機(jī)器人的應(yīng)用與展望196
10.1.4 足球機(jī)器人案例分析198
10.2 智能規(guī)劃199
10.2.1 智能規(guī)劃概述199
10.2.2 智能規(guī)劃的應(yīng)用200
10.2.3 智能電網(wǎng)案例分析201
10.3 數(shù)據(jù)挖掘205
10.3.1 數(shù)據(jù)挖掘概述205
10.3.2 數(shù)據(jù)挖掘的常用技術(shù)與應(yīng)用207
10.3.3 數(shù)據(jù)挖掘在氣象預(yù)報(bào)研究中的
應(yīng)用208
10.4 本章小結(jié)210
10.5 思考與練習(xí)