第1章概述
1.1什么是人工智能
1.2为什么要研究人工智能
1.3人工智能的研究途径与方法
1.4人工智能技术的应用
1.5人工智能学科的发展概况
习题1
第2章逻辑程序设计语言Prolog
2.1Prolog基础
2.1.1Prolog的语句
2.1.2Prolog的程序
2.1.3Prolog程序的运行机理
2.2Turbo Prolog程序设计
2.2.1程序结构
2.2.2数据与表达式
2.2.3输入与输出
2.2.4分支与循环
2.2.5动态数据库
2.2.6表处理与递归
2.2.7回溯控制
2.2.8程序举例
2.3Visual Prolog语言简介
习题2
第3章基于图搜索的问题求解
3.1状态图搜索
3.1.1状态图
3.1.2状态图搜索
3.1.3穷举式搜索
3.1.4启发式搜索
3.1.5加权状态图搜索
3.1.6A算法和A*算法
3.1.7状态图搜索策略小结
3.2状态图搜索问题求解
3.2.1问题的状态图表示
3.2.2状态图问题求解程序举例
3.3与或图搜索
3.3.1与或图
3.3.2与或图搜索
3.3.3启发式与或树搜索
3.4与或图搜索问题求解
3.4.1问题的与或图表示
3.4.2与或图问题求解?序举例
3.5博弈树搜索
3.5.1博弈树的概念
3.5.2极小-极大分析法
3.5.3a-b剪枝技术
习题3
第4章基于遗传算法的随机优化搜索
4.1几个基本概念
4.2基本遗传算法
4.3遗传算法应用举例
4.4遗传算法的特点与优势
习题4
第5章知识表示与推理
5.1概述
5.1.1知识及其表示
5.1.2机器推理
5.2谓词公式及其推理
5.2.1一阶谓词逻辑简介
5.2.2自然语言命题的谓词公式表示与推理
5.2.3子句与归结演绎推理
5.3产生式规则及其推理
5.3.1产生式规则及其推理模式
5.3.2产生式系统
5.4几种结构化知识表示及其推理
5.4.1框架及其推理
5.4.2语义网络及其推理
5.4.3类与对象及其推理
5.5不确定性知识的表示与推理
5.5.1何为不确定性知识
5.5.2不确定性知识的表示及推理
5.5.3确定性理论简介
5.6不确切性知识的表示及推理
5.6.1何为不确切性知识
5.6.2不确切性知识的表示及推理
习题5
第6章机器学习与知识发现
6.1机器学习与知识发现的概念
6.1.1何为机器学习和知识发现
6.1.2机器学习的分类
6.2符号学习
6.2.1记忆学习
6.2.2示例学习
6.2.3决策树学习
6.3神经网络学习
6.3.1从生物神经元到人工神经元
6.3.2人工神经网络
6.3.3神经网络学习
6.3.4BP网络及其学习举例
6.4知识发现与数据挖掘
习题6
第7章专家系统
7.1什么是专家系统
7.2专家系统的结构
7.2.1概念结构
7.2.2实际结构
7.2.3黑板模型
7.2.4网络与分布式结构
7.3专家系统实例
7.4专家系统设计与实现
7.4.1一般步骤与方法
7.4.2知识获取
7.4.3知识表示与知识描述语言设计
7.4.4知识库与知识库管理系统设计
7.4.5推理机与解释机制设计
7.4.6系统结构设计
7.4.7人机界面设计
7.5开发工具与环境
7.5.1开发工具
7.5.2开发环境
习题7
第8章Agent系统
8.1什么是Agent
8.2Agent实例——Web Agent
8.3多Agent系统
8.4Agent的实现
8.5Agent技术的发展与应用
习题8
第9章智能机器人
9.1智能机器人的概念
9.2机器人感知
9.3机器人规划
9.4机器人控制
9.5机器人系统的软件结构
9.6机器人程序设计与语言
习题9
第10章智能化网络
10.1智能网
10.2网络的智能化管理与控制
10.3智能搜索引擎与网上信息的智能化检索
习题10
上机实习
实习一Prolog语言编程练习
实习二小型演绎数据库系统开发练习
实习三图搜索问题求解程序练习
实习四小型专家系统设计与实现
参考文献
缺书网
扫码进群