第1章 绪论
1.1 什么是人工智能
1.1.1 智能的概念
1.1.2 人工智能
1.2 人工智能的产生与发展
1.2.1 孕育期
1.2.2 形成期
1.2.3 发展期
1.3 人工智能的研究方法及基本内容
1.3.1 人工智能的研究方法
1.3.2 人工智能研究的基本内容
1.4 人工智能的研究领域
习题1
第2章 知识表示方法
2.1 概述
2.1.1 什么是知识
2.1.2 知识的特性
2.1.3 知识的分类
2.1.4 知识的表示
2.2 -阶谓词逻辑表示法
2.2.1 逻辑基础
2.2.2 谓词逻辑表示方法
2.2.3 一阶谓词逻辑表示法的特点
2.3 产生式表示法
2.3.1 产生式的基本形式
2.3.2 产生式表示知识的方法
2.3.3 产生式系统的组成
2.3.4 产生式系统的推理方式
2.3.5 产生式表示法的特点
2.4 语义网络表示法
2.4.1 语义网络
2.4.2 基本命题的语义网络表示
2.4.3 连接词在语义网络中的表示方法
2.4.4 变元和量词在语义网络中的表示方法
2.4.5 语义网络的推理过程
2.4.6 语义网络表示法的特征
2.5 框架表示法
2.5.1 框架的结构
2.5.2 框架举例
2.5.3 框架表示法的特点
2.6 其他表示方法
2.6.1 面向对象的表示法
2.6.2 过程表示法
习题2
第3章 确定性推理
3.1 推理的基本概念
3.1.1 什么叫推理
3.1.2 推理方式及其分类
3.1.3 推理的方向
3.1.4 冲突消解策略
3.2 推理的逻辑基础
3.2.1 谓词公式的解释
3.2.2 谓词公式的永真性与可满足性
3.2.3 谓词公式的等价性与永真蕴涵性
3.2.4 谓词公式的范式
3.2.5 置换与合
3.3 自然演绎推理
3.3.1 自然演绎推理的概念
3.3.2 利用演绎推理解决问题
3.3.3 演绎推理的特点
3.4 归结演绎推理
3.4.1 子句
3.4.2 Herbrand理论
3.4.3 鲁滨逊归结原理
3.4.4 归结策略
3.4.5 使用归结原理证明问题
3.4.6 用归结原理求解问题
3.5 基于规则的演绎推理
3.5.1 规则正向演绎推理
3.5.2 规则逆向演绎推理
习题3
第4章 不确定性推理
4.1 不确定性推理概述
4.1.1 不确定性推理的概念
4.1.2 不确定性推理方法的分类
4.1.3 不确定性推理中的基本问题
4.2 可信度方法
4.2.1 可信度概念
4.2.2 C-F模型
4.2.3 可信度方法应用举例
4.3 主观Bayes方法
4.3.1 基本Bayes公式
4.3.2 主观Bayes方法及其推理网络
4.3.3 知识不确定性的表示
4.3.4 证据不确定性的表示
4.3.5 不确定性的推理计算
4.3.6 结论不确定性的合成与更新算法
4.3.7 主观Bayes方法应用举例
4.4 证据理论
4.4.1 证据理论的形式化描述
4.4.2 证据理论的不确定性推理模型
4.4.3 推理示例
习题4
第5章 搜索策略
5.1 搜索的基本概念
5.1.1 搜索的概念
5.1.2 搜索的种类
5.2 状态空间搜索
s.2.1 状态空间法
5.2.2 状态空间盲目搜索法
5.2.3 启发式搜索法
5.3 问题归约法
5.3.1 问题归约描述
5.3.2 与或图表示
5.3.3 AO算法
习题5
第6章 机器学习
6.1 机器学习的概念
6.1.1 学习和机器学习
6.1.2 机器学习的发展过程
6.1.3 学习系统
6.1.4 机器学习的主要策略
6.2 记忆学习
6.3 归纳学习
6.3.1 示例学习
6.3.2 决策树学习
6.4 解释学习
6.4.1 解释学习概述
6.4.2 解释学习的基本原理
6.4.3 解释学习的基本过程
6.4.4 领域知识的完善性
6.5 基于案例的推理
6.5.1 CBR系统的特点
6.5.2 CBR系统的体系结构
6.5.3 学习方法
6.5.4 结论
6.6 案例推理在故障诊断系统中的应用
6.6.1 案例库的组织
6.6.2 案例检索策略
6.6.3 故障诊断流程
6.6.4 自行火炮发动机故障
诊断
习题6
第7章 专家系统
7.1 专家系统概述
7.1.1 专家系统的产生与发展
7.1.2 专家系统的定义
7.1.3 专家系统的种类
7.1.4 专家系统的特点
7.2 专家系统的结构
7.2.1 综合数据库
7.2.2 知识库
7.2.3 知识获取
7.2.4 推理机
7.2.5 解释器
7.2.6 人－机接口
7.3 专家系统的设计
7.3.1 开发专家系统的基本要求
……
第8章 分布式人工智能
第9章 人工生命
第10章 软件人
第11章 人工鱼
第12章 展望
参考文献
缺书网
扫码进群