人工智能实用教程：同等学历申请硕士学位综合考试课程指导

第一章绪论                  
 l. l  人工智能的诞生及发展                  
 1. 2  人工智能的定义                  
 1. 3  人工智能研究的方法及途径                  
 1. 3. l  人工智能研究的各种学派及其理论                  
 1. 3. 2  实现人工智能的技术路线                  
 1. 4  人工智能的研究及应用领域                  
 1. 4. l  问题求解                  
 l. 4. 2  机器学习                  
 1. 4. 3  专家系统                  
 1. 4. 4  模式识别                  
 1. 4. 5  自动定理证明                  
 1. 4. 6  自动程序设计                  
 1. 4. 7  自然语言理解                  
 l. 4. 8  机器人学                  
 l. 4. 9  人工神经网络                  
 1. 4. 10  智能检索                  
 习题一                  
 第二章  知识表示方法                  
 2. l  概述                  
 2. 1. l  知识. 信息和数据                  
 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  一阶谓词逻辑表示法                  
 2. 2. l  知识的谓词逻辑表示法                  
 2. 2. 2  用谓词公式表示知识的步骤                  
 2. 2. 3  谓词公式表示知识的举例                  
 2. 2. 4  一阶谓词逻辑表示法的特点                  
 2. 3  产生式表示法                  
 2. 3. l  产生式可表示的知识种类及其基本形式                  
 2. 3. 2  知识的表示方法                  
 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  语义网络表示活                  
 2. 4. l  语义网络的概念及其结构                  
 2. 4. 2  语义网络表示知识的方法及步骤                  
 2. 4. 3  语义网络表示知识举例                  
 2. 4. 4  语义网络中常用的语义联系                  
 2. 4. 5  语义网络表示下的推理过程                  
 2. 4. 6  语义网络表示活的特点                  
 2. 5  框架表示法                  
 2. 5. l  框架理论                  
 2. 5. 2  框架的定义及组成                  
 2. 5. 3  用框架表示知识的步骤                  
 2. 5. 4  框架举例                  
 2. 5. 5  框架表示下的推理方法                  
 2. 5. 6  框架表示法的特点                  
 2. 6  面向对象的表示法                  
 2. 6. l  面向对象的基本概念                  
 2. 6. 2  表示知识的方法                  
 2. 7  状态空间表示法                  
 2. 7. l  问题状态空间的构成                  
 2. 7. 2  用状态空间表示问题的步骤                  
 2. 7. 3  利用状态空间求解问题的过程                  
 习题二                  
 第三章  归结推理方法                  
 3. l  命题逻辑                  
 3. 1. l  命题                  
 3. l. 2  命题公式                  
 3. 2  谓词逻辑                  
 3. 2. l  谓词与个体                  
 3. 2. 2  谓词公式                  
 3. 2. 3  谓词公式的永真性和可满足性                  
 3. 2. 4  谓词公式的等价性与永真蕴含                  
 3. 2. 5  置换与合一                  
 3. 3  归结推理方法                  
 3. 3. 1  谓词公式与子勾集                  
 3. 3. 2  Herbrand理论                  
 3. 3. 3  归结原理                  
 3. 3. 4  利用归结原理进行定理证明                  
 3. 3. 5  应用归结原理进行问题求解                  
 3. 4  归结过程的控制策略                  
 3. 4. l  引入控制策略                  
 3. 4. 2  归结控制策略及其应用举例                  
 习题三                  
 第四章  不确定推理方法                  
 4. l  不确定推理概述                  
 4. 1. l  不确定推理的概念                  
 4. 1. 2  不确定推理方法的分类                  
 4. 1. 3  不确定推理中的基本问题                  
 4. 2  可信度方法                  
 4. 2. 1  可信度的概念                  
 4. 2. 2  知识不确定性的表示                  
 4. 2. 3  证据不确定性的表示                  
 4. 2. 4  不确定性的推理计算                  
 4. 2. 5  可信度方法应用举例                  
 4. 3  主观Buyes方法                  
 4. 3. l  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  D-S理论的数学基础                  
 4. 4. 2  特定概率分配函数                  
 4. 4. 3  基于特定概率分配函数的不确定性推理模型                  
 4. 4. 4  证据理论解题举例                  
 习题四                  
 第五章  状态空间搜索策略                  
 5. l  搜索的概念及种类                  
 5. 1. l  搜索的概念                  
 5. 1. 2  搜索的种类                  
 5. 2  盲目搜索策略                  
 5. 2. 1  状态空间图的搜索策略                  
 5. 2. 2  宽度优先搜索策略                  
 5. 2. 3  深度优先搜索                  
 5. 2. 4  有界深度优先搜索                  
 5. 2. 5  代价树的宽度优先搜索                  
 5. 2. 6  代价树的深度优先搜索                  
 5. 3  启发式搜索策略                  
 5. 3. l  启发信息与估价函数                  
 5. 3. 2  最佳优先搜索                  
 5. 3. 3  A*算法                  
 习题五                  
 第六章  机器学习                  
 6. l  概述                  
 6. 1. l  什么是机器学习                  
 6. 1. 2  研究机器学习的意义                  
 6. 1. 3  机器学习的发展史                  
 6. 1. 4  机器学习的主要策略及研究现状                  
 6. 2  机器学习系统的基本模型                  
 6. 2. 1  环境                  
 6. 2. 2  学习环节                  
 6. 2. 3  知识库                  
 6. 2. 4  执行环节                  
 6. 3  机器学习的传统学习方法                  
 6. 3. 1  机械学习                  
 6. 3. 2  传授式学习                  
 6. 3. 3  类比学习                  
 6. 3. 4  归纳学习                  
 6. 3. 5  基于解释的学习                  
 6. 4  基于神经网络的学习                  
 6. 4. l  神经网络的基本概念及组成特性                  
 6. 4. 2  基于反向传播网络模型的学习                  
 6. 4. 3  基于Hopfield网络模型的学习                  
 习题六                  
 第六章  自然语言理解                  
 7. 1  自然语言及其理解                  
 7. 1. l  自然语言及其构成                  
 7. 1. 2  自然语言理解                  
 7. 1. 3  自然语言理解研究的进展                  
 7. 1. 4  自然语言理解过程的层次                  
 7. 2  词法分析                  
 7. 3  句法分析                  
 7. 3. l  短语结构语法理论与乔姆斯基语法体系                  
 7. 3. 2  递归转移网络与扩充转移网络                  
 7. 3. 3  词汇功能语法                  
 7. 3. 4  自动句法分析算法                  
 7. 4  语义分析                  
 7. 5  大规模真实文本的处理                  
 7. 5. l  语料库语言学的崛起                  
 7. 5. 2  语料库语言学的特点及研究对象                  
 7. 5. 3  汉语语料库加工的基本方法                  
 7. 5. 4  统计学方法的应用及所面临的问题                  
 习题七                  
 附录一  同等学历人员申请硕士学位《计算机科学与技术》综合                  
 一. 考试大纲                  
 二. 复习指南                  
 三. 思考题                  
 四. 考试样卷                  
 五. 参考书目                  
 附录二  《计算机科学与技术》综合考试真题                  
 1999年《计算机科学与技术》综合考试真题                  
 2000年《计算机科学与技术》综合考试真题                  
 2001年《计算机科学与技术》综合考试真题                  
 参考文献