人工智能技术与方法

第1章绪论
1.1人工智能的研究
1.1.1智能的含义
1.1.2人工智能的定义
1.1.3人工智能的研究方法
1.2人工智能的发展
1.2.1形成及第一个兴旺期(1956—1966)
1.2.2萧条波折期(1967—1974)
1.2.3第二个兴旺期(1975—1998)
1.3人工智能的研究与应用
第2章知识表示
2.1知识的基本概念
2.1.1知识的特性
2.1.2知识的分类
2.1.3知识的表示方法
2.2谓词逻辑表示
2.2.1命题逻辑
2.2.2谓词逻辑
2.3产生式表示
2.3.1产生式表示法
2.3.2产生式系统
2.3.3产生式系统的工作过程
2.3.4产生式系统的主要优缺点
2.4语义表示.
2.4.1语义网络
2.4.2常用语义联系
2.4.3语义网络求解问题的过程
2.4.4语义网络表示法的主要优点
2.5框架表示
2.5.1框架的组成结构
2.5.2常用的标准槽名
2.5.3框架系统中间题的求解
2.6脚本表示
第3章基本推理原理
3.1推理的基本概念
3.1.1什么是推理-
3.1.2推理方法及其分类
3.1.3推理的控制策略及其分类
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谓词公式的范式
3.2.4置换与合一
3.3自然演绎推理
3.4归结演绎推理
3.4.1子句集及其化简
3.4.2海伯伦理论
3.4.3鲁宾逊归结原理
第4章不确定推理
4.1不确定推理概述
4.1.1不确定推理的概念
4.1.2不确定推理的基本问题
4.1.3不确定性推理的方法
4.2确定性方法
4.2.1可信度的概念
4.2.2证据不确定性的表示
4.2.3知识不确定性的表示
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Bayes方法
4.3.1知识不确定性的表示
4.3.2证据不确定性的表示
4.3.3不确定性的传递算法
4.3.4举例
4.3.5主观Bayes方法的主要优缺点
4.4证据理论
4.4.1知识的不确定表示
4.4.2知识的不确定性的表示
4.4.3证据的不确定性的表示
4.4.4推理计算
4.4.5举例
4.4.6证据理论的主要优缺点
第5章搜索原理
5.1搜索原理概述
5.1.1搜索的概念
5.1.2搜索方法的分类
5.1.3状态空间.搜索空间和解路径
5.1.4搜索成本
5.2盲目搜索策略
5.2.1回溯策略
5.2.2图搜索策略
5.2.3深度优先搜索
5.2.4宽度优先搜索
5.2.5等代价搜索
5.3启发式搜索
5.3.1启发式搜索概述
5.3.2启发式搜索算法A
5.3.3爬山策略搜索
5.3.4启发式搜索算法A*
5.4博弈树搜索
5.4.1博弈树搜索的概念
5.4.2Gmndy博弈(完全取胜策略)
5.4.3极小极大分析法
5.4.4极小极大分析法实例
5.4.5关于棋局态势P的静态估计函数f(P)的进一步讨论
5.4.6α-β剪枝
5.4.7其他改进方法
第6章模糊逻辑与推理技术
6.1模糊逻辑
6.1.1基本概念
6.1.2模糊集合定义
6.1.3模糊集合表示方法
6.1.4模糊集合的运算
6.1.5隶属函数
6.1.6分解定理
6.2模糊规则与推理
6.2.1模糊语言
6.2.2模糊关系
6.2.3扩展原理
6.2.4模糊规则与推理
6.2.5模糊推理系统
6.2.6模糊控制器
第7章神经网络
7.1概述
7.1.1基本概念
7.1.2人工神经元
7.1.3神经网络结构与学习
7.1.4神经网络的发展
7.1.5神经网络的特点
7.2人工神经网络
7.2.1感知器
7.2.2自适应线性单元
7.2.3多层前向网络
7.2.5神经网络的应用
第8章进化计算
8.1绪论
8.1.1遗传与进化的概念
8.1.2遗传算法(GA)
8.2遗传算法基本原理
8.2.1遗传算法的基本内容
8.2.2适应度函数
8.2.3遗传算法的编码
8.2.4遗传算子
8.2.5模式理论
参考文献