人工智能及应用

第1章绪论1
1.1人工智能的基本概念1
1.1.1智能的概念1
1.1.2现代人工智能的兴起3
1.1.3人工智能的定义3
1.1.4其他相关的概念4
1.1.5图灵测试和中文房间问题5
1.2人工智能的发展历程9
1.2.1孕育期(1956年之前)9
1.2.2形成期(1956—1969年)10
1.2.3发展期(1970年之后)11
1.3人工智能的研究目标13
1.4人工智能的学术流派14
1.4.1符号主义、连接主义与行为主义14
1.4.2传统人工智能与现场人工智能15
1.4.3弱人工智能与强人工智能16
1.4.4简约与粗陋16
1.5人工智能的研究和应用领域17
1.5.1专家系统18
1.5.2自然语言理解19
1.5.3机器学习20
1.5.4分布式人工智能20
1.5.5人工神经网络21
1.5.6自动定理证明22
1.5.7博弈23
1.5.8机器人学23
1.5.9模式识别24
1.5.10自动程序设计24
1.5.11智能控制25
1.5.12智能决策支持系统25
1.5.13智能电网26
本章小结26
习题27第2章知识表示28
2.1概述28
2.1.1知识概述28
2.1.2知识的性质29
2.1.3知识的分类30
2.1.4知识表示32
2.1.5知识表示观33
2.2一阶谓词逻辑表示法36
2.2.1一阶谓词逻辑表示法的逻辑基础36
2.2.2一阶谓词逻辑表示知识的步骤38
2.2.3一阶谓词逻辑表示法的特点40
2.3产生式表示法41
2.3.1产生式表示的方法42
2.3.2产生式系统的基本结构43
2.3.3产生式系统的推理方式45
2.3.4产生式表示法的特点48
2.4语义网络表示法48
2.4.1语义基元48
2.4.2基本语义关系49
2.4.3关系的表示51
2.4.4情况、动作和事件的表示53
2.4.5谓词连接词的表示53
2.4.6量词的表示54
2.4.7基于语义网络的推理55
2.4.8语义网络表示法的特点57
2.5框架表示法57
2.5.1框架的一般结构58
2.5.2框架系统61
2.5.3基于框架的推理61
2.5.4框架表示法的特点63
2.6脚本表示法63
2.6.1概念依赖理论63
2.6.2脚本表示方法64
2.6.3脚本表示法的特点66
2.7过程表示法66
2.7.1陈述性知识表示与过程性知识表示66
2.7.2过程知识表示方法67
2.7.3过程表示的问题求解过程67
2.7.4过程表示的特点68
2.8Petri网表示法69
2.8.1表示知识的方法69
2.8.2Petri网表示法的特点71
本章小结72
习题72第3章搜索策略74
3.1概述74
3.1.1搜索概述74
3.1.2搜索的主要过程75
3.1.3搜索策略的分类75
3.1.4搜索的方向75
3.1.5主要的搜索策略76
3.2状态空间知识表示方法76
3.2.1状态空间表示法77
3.2.2状态空间图79
3.3状态空间的盲目搜索81
3.3.1回溯策略82
3.3.2一般的图搜索策略88
3.3.3深度优先搜索策略92
3.3.4宽度优先搜索策略95
3.4状态空间的启发式搜索98
3.4.1启发性信息与评价函数99
3.4.2A算法101
3.4.3分支界限法104
3.4.4动态规划法107
3.4.5爬山法108
3.4.6A算法109
3.5与/或图搜索117
3.5.1与/或图表示法117
3.5.2与/或图的搜索策略121
3.5.3与/或树的搜索策略125
3.6博弈树搜索131
3.6.1博弈概述131
3.6.2Grundy博弈132
3.6.3极大极小搜索法133
3.6.4α-β剪枝方法134
本章小结136
习题137第4章逻辑推理140
4.1概述140
4.1.1推理和推理方法140
4.1.2推理控制策略140
4.1.3经典逻辑推理141
4.2命题逻辑142
4.2.1命题公式的解释143
4.2.2等价式143
4.2.3范式144
4.2.4命题逻辑的推理规则145
4.2.5命题逻辑的归结方法147
4.3谓词逻辑151
4.3.1谓词公式的解释151
4.3.2谓词等价公式与范式152
4.3.3谓词逻辑的推理规则155
4.3.4谓词逻辑的归结方法156
4.4非单调逻辑164
4.4.1非单调推理164
4.4.2封闭世界假设、限制和*小模型165
4.4.3默认逻辑167
4.4.4溯因推理168
4.4.5真值维护系统169
4.5多值逻辑和模糊逻辑170
本章小结172
习题172第5章不确定性推理175
5.1概述175
5.1.1不确定性推理概述175
5.1.2不确定性的表现176
5.1.3不确定性推理要解决的基本问题177
5.1.4不确定性推理方法的分类179
5.2确定性理论179
5.2.1可信度的基本概念180
5.2.2表示问题180
5.2.3计算问题183
5.2.4带有阈值限度的不确定性推理185
5.2.5带有权重的不确定性推理187
5.2.6确定性理论的特点188
5.3主观Bayes方法188
5.3.1证据不确定性的表示188
5.3.2知识不确定性的表示189
5.3.3组合证据的不确定性191
5.3.4结论不确定性的更新192
5.3.5结论不确定性的合成193
5.3.6主观Bayes方法的特点195
5.4证据理论195
5.4.1D\\|S理论195
5.4.2一个特殊的概率分配函数200
5.4.3表示问题203
5.4.4计算问题203
5.4.5证据理论的特点206
5.5贝叶斯网络206
5.5.1贝叶斯网络概述207