人工智能基礎（高濟）

第一章 人工智能研究的發(fā)展和基本原則
1.1 人工智能的研究和應用
1.2 人工智能研究的發(fā)展
1.3 人工智能研究的成果
1.4 人工智能研究的基本原則
1.5 存在的問題和發(fā)展前景
習題
參考文獻
第二章 問題求解的基本方法
2.1 一般圖搜索
2.1.1 狀態(tài)空間搜索
2.1.2 啟發(fā)式搜索
2.1.3 狀態(tài)空間抽象和生成一測試法
2.1.4 啟發(fā)式搜索的適用性討論
2.2 問題歸約
2.2.1 問題歸約的描述
2.2.2 與或圖搜索
2.2.3 與或圖的啟發(fā)式搜索
2.3 基于歸結的演繹推理
2.3.1 謂詞演算
2.3.2 歸結演繹方法
2.3.3 歸結反演
2.4 基于規(guī)則的演繹推理
2.4.1 基于規(guī)則的正向演繹推理
2.4.2 基于規(guī)則的逆向演繹推理
2.4.3 演繹推理的應用討論
2.4.4 邏輯編程語言
本章小結
習題
參考文獻
第三章 知識表示
3.1 知識和知識表示
3.1.1 知識原則
3.1.2 知識表示的作用
3.1.3 知識表示的功能
3.1.4 知識表示的性能
3.1.5 基本的知識表示方式
3.2 產生式表示
3.2.1 產生式系統
3.2.2 控制策略
3.2.3 產生式系統的分類
3.3 結構化表示
3.3.1 語義網絡
3.3.2 框架表示法
3.3.3 面向對象的表示法
3.4 知識表示的實用化問題
3.4.1 程序性和陳述性知識
3.4.2 表示能力和推理效率之間的制約關系
本章小結
習題
參考文獻
第四章 基于知識的系統
4.1 KB系統的開發(fā)
4.1.1 KB系統的一般概念
4.1.2 KB系統的體系結構原則
4.1.3 KB系統的開發(fā)過程
4.1.4 KB系統的開發(fā)工具和環(huán)境
4.2 設計基于產生式表示的KB系統開發(fā)工具
4.2.1 總體設計
4.2.2 Xps的實現
4.2.3 應用實例——家族樹
4.2.4 性能改進
4.2.5 開發(fā)工具OPS5
4.3 專家系統實例——MYCIN
4.3.1 知識庫的構造
4.3.2 推理機的設計
4.3.3 系統服務設施
4.3.4 開發(fā)工具EMYCIN
4.4 問題求解的結構化組織
4.4.1 結構化組織的需求
4.4.2 事務表
4.4.3 黑板法
4.4.4 問題求解建模
4.4.5 新一代KB系統技術
本章小結
習題
參考文獻
第五章 自動規(guī)劃和配置
5.1 經典規(guī)劃技術
5.1.1 經典規(guī)劃技術的發(fā)展
5.1.2 規(guī)劃的基本概念
5.1.3 早期的自動規(guī)劃技術
5.1.4 部分排序規(guī)劃技術
5.2 自動規(guī)劃技術的新進展
.5.2.1 非經典規(guī)劃技術的開發(fā)
5.2.2 自動規(guī)劃技術的實用化
.5.2.3 智能的調度、規(guī)劃和項目管理
5.3 自動配置
5.3.1 配置的一般概念
5.3.2 自動配置的建模
5.3.3 XCON——計算機自動配置系統
本章小結
習題
參考文獻
第六章 機器學習
6.1 機器學習概論
6.1.1 機器學習的基本概念
6.1.2 機器學習的發(fā)展歷史
6.1.3 機器學習分類
6.2 示例學習
6.2.1 示例學習的基本策略
6.2.2 決策樹構造法ID3
6.3 基于解釋的學習
6.3.1 基于解釋的泛化(EBG）
6.3.2 基于解釋學習的若干基本問題
6.4 遺傳算法
6.4.1 簡單遺傳算法
6.4.2 分類系統
6.5 加強學習
6.5.1 加強學習的基本方法
6.5.2 Q學習
6.5.3 有關加強學習的進一步討論
6.6 基于范例的學習
6.6.1 基于范例推理的過程
6.6.2 應用實例：智能飼料配方系統ICIX
6.7 知識發(fā)現與數據挖掘
6.7.1 定理發(fā)現
6.7.2 數據挖掘
6.7.3 數據庫及網絡中的知識發(fā)現
本章小結
習題
參考文獻
第七章 非單調推理和軟計算
7.1 傳統邏輯系統的局限性
7.2 非單調推理
7.2.1 非單調推理簡介
7.2.2 非單調推理的形式化方法
7.2.3 真值維持系統
7.3 不確定推理
7.3.1 主觀Bayes方法
7.3.2 確定性方法
7.3.3 D—S證據理論
7.3.4 應用不確定推理的準則
7.4 模糊邏輯和模糊推理
7.4.1 模糊邏輯
7.4.2 模糊推理
7.4.3 模糊控制
7.5 神經網絡
7.5.1 神經元和神經網絡
7.5.2 面向映射變換的BP網
7.5.3 面向聯想記憶的神經網絡
7.5.4 神經網絡的實現技術
第八章 機器感知
8.1 視覺與視覺圖像
8.2 圖像特征提取
8.3 視覺模型與識別
8.4 自然語言理解
8.5 機器翻譯
本章小結
習題
參考文獻
第九章 Agent技術和信息基礎設施智能化
9.1 Agent技術的研究和發(fā)展
9.2 多Agent協作
9.3 Agent通信
9.4 信息基礎設施的智能化
本章小結
習題
參考文獻