人工智能技術及應用

     目 錄
   第一章 緒論
    1.1人工智能的基本概念
    1.1.1人工智能的定義
    1.1.2基本假設
    1.1.3人工智能技術
    1.2計算機輔助工程
    1.2.1CAD
    1.2.2集成的概念
    1.2.3決策支持系統(tǒng)（DecisionSupportSystem，簡稱DSS）
    1.3人工智能與專家系統(tǒng)
    1.4關于思維的研究
   第二章 知識表示與利用
    2.1知識的主要表示方法
    2.1.1基于規(guī)則的方法
    2.1.2框架（frame）
    2.1.3面向對象的知識表示
    2.2知識的利用
    2.2.1以知識推理
    2.2.2正向鏈與逆向鏈
    2.2.3問題求解搜索
    2.3邏輯
    2.3.1形式邏輯
    2.3.2邏輯句子的成分
    2.3.3謂詞邏輯中的事實和規(guī)則
    2.4不確定性知識
    2.4.1非精確性（Inexactness）
    2.4.2概率
    2.4.3模糊邏輯
    2.4.4確定性系數(shù)
   第三章 推理過程
    3.1推理的一個直觀比擬
    3.2逆向鏈推理
    3.2.1逆向鏈算法
    3.2.2回溯與終止
    3.2.3反置回溯
    3.3正向鏈推理
    3.3.1推理原理
    3.3.2沖突解決
    3.3.3證明正向規(guī)則
    3.3.4正向鏈算法
    3.4貝葉斯推理
    3.5非精確推理
    3.6半精確推理
    3.7人工智能中推理的發(fā)展
    3.7.1演繹推理
    3.7.2非演繹推理
    3.7.3定性推理
   第四章 數(shù)據(jù)結構和電子數(shù)據(jù)表
    4.1基本概念
    4.1.1信息的三個領域
    4.1.2數(shù)據(jù)的邏輯描述和物理描述
    4.1.3實體間的關系
    4.2數(shù)據(jù)的邏輯結構
    4.2.1層次模型
    4.2.2網(wǎng)絡模型
    4.2.3關系模型
    4.2.4面向對象的數(shù)據(jù)模型
    4.3電子數(shù)據(jù)表
    4.3.1什么是電子數(shù)據(jù)表？
    4.3.2Excel的功能
    4.3.3Excel的基本操作
    4.3.4Excel中的數(shù)據(jù)庫
    4.4用電子數(shù)據(jù)表解板的彎曲問題
    4.4.1求解策略
    4.4.2有限差分運算模型
    4.4.3三角形分布荷載作用下板彎曲問題的求解
   第五章 模糊集理論基礎
    5.1隸屬度的概念
    5.2集合論基本知識
    5.2.1經典集合論
    5.2.2模糊集合論
    5.2.3模糊集運算
    5.3分解定理和擴展原理
    5.3.1分解定理
    5.3.2擴展原理
    5.4模糊關系及其分類
    5.5確定隸屬函數(shù)的方法
    5.6模糊推理
   第六章 專家系統(tǒng)的基本原理與應用
    6.1專家系統(tǒng)的定義和類型
    6.1.1專家系統(tǒng)的定義
    6.1.2專家系統(tǒng)的類型
    6.2專家系統(tǒng)的結構與工作原理
    6.3專家系統(tǒng)與傳統(tǒng)程序的差別
    6.4建立專家系統(tǒng)
    6.4.1適于專家系統(tǒng)求解的問題
    6.4.2建立專家系統(tǒng)的步驟
    6.5專家系統(tǒng)開發(fā)工具INSIGHT2＋
    6.5.1INSIGHT2＋的結構和菜單
    6.5.2產生式規(guī)則語言PRL概要
    6.5.3一個簡單知識庫的演示
    6.6房屋震害評估專家系統(tǒng)的建立
    6.6.1信息的獲取
    6.6.2知識庫的構造
    6.6.3系統(tǒng)的調試與檢驗
    6.7專家系統(tǒng)模糊推理的實現(xiàn)
    6.7.1知識模糊性的表示
    6.7.2模糊評判的面向對象程序設計
    6.7.3模糊推理的執(zhí)行
   第七章 人工神經網(wǎng)絡
    7.1關于人工神經網(wǎng)絡的幾個問題
    7.1.1什么是神經網(wǎng)絡？
    7.1.2神經元計算與人工智能傳統(tǒng)計算有什么不同？
    7.1.3人工神經網(wǎng)絡用在什么地方？
    7.2人工神經網(wǎng)絡的類型
    7.2.1神經元變換函數(shù)的類型
    7.2.2人工神經網(wǎng)絡的結構
    7.2.3按學習算法分類
    7.3人工神經網(wǎng)絡的開發(fā)過程
    7.4反向傳播（BP）神經網(wǎng)絡模型
    7.4.1反向傳播（BP）模型
    7.4.2反向傳播局部誤差
    7.4.3總誤差函數(shù)
    7.4.4標準的BP算法
    7.4.5BP算法的改進
    7.5聯(lián)想記憶（Hopfield）神經網(wǎng)絡模型
    7.5.1聯(lián)想記憶的基本原理
    7.5.2Hopfield網(wǎng)絡的結構和運行方式
    7.5.3網(wǎng)絡的能量函數(shù)
    7.5.4網(wǎng)絡基本學習規(guī)則和聯(lián)想特性
    7.6人工神經網(wǎng)絡專家系統(tǒng)
    7.6.1人工神經網(wǎng)絡與專家系統(tǒng)的比較
    7.6.2人工神經網(wǎng)絡專家系統(tǒng)的模型
    7.6.3人工神經網(wǎng)絡專家系統(tǒng)的結構
    7.6.4神經網(wǎng)絡專家系統(tǒng)的知識表示和獲取
    7.7人工神經網(wǎng)絡在土木工程中的應用
    7.7.1用人工神經網(wǎng)絡診斷結構的地震損壞
    7.7.2用人工神經網(wǎng)絡預測城市地震火災損失
   第八章 面向對象編程語言Smalltalk
    8.1面向對象的概念
    8.1.1兩個O的含意
    8.1.2O－O的設計思想
    8.2對象與類
    8.2.1對象
    8.2.2類
    8.3消息和方法
    8.4Smalltalk/V軟件入門
    8.4.1系統(tǒng)的使用
    8.4.2系統(tǒng)與外部的交互
    8.4.3Smalltalk/V的主要語言要素
    8.4.4創(chuàng)建窗口
    8.5Smalltalk/V的數(shù)值方法
    8.5.1矩陣類Matrix
    8.5.2類Matrix的應用
    8.6基于面向對象專家系統(tǒng)的構造
    8.6.1基本考慮
    8.6.2層次式模塊化結構
    8.6.3推理控制機制
    8.7面向對象神經網(wǎng)絡
    8.7.1程序設計思想
    8.7.2神經網(wǎng)絡類的定義和相應的方法
   附錄A 幾何圖形的面向對象表示
    A.1點的表示
    A.1.1平面點類Point
    A.1.2空間點類Point3D
    A.2圖形變換技術
    A.2.1實現(xiàn)平移、伸縮（比例）、旋轉的方法
    A.2.2空間線性變換
    A.3中心投影
    A.4基本幾何圖形
    A.4.1直線的表示
    A.4.2三維曲線
    A.4.3三維曲面
    參考文獻