人工智能原理與應用

第1章 緒論
1.1 人工智能的界定
1.1.1 什么是人工智能2
1.1.2 人工智能的研究目標4
1.1.3 人工智能中的通用問題求解方法5
1.2 人工智能的學科范疇8
1.2.1 人工智能的研究范疇8
1.2.2 人工智能技術的應用2
1.3 人工智能的研究方法5
1.3.1 人工智能研究的特點5
1.3.2 人工智能的研究途徑5
1.4 人工智能的發(fā)展簡史和趨勢8
1.4.1 人工智能的發(fā)展簡史8
1.4.2 人工智能發(fā)展趨勢22
1.5 本書的目標和范圍23
1.6 小結24
習題24
第2章 搜索技術25
2.1 引言25
2.2 通用問題求解方法26
2.2.1 寬度優(yōu)先搜索27
2.2.2 深度優(yōu)先搜索29
2.2.3 迭代加深搜索30
2.3 啟發(fā)式搜索32
2.3.1 啟發(fā)性信息和評估函數(shù)33
2.3.2 啟發(fā)式OR圖搜索算法33
2.4 問題歸約和ANDOR圖啟發(fā)式搜索45
2.4.1 問題歸約的描述45
2.4.2 ANDOR圖表示45
2.4.3 AO算法47
人工智能原理與應用
2.5 博弈52
2.5.1 極大極小過程53
2.5.2 αβ過程55
2.6 約束滿足搜索57
2.7 小結60
習題61
第3章 知識表示及邏輯推理63
3.1 概述63
3.1.1 知識和知識表示63
3.1.2 人工智能對知識表示方法的要求65
3.2 知識表示語言問題65
3.3 命題邏輯67
3.3.1 語法67
3.3.2 語義68
3.4 謂詞邏輯70
3.4.1 語法70
3.4.2 語義76
3.5 邏輯推理78
3.5.1 謂詞公式的等價性和永真蘊涵78
3.5.2 謂詞公式的有效性和可滿足性80
3.6 符號邏輯中的范式83
3.7 一階謂詞邏輯的應用84
3.8 小結86
習題87
第4章 歸結原理及其應用89
4.1 引言89
4.2 命題演算中的歸結〖WT〗〖ST〗90
4.2.1 歸結推理規(guī)則90
4.2.2 歸結反演91
4.2.3 命題邏輯歸結反演的合理性和完備性93
4.2.4 歸結反演的搜索策略93
4.3 謂詞演算中的歸結95
4.3.1 子句型95
4.3.2 置換和合一98
4.3.3 合一算法00
4.3.4 歸結式02
4.3.5 歸結反演03
4.3.6 答案的提取05
4.4 謂詞演算歸結反演的完備性和合理性08
4.4.1 Herbrand域08
4.4.2 Herbrand解釋09
4.4.3 語義樹10
4.4.4 Herbrand定理12
4.4.5 完備性和合理性14

目錄
4.5 邏輯程序設計原理17
4.5.1 邏輯程序定義17
4.5.2 Prolog數(shù)據(jù)結構和遞歸18
4.5.3 SLD歸結19
4.5.4 非邏輯成分：CUT21
4.5.5 其他邏輯程序設計語言23
4.6 小結24
習題24
第5章 缺省和非單調推理28
5.1 引言28
5.2 非單調推理29
5.3 封閉世界假設31
5.4 缺省推理33
5.5 限制理論37
5.6 非單調邏輯39
5.7 真值維護系統(tǒng)41
5.8 框架問題44
5.8.1 什么是框架問題45
5.8.2 框架問題的非單調解決方案49
5.9 小結54
習題55
第6章 不確定性推理57
6.1 概述57
6.1.1 什么是不確定推理57
6.1.2 不確定推理要解決的基本問題58
6.1.3 不確定性推理方法分類60
6.2 主觀Bayes方法61
6.2.1 全概率公式和Bayes公式61
6.2.2 主觀Bayes方法63
6.3 確定性理論71
6.3.1 建造醫(yī)學專家系統(tǒng)時的問題71
6.3.2 CF模型72
6.3.3 確定性方法的說明77
6.4 證據(jù)理論78
6.4.1 假設的不確定性78
6.4.2 證據(jù)的不確定性82
6.4.3 證據(jù)的組合函數(shù)82
6.4.4 規(guī)則的不確定性83
6.4.5 不確定性的傳遞83
6.4.6 不確定性的組合84
6.4.7 證據(jù)理論的特點86
6.5 模糊邏輯和模糊推理86
6.5.1 模糊集合及其運算86
6.5.2 模糊關系88
6.5.3 語言變量89
6.5.4 模糊邏輯89
6.5.5 模糊推理90
6.6 小結98
習題99
第7章 產(chǎn)生式系統(tǒng)201
7.1 概述201
7.2 產(chǎn)生式專家系統(tǒng)CLIPS203
7.2.1 產(chǎn)生式系統(tǒng)語言CLIPS203
7.2.2 CLIPS中知識的表示模式203
7.2.3 CLIPS運行207
7.3 產(chǎn)生式系統(tǒng)的匹配算法209
7.3.1 索引記數(shù)法210
7.3.2 Rete算法210
7.3.3 書寫規(guī)則時效率的考慮214
7.4 產(chǎn)生式系統(tǒng)的沖突消解策略216
7.5 元知識217
7.5.1 什么是元知識217
7.5.2 元知識的作用218
7.5.3 元知識的使用模式219
7.6 產(chǎn)生式系統(tǒng)的推理方向220
7.7 產(chǎn)生式系統(tǒng)的類型222
7.8 產(chǎn)生式系統(tǒng)的特點223
7.9 小結224
習題224
第8章 知識的結構化表示226
8.1 引言226
8.2 語義網(wǎng)絡227
8.2.1 語義網(wǎng)絡的基本概念227
8.2.2 基本事實的表示228
8.2.3 表示情況和動作230
8.2.4 多元語義網(wǎng)絡的表示231
8.2.5 連接詞與量詞的表示231
8.2.6 語義網(wǎng)絡的推理過程234
8.2.7 語義網(wǎng)絡表示方法的特點238
8.3 框架239
8.3.1 框架理論239
8.3.2 框架240
8.3.3 框架系統(tǒng)243
8.3.4 框架中預先定義的槽245
8.3.5 框架中的推理247
8.3.6 框架表示方法的特點249
8.3.7 框架系統(tǒng)、語義網(wǎng)絡、面向對象知識表示的比較250
8.4 Petri網(wǎng)251
8.5 概念依賴253
8.6 腳本255
8.7 小結256
習題257
第9章 專家系統(tǒng)259
9.1 專家系統(tǒng)概述〖ST〗〖WT〗259
9.1.1 什么是專家系統(tǒng)259
9.1.2 專家系統(tǒng)的結構260
9.2 問題求解組織結構263
9.2.1 議程表263
9.2.2 問題求解的黑板模型264
9.2.3 面向對象的問題組織結構266
9.3 知識獲取266
9.3.1 知識獲取的手工方法266
9.3.2 知識獲取的機器學習方法269
9.4 有效性、驗證和維護問題269
9.4.1 專家系統(tǒng)的有效性270
9.4.2 知識庫的驗證272
9.4.3 知識庫的維護275
9.5 專家系統(tǒng)開發(fā)工具276
9.6 小結278
習題279
第10章 機器學習280
10.1 機器學習的概念和方法280
10.1.1 什么是機器學習280
10.1.2 機器學習研究概況281
10.1.3 機器學習研究方法282
10.2 歸納學習〖WT〗〖ST〗285
10.2.1 歸納學習的基本概念285
10.2.2 版本空間學習287
10.2.3 基于決策樹的歸納學習方法289
10.2.4 Induce算法292
10.3 其他學習方法〖WT〗〖ST〗294
10.3.1 類比學習294
10.3.2 解釋學習295
10.4 加強學習297
10.5 歸納邏輯程序設計學習300
10.6 基于范例的學習301
10.6.1 CBR的過程模型302
10.6.2 范例的表示和索引303
10.6.3 范例的推理304
10.6.4 范例的學習306
10.7 小結306
習題307
第11章 人工神經(jīng)網(wǎng)絡理論309
11.1 概述309
11.1.1 基本的神經(jīng)網(wǎng)絡模型309
11.1.2 神經(jīng)網(wǎng)絡的學習方法310
11.2 人工神經(jīng)元及感知機模型〖WT〗〖ST〗311
11.2.1 基本神經(jīng)元311
11.2.2 感知機模型312
11.3 前饋神經(jīng)網(wǎng)絡〖WT〗〖ST〗313
11.3.1 前饋神經(jīng)網(wǎng)絡模型313
11.3.2 多層前饋神經(jīng)網(wǎng)絡的誤差反向傳播（BP）算法314
11.3.3 BP算法的若干改進316
11.4 反饋神經(jīng)網(wǎng)絡317
11.4.1 離散Hopfield網(wǎng)絡317
11.4.2 連續(xù)Hopfield網(wǎng)絡322
11.4.3 Hopfield網(wǎng)絡應用323
11.4.4 雙向聯(lián)想記憶(BAM)模型324
11.5 隨機神經(jīng)網(wǎng)絡325
11.5.1 模擬退火算法325
11.5.2 玻爾茲曼機327
11.6 自組織特征映射神經(jīng)網(wǎng)絡330
11.6.1 網(wǎng)絡的拓撲結構330
11.6.2 網(wǎng)絡自組織算法331
11.6.3 有教師學習332
11.7 小結332
習題332
第12章 統(tǒng)計學習理論與支持向量機334
12.1 統(tǒng)計學習理論334
12.1.1 機器學習的表示334
12.1.2 學習過程一致性的條件335
12.1.3 VC維理論337
12.1.4 推廣性的界337
12.1.5 結構風險最小化338
12.2 支持向量機339
12.2.1 最優(yōu)分類超平面340
12.2.2 廣義最優(yōu)分類超平面341
12.2.3 支持向量機342
12.2.4 核函數(shù)343
12.2.5 SVM的算法及多類SVM344
12.2.6 〖WTBX〗ε〖WTBZ〗不敏感損失函數(shù)345
12.2.7 用于非線性回歸的支持向量機346
12.2.8 SVM的應用研究348
12.3 小結348
習題349
第13章 遺傳算法350
13.1 簡介350
13.2 遺傳算法的歷史351
13.3 遺傳算法的研究內容和取得的進展353
13.4 遺傳算法的描述353
13.5 遺傳算法的特點357
13.6 遺傳算法的馬爾柯夫鏈分析359
13.6.1 概率意義下的收斂359
13.6.2 有限Markov鏈的預備知識359
13.6.3 Markov鏈的分析方法回顧360
13.6.4 GA的收斂性分析361
13.7 遺傳算法的研究展望362
13.8 小結364
習題364
第14章 智能Agent365
14.1 引言365
14.2 分布式人工智能366
14.2.1 分布式問題求解367
14.2.2 多Agent系統(tǒng)369
14.3 Agent與智能Agent369
14.3.1 什么是Agent370
14.3.2 什么是智能Agent371
14.3.3 Agent、專家系統(tǒng)與對象373
14.3.4 智能〖WTBZ〗Agent的抽象結構374
14.4 模態(tài)邏輯375
14.4.1 可能世界模型376
14.4.2 模態(tài)邏輯377
14.5 知道和信念邏輯381
14.5.1 知道和信念邏輯381
14.5.2 公共和分布式知識383
14.5.3 自認知邏輯384
14.6 邏輯萬能問題388
14.6.1 演繹規(guī)則的不完全性方法389
14.6.2 隱式和顯式信念391
14.7 理性Agent模型393
14.7.1 Cohen和Levesque的理性邏輯396
14.7.2 Rao和Georgeff的BDI邏輯399
14.7.3 KARO框架402
14.8 Agent結構403
14.8.1 基于邏輯的Agent404
14.8.2 反應Agent406
14.8.3 BDI Agent408
14.8.4 層次Agent410
14.9 小結412
習題412
第15章 多Agent系統(tǒng)414
15.1 引言414
15.2 Agent通信415
15.2.1 通信與DAI415
15.2.2 通信的層次417
15.2.3 言語動作417
15.2.4 知識查詢處理語言KQML421
15.2.5 Agent通信語言ACL425
15.2.6 Agent通信與對話427
15.2.7 Agent通信與WWW429
15.3 協(xié)調與合作429
15.3.1 協(xié)調430
15.3.2 合作434
15.3.3 協(xié)商435
15.3.4 市場機制438
15.4 Agent的社會性439
15.4.1 識別(Recognition)439
15.4.2 團隊形成441
15.4.3 規(guī)劃形成442
15.4.4 團隊行動443
15.5 小結443
習題444
第16章 自然語言理解445
16.1 自然語言理解的一般問題445
16.1.1 自然語言理解的概念及意義445
16.1.2 自然語言理解研究的發(fā)展446
16.1.3 自然語言理解的層次448
16.2 詞法分析449
16.3 句法分析450
16.3.1 短語結構語法和Chomsky語法體系450
16.3.2 句法分析樹452
16.3.3 轉移網(wǎng)絡453
16.3.4 轉移網(wǎng)絡的神經(jīng)網(wǎng)絡實現(xiàn)455
16.3.5 擴充轉移網(wǎng)絡456
16.4 語義分析459
16.4.1 語義文法459
16.4.2 格文法460
16.5 大規(guī)模真實文本的處理〖WT〗〖ST〗461
16.5.1 語料庫語言學及其特點461
16.5.2 統(tǒng)計學方法的應用及所面臨的問題464
16.5.3 漢語語料庫加工的基本方法465
16.6 對話和語用分析468
16.7 小結469
習題469
參考文獻470