人工智能

第1章 人工智能概述
1.1 人工智能的定義和研究目標
1.1.1 人工智能的定義
1.1.2 人工智能的研究目標
1.2 人工智能研究的基本內(nèi)容及其特點
1.2.1 人工智能研究的基本內(nèi)容
1.2.2 人工智能研究的特點
1.3 人工智能的基本技術
1.3.1 推理技術
1.3.2 搜索技術
1.3.3 知識表示與知識庫技術
1.3.4 歸納技術
1.3.5 聯(lián)想技術
1.4 人工智能的發(fā)展史
1.4.1 孕育期（1９56年以前）
1.4.2 形成期（1９56-1９7０年）
1.4.3 知識應用期（2０世紀7０年代到８０年代末）
1.4.4 綜合集成期（2０世紀８０年代末至今）
1.5 人工智能的研究與應用領域
1.6 人工智能研究的不同學派及其爭論
1.6.1 人工智能的三大學派
1.6.2 人工智能理論的爭論
1.6.3 人工智能研究方法的爭論
1.7 人工智能進展
1.7.1 人工智能發(fā)展面臨的困難
1.7.2 人工智能與云計算
1.7.3 人工智能與物聯(lián)網(wǎng)
1.7.4 人工智能發(fā)展的新趨勢
習題一
第2章 知識表示
2.1 一階謂詞邏輯表示法
2.1.1 一階謂詞邏輯表示法
2.1.2 一階謂詞邏輯表示法的特點
2.1.3 一階謂詞表示法的應用舉例
2.2 產(chǎn)生式表示法
2.2.1 產(chǎn)生式與產(chǎn)生式系統(tǒng)
2.2.2 產(chǎn)生式系統(tǒng)的分類及其特點
2.2.3 產(chǎn)生式表示法應用舉例
2.3 框架表示
2.3.1 框架與框架網(wǎng)絡
2.3.2 框架的推理及其特點
2.4 語義網(wǎng)絡表示法
2.4.1 語義網(wǎng)絡
2.4.2 語義網(wǎng)絡的推理及其特點
2.5 面向?qū)ο蟊硎痉?br />2.5.1 面向?qū)ο蟮闹R表示
2.5.2 面向?qū)ο笾R表示法的特點
習題二
第3章 經(jīng)典邏輯推理
3.1 推理的基本概念
3.1.1 推理方式及其分類
3.1.2 推理的控制策略
3.1.3 模式匹配及其變量代換
3.2 自然演繹推理
3.3 歸結演繹推理
3.3.1 謂詞公式化為子句集的方法
3.3.2 海伯倫理論
3.3.3 魯賓遜歸結原理
3.3.4 歸結反演
3.3.5 基于歸結反演的問題求解
3.3.6 歸結反演策略
3.4 與／或形的演繹推理
3.4.1 與／或形的正向演繹推理
3.4.2 與／或形的逆向演繹推理
3.4.3 代換的一致性與剪枝策略
習題三
第4章 搜索策略
4.1 問題求解過程的形式表示
4.1.1 狀態(tài)空間表示法
4.1.2 與／或樹表示法
4.2 狀態(tài)空間的盲目搜索策略
4.2.1 寬度優(yōu)先搜索
4.2.2 深度優(yōu)先搜索
4.2.3 有界深度優(yōu)先搜索
4.2.4 代價樹的寬度優(yōu)先搜索
4.2.5 代價樹的深度優(yōu)先搜索
4.3 狀態(tài)空間的啟發(fā)式搜索策略
4.3.1 估價函數(shù)與擇優(yōu)搜索
4.3.2 圖的有序搜索與Ａ?算法
4.3.3 Ａ?算法應用舉例
4.4 與／或樹的搜索策略
4.4.1 與／或樹的寬度優(yōu)先搜索
4.4.2 與／或樹的有界深度優(yōu)先搜索
4.4.3 與／或樹的有序搜索
4.4.4 博弈樹的啟發(fā)式搜索
4.5 搜索性能的量度
習題四
第5章 知識的不確定性與不確定推理
5.1 知識的不確定性
5.1.1 證據(jù)的不確定性
5.1.2 規(guī)則的不確定性
5.1.3 推理的不確定性
5.2 不確定推理的概率基礎
5.3 確定性理論
5.3.1 可信度的概念
5.3.2 CF模型
5.3.3 帶加權因子的可信度推理
5.4 主觀Bayes方法
5.4.1 知識不確定性的表示
5.4.2 證據(jù)不確定性的表示
5.4.3 組合證據(jù)不確定性的計算
5.4.4 不確定性的更新
……第6章　智能算法
第7章　分布式人工智能
第8章　機器學習
第9章　專家系統(tǒng)
第10章　人工智能程序設計語言
第11章　人工智能應用舉例