1緒論
1.1人工智能的定義001
1.2人工智能發(fā)展簡史003
1.3人工智能的研究方法006
1.3.1人工智能研究的特點006
1.3.2人工智能研究的途徑007
1.4人工智能的應用009
1.4.1無人駕駛009
1.4.2智能機器人009
1.4.3圖像識別010
1.4.4語音識別010
1.4.5智能控制011
1.4.6人工神經網絡011
1.4.7機器學習012
1.4.8專家系統(tǒng)013
1.4.9計算機視覺014
1.4.10人工生命015
1.5人工智能的發(fā)展趨勢與存在的問題016
1.5.1人工智能的發(fā)展趨勢016
1.5.2人工智能存在的問題016

2知識表示
2.1知識與知識表示的概念019
2.1.1知識的概念019
2.1.2知識的特性019
2.1.3知識的表示020
2.2一階謂詞邏輯表示法021
2.2.1基本概念021
2.2.2謂詞公式024
2.2.3謂詞邏輯表示法025
2.2.4謂詞邏輯表示法的特點026
2.3產生式表示法026
2.3.1產生式的知識表示027
2.3.2產生式系統(tǒng)的組成028
2.3.3基于產生式系統(tǒng)的推理029
2.3.4產生式表示法的特點030
2.4框架表示法031
2.4.1框架的一般結構032
2.4.2基于框架的推理034
2.4.3框架表示法的特點034
2.5語義網絡表示法035
2.5.1基本語義關系036
2.5.2復合語義關系037
2.5.3基于語義網絡的推理039
2.5.4語義網絡表示法的特點041

3確定性推理
3.1推理的基本概念042
3.1.1推理的定義042
3.1.2推理方式及其分類043
3.1.3推理的方向044
3.1.4沖突消解策略046
3.2自然演繹推理047
3.3歸結演繹推理049
3.3.1謂詞公式化為子句集的方法049
3.3.2海伯倫理論052
3.3.3魯賓孫歸結原理053
3.3.4歸結反演056
3.3.5應用歸結原理求解問題056
3.3.6歸結策略057
3.4與或型演繹推理062
3.4.1與或型正向演繹推理062
3.4.2與或形逆向演繹推理064
3.4.3與或型雙向演繹推理066

4不確定性推理
4.1不確定性推理概述068
4.2概率推理方法070
4.2.1純概率推理070
4.2.2主觀Bayes方法071
4.3證據理論074
4.3.1假設的不確定性074
4.3.2證據的組合函數(shù)076
4.3.3證據理論的不確定性推理算法076
4.4模糊推理系統(tǒng)078
4.4.1模糊集合及模糊關系078
4.4.2語言變量和模糊If-Then規(guī)則080
4.4.3模糊推理082

5搜索求解策略
5.1搜索的基本概念086
5.1.1搜索的過程086
5.1.2搜索的方向086
5.1.3搜索的種類086
5.2狀態(tài)空間表示法087
5.2.1狀態(tài)空間表示的基本概念087
5.2.2狀態(tài)空間的圖描述088
5.3盲目搜索策略090
5.3.1深度優(yōu)先搜索策略090
5.3.2寬度優(yōu)先搜索策略092
5.4代價樹搜索策略093
5.4.1最近擇優(yōu)搜索093
5.4.2最小代價優(yōu)先搜索094
5.5啟發(fā)式搜索策略095
5.5.1啟發(fā)信息和估價函數(shù)095
5.5.2啟發(fā)式策略096
5.5.3A搜索算法097
5.5.4A*搜索算法099
5.6與或圖搜索100
5.6.1問題的歸約描述100
5.6.2與或圖表示法101
5.6.3AO*算法102

6遺傳算法及應用
6.1遺傳算法概述104
6.1.1遺傳算法的發(fā)展歷史105
6.1.2遺傳算法的基本思想106
6.2編碼和種群107
6.2.1編碼107
6.2.2種群108
6.3適應度函數(shù)109
6.4遺傳算子110
6.4.1選擇算子110
6.4.2交叉算子112
6.4.3變異算子112
6.5遺傳算法的總體流程和特點113
6.6遺傳算法的改進算法114
6.6.1自適應遺傳算法114
6.6.2分層遺傳算法116
6.6.3并行遺傳算法117
6.7多目標遺傳算法118
6.8遺傳算法的應用119

7群智能算法及其應用
7.1群智感知的研究內容122
7.1.1眾包思想124
7.1.2社交活動感知124
7.1.3周圍環(huán)境感知124
7.2群智任務感知質量125
7.2.1機會覆蓋率125
7.2.2數(shù)據質量可靠性126
7.3群智感知網絡數(shù)據傳輸126
7.3.1信息擴散模型127
7.3.2機會數(shù)據收集128
7.4群智感知網絡的激勵機制129
7.4.1Game激勵130
7.4.2貨幣激勵131
7.5群智感知的應用場景133
7.5.1環(huán)境監(jiān)測和災害防控133
7.5.2公共設施和安全134
7.5.3移動設備視頻眾包134

8人工神經網絡及其應用
8.1神經網絡的發(fā)展簡史136
8.2人工神經網絡的研究內容與特點137
8.2.1人工神經網絡的研究內容137
8.2.2人工神經網絡的特點138
8.3神經元和神經網絡138
8.3.1生物神經元結構138
8.3.2神經元的數(shù)學模型139
8.3.3神經網絡的結構140
8.3.4神經網絡的工作方式141
8.3.5神經網絡的學習141
8.4前饋神經網絡模型141
8.4.1感知機網絡141
8.4.2BP神經網絡142
8.4.3RBF徑向基網絡145
8.5反饋神經網絡147
8.5.1離散型Hopfield網絡147
8.5.2連續(xù)型Hopfield網絡149
8.5.3Hopfield網絡存在的問題150
8.6隨機神經網絡151
8.6.1模擬退火算法151
8.6.2玻爾茲曼機152
8.7神經網絡的應用154
8.7.1神經網絡在模式識別中的應用154
8.7.2神經網絡在軟測量中的應用156
8.7.3Hopfield神經網絡在優(yōu)化上的應用156

9機器學習
9.1機器學習概述159
9.2決策樹學習161
9.3邏輯回歸164
9.4支持向量機165
9.5聚類分析168
9.5.1K均值算法168
9.5.2DBSCAN170
9.5.3模糊C均值171
9.6強化學習171

10專家系統(tǒng)
10.1專家系統(tǒng)的由來和發(fā)展175
10.1.1專家系統(tǒng)的提出175
10.1.2專家系統(tǒng)的發(fā)展175
10.2專家系統(tǒng)概述176
10.2.1專家系統(tǒng)的定義176
10.2.2專家系統(tǒng)的分類176
10.2.3專家系統(tǒng)的特點178
10.3專家系統(tǒng)的結構179
10.3.1專家系統(tǒng)的概念結構179
10.3.2專家系統(tǒng)的實際結構180
10.4知識獲取182
10.4.1知識獲取的過程與模式182
10.4.2知識的檢測與求精183
10.4.3知識的組織與管理185
10.5專家系統(tǒng)的建立186
10.5.1專家系統(tǒng)的選題原則186
10.5.2專家系統(tǒng)的設計原則187
10.5.3專家系統(tǒng)的開發(fā)步驟187
10.5.4專家系統(tǒng)的評價189
10.6專家系統(tǒng)實例190
10.6.1醫(yī)學專家系統(tǒng)——MYCIN190
10.6.2地質勘探專家系統(tǒng)——PROSPECTOR195
10.7專家系統(tǒng)的開發(fā)工具197
10.7.1研究開發(fā)工具的作用與意義197
10.7.2專家系統(tǒng)開發(fā)工具的類型197

11自然語言處理與應用
11.1自然語言處理概述200
11.1.1自然語言處理的基本方法200
11.1.2自然語言處理的發(fā)展歷史200
11.1.3自然語言處理的研究意義201
11.2詞法分析202
11.3句法分析203
11.3.1短語結構語法和Chomsky語法203
11.3.2句法分析樹205
11.4語義分析206
11.4.1邏輯形式表達及語義解析206
11.4.2義素分析法207
11.4.3語義分析文法208
11.5自然語言處理應用——信息檢索209
11.5.1向量空間模型209
11.5.2排序學習模型211
11.5.3信息檢索系統(tǒng)的評測212
11.6自然語言處理的應用——機器翻譯214
11.6.1機器翻譯的發(fā)展215
11.6.2機器翻譯方法215
11.6.3機器翻譯評估方法219

參考文獻