出版說明

前言

第1章緒論

11什么是人工智能

12人工智能的起源與發(fā)展歷史

13人工智能研究的基本內(nèi)容

131認知建模

132知識表示

133自動推理

134機器學(xué)習(xí)

14人工智能研究的主要學(xué)派

141符號主義

142連接主義

143行為主義

15人工智能的應(yīng)用

16小結(jié)和展望

習(xí)題

第2章知識表示

21概述

22謂詞邏輯

23產(chǎn)生式系統(tǒng)

24語義網(wǎng)絡(luò)

241語義網(wǎng)絡(luò)的概念和結(jié)構(gòu)

242復(fù)雜知識的表示

243常用的語義聯(lián)系

25框架

251框架結(jié)構(gòu)

252框架網(wǎng)絡(luò)

253推理方法

26狀態(tài)空間

27面向?qū)ο蟮闹�識表示

28腳本

281腳本描述

282概念依賴關(guān)系

29本體

210小結(jié)

習(xí)題

第3章自動推理

31概述

32三段論推理

33盲目搜索

331深度優(yōu)先搜索

332寬度優(yōu)先搜索

333迭代加深搜索

34回溯策略

35啟發(fā)式搜索

351啟發(fā)性信息和評估函數(shù)

352爬山算法

353模擬退火算法

354最好優(yōu)先算法

355通用圖搜索算法

356A*算法

357迭代加深A(yù)*算法

36與或圖啟發(fā)式搜索

361問題歸約的描述

362與或圖表示

363AO*算法

37博弈搜索

371極大極小過程

372α-β過程

38歸結(jié)演繹推理

381子句型

382置換和合一

383合一算法

384歸結(jié)式

385歸結(jié)反演

386答案的提取

387歸結(jié)反演的搜索策略

39產(chǎn)生式系統(tǒng)

391產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu)

392正向推理

393反向推理

394混合推理

310自然演繹推理

311非單調(diào)推理

3111默認推理

3112限制推理

312小結(jié)

習(xí)題

第4章不確定性推理

41概述

411不確定性知識分類

412不確定性推理的基本問題

413不確定性推理方法分類

42可信度方法

421建造醫(yī)學(xué)專家系統(tǒng)時的問題

422可信度模型

423確定性方法的說明

43主觀貝葉斯方法

431貝葉斯公式

432知識不確定性的表示

433證據(jù)不確定性的表示

434組合證據(jù)不確定性的計算

435不確定性的傳遞算法

436結(jié)論不確定性的合成

44證據(jù)理論

441假設(shè)的不確定性

442證據(jù)的組合函數(shù)

443規(guī)則的不確定性

444不確定性的組合

45模糊邏輯和模糊推理

451模糊集合及其運算

452語言變量

453模糊邏輯

454模糊推理

46小結(jié)

習(xí)題

第5章機器學(xué)習(xí)

51機器學(xué)習(xí)概述

511簡單的學(xué)習(xí)模型

512什么是機器學(xué)習(xí)

513機器學(xué)習(xí)的研究概況

52歸納學(xué)習(xí)

521歸納學(xué)習(xí)的基本概念

522變型空間學(xué)習(xí)

523決策樹

53類比學(xué)習(xí)

531相似性

532轉(zhuǎn)換類比

533基于案例的推理

534遷移學(xué)習(xí)

54統(tǒng)計學(xué)習(xí)

541邏輯回歸

542支持向量機

543提升方法

55強化學(xué)習(xí)

551強化學(xué)習(xí)模型

552學(xué)習(xí)自動機

553自適應(yīng)動態(tài)程序設(shè)計

554Q-學(xué)習(xí)

56進化計算

561達爾文進化算法

562遺傳算法

563進化策略

564進化規(guī)劃

57群體智能

571蟻群算法

572粒子群優(yōu)化

58知識發(fā)現(xiàn)

59小結(jié)

習(xí)題

第6章神經(jīng)網(wǎng)絡(luò)

61概述

62神經(jīng)信息處理的基本原理