- 在線試讀 | 下載
- 樣書申請
- 教學資料包（完整版）
內容摘要
本書共分為8章，包括緒論、知識與知識表示、搜索策略、不確定性知識的表示與推理、基于邏輯的問題求解方法、機器學習、專家系統和人工智能語言。本書力求反映人工智能發展的最新理論和技術成果，結構組織合理，內容貼近實際，易于讀者學習和理解。
本書適合作為高等院校人工智能課程的教材，也可以供從事人工智能研究與應用的科技人員學習參考。
目錄
第1章 緒論
1.1 人工智能概況
1.1.1 智能與人工智能
1.1.2 人工智能的產生及主要學派
1.2 人工智能的研究目標、內容和途徑
1.2.1 人工智能的研究目標
1.2.2 人工智能的研究內容
1.2.3 人工智能的研究途徑
1.3 人工智能的研究領域
1.3.1 問題求解領域
1.3.2 機器學習領域
1.3.3 模式識別
1.3.4 自然語言處理
1.3.5 自動定理證明
1.3.6 智能機器人
1.3.7 專家系統領域
1.3.8 人工神經網絡
習題1
第2章 知識與知識表示
2.1 知識的基本概述
2.1.1 知識的概念
2.1.2 知識的分類和特征
2.1.3 知識的表示
2.2 產生式表示法
2.2.1 產生式系統的組成
2.2.2 產生式系統的控制策略
2.2.3 產生式系統的推理方式
2.2.4 特殊產生式系統
2.2.5 產生式系統的特點
2.3 語義網絡表示法
2.3.1 語義網絡的基本概念
2.3.2 知識的語義網絡表示
2.3.3 語義網絡推理
2.3.4 語義網絡表示法的特點
2.4 框架表示法
2.4.1 框架的構成
2.4.2 框架系統的推理
2.4.3 框架表示法的特點
2.5 過程表示法
2.6 腳本表示法
習題2
第3章 搜索策略
3.1 搜索策略概述
3.1.1 搜索概述
3.1.2 狀態空間法
3.1.3 問題歸約法
3.2 狀態圖搜索策略
3.2.1 狀態圖搜索的一般過程
3.2.2 廣度優先搜索
3.2.3 深度優先搜索
3.2.4 有界深度優先搜索
3.2.5 啟發式搜索
3.2.6 A*算法
3.3 AND/OR圖搜索策略
3.3.1 AND/OR圖搜索
3.3.2 AND/OR圖的啟發式搜索
3.4 博弈樹搜索策略
3.4.1 博弈樹的概念
3.4.2 極小極大搜索過程
3.4.3 α-β過程
習題3
第4章 不確定性知識的表示與推理
4.1 不確定性知識的表示與推理概述
4.1.1 不確定性推理的概念
4.1.2 不確定性推理中的基本問題
4.1.3 不確定性推理的分類
4.2 不確定性推理方法
4.2.1 概率推理
4.2.2 主觀Bayes方法
4.2.3 可信度方法
4.2.4 證據理論
4.2.5 模糊推理
習題4
第5章 基于邏輯的問題求解方法
5.1 一階謂詞邏輯的基本內容
5.1.1 命題
5.1.2 謂詞與量詞
5.1.3 謂詞公式與解釋
5.1.4 謂詞邏輯中的形式演繹推理
5.2 歸結原理
5.2.1 子句
5.2.2 Herbrand定理
5.2.3 魯賓遜歸結原理
5.2.4 歸結反演
5.2.5 基于歸結的問題求解
5.2.6 歸結策略
5.3 與/或形演繹推理
5.3.1 與/或形正向演繹推理
5.3.2 與/或形反向演繹推理
5.3.3 與/或形雙向演繹推理
習題5
第6章 機器學習
6.1 機器學習概述
6.1.1 機器學習的概念
6.1.2 機器學習的原理
6.1.3 機器學習的發展歷史
6.2 機器學習的分類
6.2.1 基于推理策略分類
6.2.2 基于系統性分類
6.3 符號學習
6.3.1 記憶學習
6.3.2 指導學習
6.3.3 演繹學習
6.3.4 類比學習
6.3.5 解釋學習
6.3.6 決策樹學習
習題6
第7章 專家系統
7.1 專家系統概述
7.1.1 專家系統的定義、優點及應用領域
7.1.2 專家系統的特點
7.1.3 專家系統的類型
7.1.4 專家系統的發展
7.2 專家系統的結構和基本工作原理
7.2.1 專家系統的結構
7.2.2 專家系統的基本工作原理
7.3 專家系統的開發過程
7.3.1 知識獲取和知識工程
7.3.2 專家系統的設計
7.3.3 專家系統的評價
7.4 專家系統舉例
7.4.1 動物識別專家系統
7.4.2 MYCIN專家系統
習題7
第8章 人工智能語言
8.1 人工智能語言概述
8.2 LISP語言
8.2.1 LISP語言基礎
8.2.2 LISP語言程序設計舉例
8.3 Prolog語言
8.3.1 Prolog語言基礎
8.3.2 Prolog語言程序設計舉例
習題8
參考文獻
