人工智能原理與技術

引言
1 Lisp語言基礎
1.1 符號表達式與表
1.2 Lisp的程序結構及其特點
1.3 表處理函數
1.4 算術與邏輯運算函數
1.5 賦值與求值函數
1.6 控制函數
1.7 函數定義
1.8 性質表及其操作函數
1.9 映射函數
1.10 遞歸
1.11 輸入與輸出
1.12 原子的生成與分解函數
1.13 例子
2 一階謂詞邏輯
2.1 命題及邏輯聯結詞
2.2 命題公式的永賓性與等值
2.3 對偶原理
2.4 析取范式與合取范式
2.5 邏輯推理
2.6 命題演算的王浩算法
2.7 一階謂詞邏輯的基本概念
2.8 謂詞公式的永真性與可滿足性
2.9 自由變元與約束變元
2.1 0謂詞公式的等值
2.1 1前束范式
3 歸結原理
3.1 斯柯倫標準型
3.2 子句集的H全域
3.3 基本定理
3.4 D-只（Davis & Putnam）方法
3.5 一致化算法
3.6 歸結方法
3.7 歸結方法的可靠性與完備性
3.8 例子
3.9 應用
3.10 歸結方法的Lisp實現
4 Prolog語言簡介
4.1 Horn子句集歸結
4.2 Prolog語言
4.3 內部謂詞
4.4 例子
5 問題求解
5.1 狀態(tài)空間
5.2 問題歸約
5.3 產生式系統
5.4 約束滿足法
5.5 八數碼問題的Lisp實現
6 搜索
6.1 狀態(tài)空間的盲目搜索
6.2 啟發(fā)式搜索法
6.3 A算法的可采納性
6.4 與／或樹搜索
6.5 與／或圖的一種啟發(fā)式搜索算法AO
6.6 博弈樹搜索
6.7 一字棋博弈的Lisp實現
7 知識表達與推理技術
7.1 知識的特征描述
7.2 框架
7.3 語義網絡
7.4 腳本
7.5 產生式規(guī)則
7.6 評述
8 專家系統
8.1 專家系統的任務與特征
8.2 專家系統脆弱性
8.3 專家系統結構
8.4 建立專家系統的步驟與方法
9 神經元網絡
9.1 神經元網絡簡介
9.2 簡單的線性模型
9.3 線性閾值網絡
9.4 反向傳播網絡-
9.5 Hop field網絡模型
9.6 Boltzmann機
9.7 其它的神經元網絡模型
9.8 評述
9.9 神經元網絡的應用
10 專家系統構造工具DIPS
10.1 DIPS概述
10.2 DIPS的知識表達
10.3 DIPS的控制策略及推理機
10.4 用DIPS建立專家系統
10.5 DIPS的解釋機制
11 附錄
附錄1 DIPS的系統函數
附錄2 DIPS的系統調用
12 思考題
思考題一
思考題二
思考題三
思考題四
思考題五
思考題六
思考題七
思考題八
思考題九
參考文獻