人工智能

第一部分    引        論第1章    引論1.1    人工智能從實驗室中浮現(xiàn)1.2    什么是人工智能應(yīng)用程序1.3    什么是人工智能1.4    不同的智能模型1.5    表示第二部分    邏輯和搜索第2章    邏輯2.1    命題邏輯2.2    謂詞演算2.3    小結(jié)第3章    搜索3.1    引言3.2    一些經(jīng)典的人工智能問題3.3    基于樹的算法3.4    用函數(shù)最優(yōu)化表示搜索3.5    小結(jié)第4章    自動邏輯推理4.1    命題邏輯中的歸結(jié)4.2    FOPC中的歸結(jié)4.3    Prolog4.4    小結(jié)第三部分    不 確 定 性第5章    貝葉斯網(wǎng)絡(luò)（I）5.1    引言5.2    基礎(chǔ)概率論綜述5.3    貝葉斯網(wǎng)絡(luò)5.4    小結(jié)第6章    貝葉斯網(wǎng)絡(luò)（II）6.1    構(gòu)造簇樹6.2    量化連接樹6.3    處理證據(jù)6.4    不精確推理6.5    小結(jié)第7章    其他不確定性方法7.1    模糊邏輯7.2    Dempster-Shafer 理論7.3    非數(shù)值方法7.4    小結(jié)第四部分    行 動 決 策第8章    決策網(wǎng)絡(luò)8.1    非干預(yù)行動8.2    干預(yù)行動 8.3    測試決策8.4    信息價值 8.5    有關(guān)效益值的一點說明8.6    小結(jié)第9章    規(guī)劃（I）9.1    簡單規(guī)劃描述語言9.2　派生規(guī)劃9.3    將實施規(guī)劃作為簡單搜索過程9.4    圖規(guī)劃9.5    小結(jié)第10章  規(guī)劃（II）10.1    有表現(xiàn)力的表達(dá)10.2    不確定情況下的行動10.3    使用基于知識方法的規(guī)劃器10.4    討論10.5    小結(jié)第五部分    學(xué)        習(xí)第11章    學(xué)習(xí)引論11.1    學(xué)習(xí)中的元素11.2    目標(biāo)函數(shù)的表示11.3    學(xué)習(xí)任務(wù)的類型11.4    學(xué)習(xí)即是搜索11.5    假設(shè)空間中的學(xué)習(xí)偏置11.6    更深入的問題 11.7    小結(jié)第12章    決策樹學(xué)習(xí)12.1    簡介12.2    ID3算法12.3    有關(guān)決策樹學(xué)習(xí)的一些問題12.4    小結(jié)第13章    歸納邏輯程序設(shè)計13.1    簡介13.2    假設(shè)的產(chǎn)生13.3    歸納推理 13.4    FOIL算法13.5    逆向歸結(jié)（逆向蘊含）13.6    q-包含13.7    具有逆向蘊含的ILP系統(tǒng)的實際實現(xiàn)13.8    小結(jié)第14章    強化學(xué)習(xí)14.1    簡介14.2    強化學(xué)習(xí)的關(guān)鍵元素14.3    最優(yōu)策略的計算14.4    Q-學(xué)習(xí)14.5    小結(jié)第15章    神經(jīng)網(wǎng)絡(luò)（I）15.1    基本成分15.2    基本概念15.3    線性與非線性問題15.4    反向傳播學(xué)習(xí)15.5    字符分類示例15.6    小結(jié)第16章    神經(jīng)網(wǎng)絡(luò)（II）16.1    使用相似性度量發(fā)現(xiàn)簇16.2    自組織特征映射16.3    用于聚類的模型生成器16.4    徑向基函數(shù)網(wǎng)絡(luò)16.5    小結(jié) 第17章    遺傳算法17.1    一些術(shù)語17.2    一個較完整的算法17.3    假設(shè)表示17.4    模式定理與隱含的并行機制17.5    遺傳算法的其他方面17.6    小結(jié)第六部分    自然語言理解與感知第18章    自然語言處理（Ⅰ）18.1    自然語言理解的階段 18.2    語言的各部分 18.3    分析結(jié)構(gòu)18.4    語義分析18.5    語境分析 18.6   小結(jié)第19章    自然語言處理（Ⅱ）19.1    圖表分析器19.2    文法與屬性19.3    語義學(xué)19.4    量化和中介邏輯形式19.5    上下文19.6    NLP的統(tǒng)計學(xué)方法19.7    小結(jié)第20章    語音處理20.1    組成單詞讀音的基本單元20.2    信號處理20.3    識別20.4    隱馬爾可夫模型20.5    小結(jié)第21章    視覺21.1    圖像21.2    物體和圖像之間的基本數(shù)學(xué)關(guān)系21.3　視覺線索21.4    形狀描述21.5    邊緣檢測21.6    分割21.7    提取邊界21.8    對物體進(jìn)行分類21.9   小結(jié)第七部分    代理、哲學(xué)和應(yīng)用第22章    代理22.1    代理第23章    人工智能的哲學(xué)23.1    什么是哲學(xué)23.2    強人工智能與弱人工智能23.3    思維機器23.4    圖靈測試23.5    我們是否用語言思考第24章    人工智能的若干應(yīng)用24.1    宇宙飛船的自主控制24.2    使用O-Plan的層次式任務(wù)規(guī)劃24.3    幫助機場操作的決策支持工具24.4    新聞報道中的文本提取24.5    航班信息會話接口24.6    人臉識別24.7    醫(yī)學(xué)診斷中的成像24.8    數(shù)據(jù)挖掘24.9    從非結(jié)構(gòu)數(shù)據(jù)獲取信息24.10  欺詐檢測24.11  給予機器常識24.12  管理飛行器安全24.13  貝葉斯推理增長的作用24.14  機器人附錄A    Prolog簡介參考文獻(xiàn)