人工智能技術(shù)與方法

第1章緒論
1.1人工智能的研究
1.1.1智能的含義
1.1.2人工智能的定義
1.1.3人工智能的研究方法
1.2人工智能的發(fā)展
1.2.1形成及第一個興旺期(1956—1966)
1.2.2蕭條波折期(1967—1974)
1.2.3第二個興旺期(1975—1998)
1.3人工智能的研究與應用
第2章知識表示
2.1知識的基本概念
2.1.1知識的特性
2.1.2知識的分類
2.1.3知識的表示方法
2.2謂詞邏輯表示
2.2.1命題邏輯
2.2.2謂詞邏輯
2.3產(chǎn)生式表示
2.3.1產(chǎn)生式表示法
2.3.2產(chǎn)生式系統(tǒng)
2.3.3產(chǎn)生式系統(tǒng)的工作過程
2.3.4產(chǎn)生式系統(tǒng)的主要優(yōu)缺點
2.4語義表示.
2.4.1語義網(wǎng)絡
2.4.2常用語義聯(lián)系
2.4.3語義網(wǎng)絡求解問題的過程
2.4.4語義網(wǎng)絡表示法的主要優(yōu)點
2.5框架表示
2.5.1框架的組成結(jié)構(gòu)
2.5.2常用的標準槽名
2.5.3框架系統(tǒng)中間題的求解
2.6腳本表示
第3章基本推理原理
3.1推理的基本概念
3.1.1什么是推理-
3.1.2推理方法及其分類
3.1.3推理的控制策略及其分類
3.2推理的邏輯基礎(chǔ)
3.2.1謂詞公式的解釋
3.2.2謂詞公式的永真性與可滿足性
3.2.3謂詞公式的范式
3.2.4置換與合一
3.3自然演繹推理
3.4歸結(jié)演繹推理
3.4.1子句集及其化簡
3.4.2海伯倫理論
3.4.3魯賓遜歸結(jié)原理
第4章不確定推理
4.1不確定推理概述
4.1.1不確定推理的概念
4.1.2不確定推理的基本問題
4.1.3不確定性推理的方法
4.2確定性方法
4.2.1可信度的概念
4.2.2證據(jù)不確定性的表示
4.2.3知識不確定性的表示
4.2.4不確定性的推理計算
4.2.5可信度方法應用舉例
4.3主觀Bayes方法
4.3.1知識不確定性的表示
4.3.2證據(jù)不確定性的表示
4.3.3不確定性的傳遞算法
4.3.4舉例
4.3.5主觀Bayes方法的主要優(yōu)缺點
4.4證據(jù)理論
4.4.1知識的不確定表示
4.4.2知識的不確定性的表示
4.4.3證據(jù)的不確定性的表示
4.4.4推理計算
4.4.5舉例
4.4.6證據(jù)理論的主要優(yōu)缺點
第5章搜索原理
5.1搜索原理概述
5.1.1搜索的概念
5.1.2搜索方法的分類
5.1.3狀態(tài)空間.搜索空間和解路徑
5.1.4搜索成本
5.2盲目搜索策略
5.2.1回溯策略
5.2.2圖搜索策略
5.2.3深度優(yōu)先搜索
5.2.4寬度優(yōu)先搜索
5.2.5等代價搜索
5.3啟發(fā)式搜索
5.3.1啟發(fā)式搜索概述
5.3.2啟發(fā)式搜索算法A
5.3.3爬山策略搜索
5.3.4啟發(fā)式搜索算法A*
5.4博弈樹搜索
5.4.1博弈樹搜索的概念
5.4.2Gmndy博弈(完全取勝策略)
5.4.3極小極大分析法
5.4.4極小極大分析法實例
5.4.5關(guān)于棋局態(tài)勢P的靜態(tài)估計函數(shù)f(P)的進一步討論
5.4.6α-β剪枝
5.4.7其他改進方法
第6章模糊邏輯與推理技術(shù)
6.1模糊邏輯
6.1.1基本概念
6.1.2模糊集合定義
6.1.3模糊集合表示方法
6.1.4模糊集合的運算
6.1.5隸屬函數(shù)
6.1.6分解定理
6.2模糊規(guī)則與推理
6.2.1模糊語言
6.2.2模糊關(guān)系
6.2.3擴展原理
6.2.4模糊規(guī)則與推理
6.2.5模糊推理系統(tǒng)
6.2.6模糊控制器
第7章神經(jīng)網(wǎng)絡
7.1概述
7.1.1基本概念
7.1.2人工神經(jīng)元
7.1.3神經(jīng)網(wǎng)絡結(jié)構(gòu)與學習
7.1.4神經(jīng)網(wǎng)絡的發(fā)展
7.1.5神經(jīng)網(wǎng)絡的特點
7.2人工神經(jīng)網(wǎng)絡
7.2.1感知器
7.2.2自適應線性單元
7.2.3多層前向網(wǎng)絡
7.2.5神經(jīng)網(wǎng)絡的應用
第8章進化計算
8.1緒論
8.1.1遺傳與進化的概念
8.1.2遺傳算法(GA)
8.2遺傳算法基本原理
8.2.1遺傳算法的基本內(nèi)容
8.2.2適應度函數(shù)
8.2.3遺傳算法的編碼
8.2.4遺傳算子
8.2.5模式理論
參考文獻