●出版說明
前言
章緒論
1.1什麼是人工智能
1.2人工智能的起源與發展歷史
1.3人工智能研究的基本內容
1.3.1認知建模
1.3.2知識表示
1.3.3自動推理
1.3.4機器學習
1.4人工智能研究的主要學派
1.4.1符號主義
1.4.2連接主義
1.4.3行為主義
1.5人工智能的應用
1.6小結和展望
習題
第2章知識表示
2.1概述
2.2謂詞邏輯
2.3產生式繫統
2.4語義網絡
2.4.1語義網絡的概念和結構
2.4.2復雜知識的表示
2.4.3常用的語義聯繫
2.5框架
2.5.1框架結構
2.5.2框架網絡
2.5.3推理方法
2.6狀態空間
2.7面向對像的知識表示
2.8腳本
2.8.1腳本描述
2.8.2概念依賴關繫
2.9本體
2.10小結
習題
第3章自動推理
3.1概述
3.2三段論推理
3.3盲目搜索
3.3.1深度優先搜索
3.3.2寬度優先搜索
3.3.3迭代加深搜索
3.4回溯策略
3.5啟發式搜索
3.5.1啟發性信息和評估函數
3.5.2爬山算法
3.5.3模擬退火算法
3.5.4最好優先算法
3.5.5通用圖搜索算法
3.5.6A*算法
3.5.7迭代加深A*算法
3.6與或圖啟發式搜索
3.6.1問題歸約的描述
3.6.2與或圖表示
3.6.3AO*算法
3.7博弈搜索
3.7.1極大極小過程
3.7.2α-β過程
3.8歸結演繹推理
3.8.1子句型
3.8.2置換和合一
3.8.3合一算法
3.8.4歸結式
3.8.5歸結反演
3.8.6答案的提取
3.8.7歸結反演的搜索策略
3.9產生式繫統
3.9.1產生式繫統的基本結構
3.9.2正向推理
3.9.3反向推理
3.9.4混合推理
3.10自然演繹推理
3.11非單調推理
3.11.1默認推理
3.11.2限制推理
3.12小結
習題
第4章不確定性推理
4.1概述
4.1.1不確定性知識分類
4.1.2不確定性推理的基本問題
4.1.3不確定性推理方法分類
4.2可信度方法
4.2.1建造醫學專家繫統時的問題
4.2.2可信度模型
4.2.3確定性方法的說明
4.3主觀貝葉斯方法
4.3.1貝葉斯公式
4.3.2知識不確定性的表示
4.3.3證據不確定性的表示
4.3.4組合證據不確定性的計算
4.3.5不確定性的傳遞算法
4.3.6結論不確定性的合成
4.4證據理論
4.4.1假設的不確定性
4.4.2證據的組合函數
4.4.3規則的不確定性
4.4.4不確定性的組合
4.5模糊邏輯和模糊推理
4.5.1模糊集合及其運算
4.5.2語言變量
4.5.3模糊邏輯
4.5.4模糊推理
4.6小結
習題
第5章機器學習
5.1機器學習概述
5.1.1簡單的學習模型
5.1.2什麼是機器學習
5.1.3機器學習的研究概況
5.2歸納學習
5.2.1歸納學習的基本概念
5.2.2變型空間學習
5.2.3決策樹
5.3類比學習
5.3.1相似性
5.3.2轉換類比
5.3.3基於案例的推理
5.3.4遷移學習
5.4統計學習
5.4.1邏輯回歸
5.4.2支持向量機
5.4.3提升方法
5.5強化學習
5.5.1強化學習模型
5.5.2學習自動機
5.5.3自適應動態程序設計
5.5.4Q-學習
5.6進化計算
5.6.1達爾文進化算法
5.6.2遺傳算法
5.6.3進化策略
5.6.4進化規劃
5.7群體智能
5.7.1蟻群算法
5.7.2粒子群優化
5.8知識發現
5.9小結
習題
第6章神經網絡
6.1概述
6.2神經信息處理的基本原理
6.3感知機
6.3.1基
6.3.2感知機模型
6.4前饋神經網絡
6.4.1前饋神經網絡模型
6.4.2誤差反向傳播算法
6.4.3BP算法的若干改進
6.5Hopfield網絡
6.5.1離散Hopfield網絡
6.5.2連續Hopfield網絡
6.6隨機神經網絡
6.6.1模擬退火算法
6.6.2玻耳茲曼機
6.7深度學習
6.7.1人腦視覺機理
6.7.2自編碼器
6.7.3受限玻耳茲曼機
6.7.4深度信念網絡
6.7.5卷積神經網絡
6.8自組織神經網絡
6.8.1網絡的拓撲結構
6.8.2網絡自組織算法
6.8.3監督學習
6.9小結
習題
第7章專家繫統
7.1專家繫統概述
7.1.1什麼是專家繫統
7.1.2專家繫統的特點
7.1.3專家繫統的發展史
7.2專家繫統的基本結構
7.3專家繫統MYCIN
7.3.1咨詢子繫統
7.3.2靜態數據庫
7.3.3控制策略
7.4專家繫統工具CLIPS
7.4.1概述
7.4.2CLIPS中的知識表示
7.4.3CLIPS運行
7.4.4Rete匹配算法
7.5專家繫統工具JESS
7.6面向對像專家繫統工具OKPS
7.6.1OKPS中的知識表示
7.6.2推理控制語言ICL
7.7專家繫統建造
7.7.1需求分析
7.7.2繫統設計
7.7.3知識庫構建
7.7.4繫統開發
7.7.5繫統測試
7.8新型專家繫統
7.8.1分布式專家繫統
7.8.2協同式專家繫統
7.8.3神經網絡專家繫統
7.8.4基於互聯網的專家繫統
7.9小結
習題
第8章自然語言處理
8.1概述
8.1.1什麼是自然語言處理
8.1.2自然語言處理的發展
8.1.3自然語言處理的層次
8.2詞法分析
8.3句法分析
8.3.1短語結構語法
8.3.2喬姆斯基形式語法
8.3.3句法分析樹
8.3.4轉移網絡
8.3.5擴充轉移網絡
8.4語義分析
8.4.1語義文法
8.4.2格文法
8.5語用分析
8.6語料庫
8.6.1語料庫語言學
8.6.2統計方法的應用
8.6.3漢語語料庫加工
8.7信息檢索
8.8機器翻譯
8.9問答繫統
8.10小結
習題
第9章分布式人工智能與智能體
9.1概述
9.2分布式問題求解
9.2.1分布式人工智能的興起
9.2.2分布式問題求解繫統分類
9.2.3分布式問題求解過程
9.3智能體理論
9.3.1理性智能體
9.3.2BDI智能體模型
9.4智能體結構
9.4.1智能體基本結構
9.4.2慎思智能體
9.4.3反應智能體
9.4.4層次智能體
9.5智能體通信語言ACL
9.5.1智能體間通信概述
9.5.2FIPAACL消息
9.6協調和協作
9.6.1引言
9.6.2合同網
9.6.3基於生態學的協作
9.6.4基於對策論的協商
9.6.5基於意圖的協商
9.7移動智能體
9.8多智能體環境MAGE
9.9小結
習題
0章智能機器人
10.1概述
10.2智能機器人的體繫結構
10.3機器人視覺繫統
10.3.1視覺繫統分類
10.3.2定位技術
10.3.3自主視覺導航
10.3.4視覺伺服繫統
10.4機器人規劃
10.4.1任務規劃
10.4.2分層任務網絡規劃
10.4.3路徑規劃
10.4.4軌跡規劃
10.5情感機器人
10.6發育機器人
10.7機器人應用
10.8智能機器人發展趨勢
10.9小結
習題
1章互聯網智能
11.1概述
11.2語義Web
11.2.1語義Web的層次模型
11.2.2本體的基本概念
11.2.3本體描述語言OWL
11.3本體知識管理
11.3.1知識管理繫統Protégé
11.3.2知識管理繫統KMSphere
11.4Web技術的演化
11.5Web挖掘
11.5.1Web內容挖掘
11.5.2Web結構挖掘
11.5.3Web使用挖掘
11.6搜索引擎
11.6.1搜索引擎原理
11.6.2知識圖譜
11.7集體智能
11.7.1引言
11.7.2社群智能
11.7.3集體智能繫統
11.7.4全球腦
11.8小結
習題
2章類腦智能
12.1概述
12.2大數據智能
12.3認知計算
12.4歐盟人腦計劃
12.5美國腦計劃
12.6腦模擬繫統Spaun
12.7神經形態芯片
12.8類腦智能路線圖
習題
附錄課程實習
參考文獻