人工智能

第1章人工智能概述
1.1人類智能中的認知和思維
1.2人工智能的定義與基礎(chǔ)
1.3人工智能的產(chǎn)生與發(fā)展
1.4人工智能的研究方法
1.5人工智能的研究與應(yīng)用領(lǐng)域
1.6人工智能的發(fā)展趨勢
習題1
第2章人工智能程序設(shè)計語言
2.1人工智能程序設(shè)計語言概述
2.2PROLOG語言
2.3LISP語言
習題2
第3章問題求解的基本原理
3.1狀態(tài)空間與問題求解
3.2盲目搜索
3.3啟發(fā)式搜索
3.4局部搜索
3.5博弈樹搜索
3.6問題規(guī)約法
習題3
第4章人工智能邏輯基礎(chǔ)
4.1一階謂詞邏輯
4.2歸結(jié)(消解)原理
4.3Horn子句
習題4
第5章知識表示與推理
5.1概述
5.2產(chǎn)生式表示
5.3語義網(wǎng)絡(luò)
5.4框架
5.5面向?qū)ο蟮谋硎痉椒?br />習題5
第6章不確定推理方法
6.1不確定性推理的基本概念
6.2不確定性推理方法
6.3可能性理論與模糊推理
6.4非單調(diào)推理
習題6
第7章機器學習
7.1機器學習的基本概念
7.2機器學習的原理與方法
7.3機械學習
7.4歸納學習
7.5解釋學習
7.6類比學習
7.7神經(jīng)網(wǎng)絡(luò)學習
習題7
第8章專家系統(tǒng)
8.1專家系統(tǒng)的基本概念
8.2專家系統(tǒng)的結(jié)構(gòu)和工作原理
8.3知識獲取
8.4專家系統(tǒng)的設(shè)計與開發(fā)
8.5專家系統(tǒng)開發(fā)工具
8.6專家系統(tǒng)應(yīng)用舉例
習題8
第9章知識發(fā)現(xiàn)與數(shù)據(jù)挖掘
9.1知識發(fā)現(xiàn)方法
9.2基于粗集理論的近似表達與知識理解
9.3近似分類方法及評價系統(tǒng)參數(shù)重要性
9.4知識簡化與范疇簡化
9.5相對知識簡化與相對范疇簡化
9.6數(shù)據(jù)表知識表達系統(tǒng)
9.7決策規(guī)則和算法
習題9
第10章遺傳算法
10.1遺傳算法的概述
10.2遺傳算法的基本原理
10.3遺傳算法的設(shè)計實現(xiàn)
10.4遺傳算法的應(yīng)用例子
10.5遺傳算法的進一步研究
習題10
第11章分布式人工智能
11.1分布式問題求解
11.2Agent基本理論
11.3多Agent系統(tǒng)
參考文獻