人工智能技術(shù)導(dǎo)論（第二版）

第1章 人工智能根述
1.1 人工智能的概念
1.1.1 什么是人工智能？
1.1.2 為什么要研究人工智能
1.1.3 人工智能的目標(biāo)
1.2 人工智能的研究途徑與方法
1.2.1 結(jié)構(gòu)模擬，神經(jīng)計(jì)算
1.2.2 功能模擬符號(hào)推演
1.2.3 行為模擬控制進(jìn)化
1.3 人工智能的分支領(lǐng)域
1.3.1 基于腦功能模擬的領(lǐng)域劃分
1.3.2 基于實(shí)現(xiàn)技術(shù)的領(lǐng)域劃分
1.3.3 基于應(yīng)用領(lǐng)域的領(lǐng)域劃分
1.3.4 基于應(yīng)用系統(tǒng)的領(lǐng)域劃分
1.3.5 基于計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)的領(lǐng)域劃分
1.3.6 基于實(shí)現(xiàn)工具與環(huán)境的領(lǐng)域劃分
1.4 人工智能的基本技術(shù)
1.4.1 推理技術(shù)
1.4.2 搜索技術(shù)
1.4.3 知識(shí)表示與知識(shí)庫(kù)技術(shù)
1.4.4 歸納技術(shù)
1.4.5 聯(lián)想技術(shù)
1.5 人工智能的發(fā)展概況
1.5.1 人工智能學(xué)科的產(chǎn)生
1.5.2 符號(hào)主義途徑發(fā)展概況
1.5.3 連接主義途徑發(fā)展概況
1.5.4 當(dāng)前發(fā)展趨勢(shì)
1.5.5 我國(guó)人工智能發(fā)展簡(jiǎn)況
習(xí)題

第2章 人工智能程序設(shè)計(jì)語(yǔ)言
2.1 綜述
2.1.1 函數(shù)型語(yǔ)言
2.1.2 邏輯型語(yǔ)言
2.1.3 面向?qū)ο笳Z(yǔ)言
2.1.4 混合型語(yǔ)言
2.2 函數(shù)型程序設(shè)計(jì)語(yǔ)言LISP
2.2.1 LISP的程序結(jié)構(gòu)與運(yùn)行機(jī)制
2.2.2 S-表達(dá)式
2.2.3 基本函數(shù)
2.2.4 自定義函數(shù)
2.2.5 程序舉例
2.3 邏輯型程序設(shè)計(jì)語(yǔ)言PROLOG
2.3.1 PROLOG的語(yǔ)句
2.3.2 PROLOG程序
2.3.3 PROLOG程序的運(yùn)行機(jī)理
2.4 Turbo PROLOG程序設(shè)計(jì)
2.4 Turbo PROLOG的程序結(jié)構(gòu)
2.4.2 Turbo PROLOG的數(shù)據(jù)與表達(dá)式
2.4.3 輸入與輸出
2.4.4 分支與循環(huán)
2.4.5 動(dòng)態(tài)數(shù)據(jù)庫(kù)
2.4.6 表處理與遞歸
2.4.7 回溯控制
2.4.8 程序舉例
2.5 面向?qū)ο蟪绦蛟O(shè)計(jì)語(yǔ)言Smalltalk
2.5.1 基本概念
2.5.2 基本對(duì)象
2.5.3 消息模式
2.5.4 消息表達(dá)式
2.5.5 消息表達(dá)式序列——語(yǔ)句
2.5.6 程序塊
2.5.7 程序流程控制
2.5.8 類庫(kù)
2.5.9 類定義
2.510 繼承
2.5.11 Smalltalk的程序結(jié)構(gòu)和運(yùn)行機(jī)理
習(xí)題二

第3章 甚于謂詞邏輯的機(jī)器推理
3.1 一階謂詞邏輯
3.1.1 謂詞、函數(shù)、量詞
3.1.2 謂詞公式
3.1.3 謂詞邏輯中的形式演繹推理
3.2 歸結(jié)演繹推理
3.2.1 子句集
3.2.2 命題邏輯中的歸結(jié)原理
3.2.3 替換與合一
3.2.4 謂詞邏輯中的歸結(jié)原理
3.3 應(yīng)用歸結(jié)原理求取問(wèn)題答案
3.4 歸結(jié)策略
3.4.1 問(wèn)題的提出
3.4.2 幾種常用的歸結(jié)策略
3.4.3 歸結(jié)策略的類型
3.5 歸結(jié)反演程序舉例
3.6 Horn子句歸結(jié)與邏輯程序
3.6.1 子句的蘊(yùn)含表示形式
3.6.2 Horn子句與邏輯程序
3.7 非歸結(jié)演繹推理
3.7.1 Bledsoe自然演繹法
3.7.2 基于規(guī)則的演繹推理
3.7.3 王浩算法
習(xí)題

第4章 圖搜索技術(shù)
4.1 狀態(tài)圖搜索
4.1.1 狀態(tài)圖
4.1.2 狀態(tài)圖搜索
4.1.3 窮舉式搜索
4.1.4 啟發(fā)式搜索
4.1.5 加權(quán)狀態(tài)圖搜索
4.1.6 啟發(fā)式留搜索的A算法和A算法
4.1.7 狀態(tài)圖搜索策略小結(jié)
4.2 狀態(tài)圖問(wèn)題求解
4.2.1 問(wèn)題的狀態(tài)圖表示
4.2.2 狀態(tài)圖問(wèn)題求解程序舉例
4.3 與或圖搜索
4.3.1 與或圖
4.3.2 與或圖搜索
4.3.3 啟發(fā)式與或樹搜索
4.4 與或圖問(wèn)題求解
4.4.1 問(wèn)題的與或圖表示
4.4.2 與或圖問(wèn)題求解程序舉例
4.5 博弈樹搜索
4.5.1 博弈樹的概念
4.5.2 極小極大分析法
4.5.3 α-β剪枝技術(shù)
習(xí)題四

第5章 產(chǎn)生式系統(tǒng)
5.1 產(chǎn)生式規(guī)則
5.1.1 產(chǎn)生式規(guī)則
5.1.2 基于產(chǎn)生式的推理模式
5.2 產(chǎn)生式系統(tǒng)
5.2.1 產(chǎn)生式系統(tǒng)的組成
5.2.2 產(chǎn)生式系統(tǒng)的運(yùn)行過(guò)程
5.2.3 控制策略與常用算法
5.3 產(chǎn)生式系統(tǒng)與圖搜索
5.4 產(chǎn)生式系統(tǒng)的應(yīng)用
5.5 產(chǎn)生式系統(tǒng)的程序?qū)崿F(xiàn)
5.5.1 產(chǎn)生式規(guī)則的程序語(yǔ)言實(shí)現(xiàn)
5.5.2 規(guī)則庫(kù)的程序?qū)崿F(xiàn)
5.5.3 動(dòng)態(tài)數(shù)據(jù)庫(kù)的程序?qū)崿F(xiàn)
5.5.4 推理機(jī)的程序?qū)崿F(xiàn)
習(xí)題五

第6章 知識(shí)表示
6.1 知識(shí)及其表示
6.1.1 知識(shí)的概念
6.1.2 知識(shí)表示
6.1.3 知識(shí)表示的語(yǔ)言實(shí)現(xiàn)
6.2 框架
6.2.1 框架的概念
6.2.2 框架的表達(dá)能力
6.2.3 基于框架的推理
6.2.4 框架的程序語(yǔ)言實(shí)現(xiàn)
6.3 語(yǔ)義網(wǎng)絡(luò)
6.3.1 語(yǔ)義網(wǎng)絡(luò)的概念
6.3.2 語(yǔ)義網(wǎng)絡(luò)的表達(dá)能力
6.3.3 基于語(yǔ)義網(wǎng)絡(luò)的推理
6.3.4 語(yǔ)義網(wǎng)絡(luò)的程序語(yǔ)言實(shí)現(xiàn)
6.4 面向?qū)ο笾R(shí)表示
習(xí)題六

第7章 不確定性處理
7.1 不確定性及其類型
7.2 不確定性知識(shí)的表示
7.2.1 隨機(jī)性知識(shí)的表示
7.2.2 模糊性知識(shí)的表示
7.2.3 模糊集合與模糊邏輯
7.2.4 多值邏輯
7.2.5 非單調(diào)邏輯
7.2.6 時(shí)序邏輯
7.3 不確定性推理的一般模式
7.4 確定性理論
7.5 證據(jù)理論
7.5.1 基本概念
7.5.2 基于證據(jù)理論的不確定性推理
7.6 模糊推理
7.6.1 語(yǔ)言變量語(yǔ)言值
7.6.2 用模糊（關(guān)系）集合表示模糊規(guī)則
7.6.3 模糊關(guān)系合成
7.6.4 基于關(guān)系合成的模糊推理
7.6.5 模糊推理的應(yīng)用與發(fā)展
習(xí)題七

第8章專究系統(tǒng)
8.1 專家系統(tǒng)的概念
8.1.1 什么是專家系統(tǒng)
8.1.2 專家系統(tǒng)的特點(diǎn)
8.1.3 專家系統(tǒng)的類型
8.1.4 專家系統(tǒng)與知識(shí)系統(tǒng)
8.1.5 專家系統(tǒng)與知識(shí)工程
8.1.6 專家系統(tǒng)與人工智能
8.2 專家系統(tǒng)的結(jié)構(gòu)
8.2.1 概念結(jié)構(gòu)
8.2.2 實(shí)際結(jié)構(gòu)
8.2.3 分布式結(jié)構(gòu)
8.2.4 黑板模型
8.3 專家系統(tǒng)的應(yīng)用與發(fā)展概況
8.3.1 專家系統(tǒng)的意義
8.3.2 專家系統(tǒng)的應(yīng)用
8.3.3 專家系統(tǒng)的發(fā)展概況
8.4 專家系統(tǒng)實(shí)例
8.4.1 PROSPECTOR的功能與結(jié)構(gòu)
8.4.2 知識(shí)表示
8.4.3 主觀貝葉斯推理模型
8.4.4 控制策略
8.4.5 解釋系統(tǒng)
8.5 專家系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
8.5.1 一般步驟與方法
8.5.2 快速原型與增量式開發(fā)
8.5.3 知識(shí)獲取
8.5.4 知識(shí)表示與知識(shí)描述語(yǔ)言設(shè)計(jì)
8.5.5 知識(shí)庫(kù)與知識(shí)庫(kù)管理系統(tǒng)設(shè)計(jì)
8.5.6 推理機(jī)與解釋功能設(shè)計(jì)
8.5.7 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
8.5.8 人機(jī)界面設(shè)計(jì)
8.6 專家系統(tǒng)開發(fā)工具與環(huán)境
8.6.1 專家系統(tǒng)開發(fā)工具
8.6.2 專家系統(tǒng)開發(fā)環(huán)境
8.7 新一代專家系統(tǒng)研究
8.7.1 深層知識(shí)專家系統(tǒng)
8.7.2 模糊專家系統(tǒng)
8.7.3 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
8.7.4 大型協(xié)同分布式專家系統(tǒng)
8.7.5 網(wǎng)上（多媒體）專家系統(tǒng)
8.7.6 事務(wù)處理專家系統(tǒng)
習(xí)題八

第9章 機(jī)器學(xué)習(xí)
9.1 符號(hào)學(xué)習(xí)
9.1.1 記憶學(xué)習(xí)
9.1.2 傳授學(xué)習(xí)
9.1.3 演繹學(xué)習(xí)
9.1.4 類比學(xué)習(xí)
9.1.5 示例學(xué)習(xí)
9.1.6 發(fā)現(xiàn)學(xué)習(xí)
9.1.7 解釋學(xué)習(xí)
9.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
9.2.1 生物神經(jīng)元
9.2.2 人工神經(jīng)元
9.2.3 神經(jīng)網(wǎng)絡(luò)
9.2.4 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)
9.2.5 BP網(wǎng)絡(luò)及其學(xué)習(xí)舉例
9.2.6 神經(jīng)網(wǎng)絡(luò)模型
習(xí)題九

第10章 自然語(yǔ)言理解
10.1 簡(jiǎn)單句理解
10.1.1 理解的實(shí)現(xiàn)過(guò)程
10.1.2 語(yǔ)法分析
10.1.3 語(yǔ)義分析
10.2 復(fù)合句理解
10.3 轉(zhuǎn)換文法和轉(zhuǎn)換網(wǎng)絡(luò)
10.3.1 轉(zhuǎn)換文法
10 3.2 轉(zhuǎn)換網(wǎng)絡(luò)
習(xí)題十
上機(jī)實(shí)習(xí)指導(dǎo)
實(shí)習(xí)一 PROLOG語(yǔ)言編程練習(xí)
實(shí)習(xí)二 圖搜素問(wèn)題求解
實(shí)習(xí)三 小型專家系統(tǒng)（原型）設(shè)計(jì)
名詞索引
主要參考文獻(xiàn)