人工智能及其應用：研究生用書（第三版）

前沿學科的最精彩成就
代序--計算機時代的腦力勞動機械化與科學技術現(xiàn)代化
第三版序
第二版序
前言
第1章 緒論
1. 1 人工智能的定義與發(fā)展
1. 1. 1 人工智能的定義
1. 1. 2 人工智能的起源與發(fā)展
1. 2 人類智能與人工智能
1. 2. 1 智能信息處. 理系統(tǒng)的假設和認知的研究層次
1. 2. 2 人類智能的計算機模擬
1. 3 人工智能各學派的認知觀
1. 4 人工智能的研究與應用領域
1. 4. 1 問題求解
1. 4. 2 邏輯推理與定理證明
1. 4. 3 自然語言理解
1. 4. 4 自動程序設計
1. 4. 5 專家系統(tǒng)
1. 4. 6 機器學習
1. 4. 7 神經網絡
1. 4. 8 機器入學
1. 4. 9 模式識別
1. 4. 10 機器視覺
1. 4. 11 智能控制
1. 4. 12 智能檢索
1. 4. 13 智能調度與指揮
1. 4. 14 分布式人工智能與Agent
1. 4. 15 計算智能與進化計算
1. 4. 16 數(shù)據(jù)挖掘與知識發(fā)現(xiàn)
1. 4. 17 人工生命
1. 4. 18 系統(tǒng)與語言工具
1. 5 本書概要
習題1
第2章 知識表示與推理
2. 1 知識表示的一般方法
2. 2 圖搜索策略
2. 3 一般搜索與推理技術
2. 4 A算法
2. 5 消解原理
2. 5. 1 子句集的求取
2. 5. 2 消解推理規(guī)則
2. 5. 3 含有變量的消解式
2. 5. 4 消解反演求解過程
2. 5. 5 含狀態(tài)項的回答語句的求取
2. 6 規(guī)則演繹系統(tǒng)
2. 6. 1 規(guī)則正向演繹系統(tǒng)
2. 6. 2 規(guī)則逆向演繹系統(tǒng)
2. 6. 3 規(guī)則雙向演繹系統(tǒng)
2. 7 產生式系統(tǒng)
2. 7. 1 產生式系統(tǒng)的組成
2. 7. 2 產生式系統(tǒng)的推理
2. 7. 3 產生式系統(tǒng)舉例
2. 8 系統(tǒng)組織技術
2. 8. 1 議程表
2. 8. 2 黑板法
2. 8. 3 △-極小搜索法
2. 9 小結
習題2
第3章 高級知識推理
3. 1 經典推理和非經典推理
3. 2 非單調推理
3. 2. 1 缺省推理
3. 2. 2 限定推理
3. 2. 3 真值維持系統(tǒng)
3. 3 時序推理
3. 3. 1 時間區(qū)間關系的表示
3. 3. 2 各種約束關系算法
3. 3. 3 時序關系表示和約束算法的拓廣
3. 4 不確定性推理
3. 4. 1 不確定性的表示與度量
3. 4. 2 不確定性的算法
3. 5 概率推理
3. 5. 1 概率的基本性質和計算公式
3. 5. 2 概率推理方法
3. 6 主觀貝葉斯方法
3. 6. 1 知識不確定性的表示
3. 6. 2 證據(jù)不確定性的表示
3. 6. 3 主觀貝葉斯方法的推理過程
3. 7 可信度方法
3. 7. 1 基于可信度的不確定性表示
3. 7. 2 可信度方法的推理算法
3. 8 證據(jù)理論
3. 8. 1 證據(jù)理論的形式化描述
3. 8. 2 證據(jù)理論的不確定性推理模型
3. 8. 3 推理示例
3. 9 小結
習題3
第4章 計算智能
4. 1 概述
4. 2 神經計算
4. 2. 1 人工神經網絡研究的進展
4. 2. 2 人工神經網絡的結構
4. 2. 3 人工神經網絡的典型模型
4. 2. 4 人工神經網絡示例及其算法
4. 2. 5 基于神經網絡的知識表示與推理
4. 3 模糊計算
4. 3. 1 模糊集合. 模糊邏輯及其運算
4. 3. 2 模糊邏輯推理
4. 3. 3 模糊判決方法
4. 3. 4 模糊邏輯. 專家系統(tǒng)及神經網絡在控制中的集成
4. 4 粗糙集理論
4. 4. 1 粗糙集理論的基本概念和特點
4. 4. 2 粗糙集理論的數(shù)據(jù)和決策表約簡
4. 5 遺傳算法
4. 5. 1 遺傳算法的基本機理
4. 5. 2 遺傳算法的求解步驟
4. 5. 3 遺傳算法的收斂性
4. 6 進化策略
4. 6. 1 進化策略的算法模型
4. 6. 2 進化策略和遺傳算法的區(qū)別
4. 7 進化編程
4. 7. 1 進化編程的機理與表示
4. 7. 2 進化編程的步驟
4. 8 人工生命
4. 8. 1 人工生命研究的起源和發(fā)展
4. 8. 2 人工生命的定義和研究意義
4. 8. 3 人工生命的研究內容和方法
4. 8. 4 人工生命的實例
4. 9 粒群優(yōu)化
4. 9. 1 群智能和粒群優(yōu)化概述
4. 9. 2 粒群優(yōu)化算法
4. 10 蟻群算法
4. 10. 1 蟻群算法理論
4. 10. 2 蟻群算法的研究與應用
4. 11 自然計算
4. 11. 1 自然計算的興起
4. 11. 2 自然計算的特征
4. 11. 3 自然計算的改進映射模型
4. 12 免疫計算
4. 12. 1 免疫算法的提出
4. 12. 2 免疫算法
4. 12. 3 免疫算法的應用與發(fā)展趨勢
4. 13 小結
習題4
第5章 專家系統(tǒng)
5. 1 專家系統(tǒng)概述
5. 1. 1 專家系統(tǒng)的特點
5. 1. 2 專家系統(tǒng)的類型
5. 1. 3 專家系統(tǒng)的結構和建造步驟
5. 2 基于規(guī)則的專家系統(tǒng)
5. 3 基于框架的專家系統(tǒng)
5. 4 基于模型的專家系統(tǒng)
5. 5 新型專家系統(tǒng)
5. 5. 1 新型專家系統(tǒng)的特征
5. 5. 2 分布式專家系統(tǒng)
5. 5. 3 協(xié)同式專家系統(tǒng)
5. 6 專家系統(tǒng)設計
5. 6. 1 專家知識的描述
5. 6. 2 知識的使用和決策解釋
5. 7 專家系統(tǒng)開發(fā)工具
5. 8 專家系統(tǒng)實例--MYCIN剖析
5. 8. 1 MYCIN概述
5. 8. 2 咨詢子系統(tǒng)
5. 8. 3 靜態(tài)數(shù)據(jù)庫
5. 8. 4 動態(tài)數(shù)據(jù)庫
5. 8. 5 非精確推理
5. 8. 6 控制策略
5. 9 小結
習題5
第6章 機器學習
6. 1 機器學習的定義和發(fā)展歷史
6. 1. 1 機器學習的定義
6. 1. 2 機器學習的發(fā)展史
6. 2 機器學習的主要策略與基本結構
6. 2. 1 機器學習的主要策略
6. 2. 2 機器學習系統(tǒng)的基本結構
6. 3 機械學習
6. 4 歸納學習
6. 4. 1 歸納學習的模式和規(guī)則
6. 4. 2 歸納學習方法
6. 5 類比學習
6. 5. 1 類比推理和類比學習形式
6. 5. 2 類比學習過程與研究類型
6. 6 解釋學習
6. 6. 1 解釋學習過程和算法
6. 6. 2 解釋學習舉例
6. 7 神經學習
6. 7. 1 基于反向傳播網絡的學習
6. 7. 2 基于Hopfield網絡的學習
6. 8 知識發(fā)現(xiàn)
6. 8. 1 知識發(fā)現(xiàn)的發(fā)展和定義
6. 8. 2 知識發(fā)現(xiàn)的處理過程
6. 8. 3 知識發(fā)現(xiàn)的方法
6. 8. 4 知識發(fā)現(xiàn)的應用
6. 9 小結
習題6
第7章 自動規(guī)劃
7. 1 機器人規(guī)劃的作用與任務
7. 1. 1 規(guī)劃的作用與問題分解途徑
7. 1. 2 機器人規(guī)劃系統(tǒng)的任務與方法
7. 2 積木世界的機器人規(guī)劃
7. 2. 1 積木世界的機器人問題
7. 2. 2 用F規(guī)則求解規(guī)劃序列
7. 3 STRIPS規(guī)劃系統(tǒng)
7. 3. 1 STRIPS系統(tǒng)的組成
7. 3. 2 STRIPS系統(tǒng)規(guī)劃過程
7. 3. 3 含有多重解答的規(guī)劃
7. 4 具有學習能力的規(guī)劃系統(tǒng)
7. 4. 1 PULP-I系統(tǒng)的結構與操作方式
7. 4. 2 PULP-I系統(tǒng)的世界模型和規(guī)劃結果
7. 5 分層規(guī)劃
7. 5. 1 長度優(yōu)先搜索
7. 5. 2 NOAH規(guī)劃系統(tǒng)
7. 6 基于專家系統(tǒng)的機器人規(guī)劃
7. 6. 1 系統(tǒng)結構和規(guī)劃機理
7. 6. 2 ROPES機器人規(guī)劃系統(tǒng)
7. 7 太空構件裝配順序規(guī)劃系統(tǒng)
7. 7. 1 太空構件裝配及其順序規(guī)劃
7. 7. 2 三維結構裝配順序規(guī)劃示例
7. 8 小結
習題7
第8章 Agent 艾真體
8. 1 分布式人工智能
8. 2 Agent及其要素
8. 3 艾真體的結構
8. 3. 1 艾真體的結構特點
8. 3. 2 艾真體的結構分類
8. 4 艾真體通信
8. 4. 1 通信的過程
8. 4. 2 艾真體通信的類型和方式
8. 4. 3 交談的規(guī)劃與實現(xiàn)
8. 4. 4 艾真體的通信語言
8. 5 多艾真體系統(tǒng)
8. 5. 1 多艾真體系統(tǒng)的模型和結構
8. 5. 2 多艾真體系統(tǒng)的協(xié)作. 協(xié)商和協(xié)調
8. 5. 3 多艾真體系統(tǒng)的學習與規(guī)劃
8. 5. 4 多艾真體系統(tǒng)的研究和應用領域
8. 6 小結
習題8
第9章 機器視覺
9. 1 圖像的理解與分析
9. 1. 1 視覺信息的表達方法
9. 1. 2 邊緣距離的計算
9. 1. 3 表面方向的計算
9. 2 積木世界的景物分析
9. 2. 1 積木世界景物的線條標示方法
9. 2. 2 無斷裂和陰影時三面頂點的標示方法
9. 2. 3 有斷裂和陰影時線條圖的分析
9. 3 視覺的知識表示與控制策略
9. 3. 1 視覺信息的語義網絡表示
9. 3. 2 位置網絡表示
9. 3. 3 視覺系統(tǒng)的控制策略
9. 4 物體形狀的分析與識別
9. 4. 1 復雜形狀物體的表示
9. 4. 2 三維物體的形狀描述
9. 4. 3 物體形狀識別方法
9. 5 機器人視覺系統(tǒng)舉例
9. 5. 1 EYECOMII機器人視覺系統(tǒng)
9. 5. 2 機器人三維視覺系統(tǒng)
9. 6 小結
習題9
第10章 自然語言理解
10. 1 語言及其理解的一般問題
10. 1. 1 語言與語言理解
10. 1. 2 自然語言理解研究的進展
10. 1. 3 自然語言理解過程的層次
10. 2 句法和語義的自動分析
10. 2. 1 句法模式匹配和轉移網絡
10. 2. 2 擴充轉移網絡
10. 2. 3 詞匯功能語法 LFG
10. 2. 4 語義的解析
10. 3 句子的自動理解
10. 3. 1 簡單句的理解方法
10. 3. 2 復合句的理解方法
10. 4 語言的自動生成
10. 5 文本的自動翻譯--機器翻譯
10. 6 自然語言理解系統(tǒng)的主要模型
10. 7 自然語言理解系統(tǒng)應用舉例
10. 7. 1 自然語言自動理解系統(tǒng)
10. 7. 2 機器翻譯系統(tǒng)ARIANE
10. 7. 3 自然語言問答系統(tǒng)
10. 8 小結
習題10
第11章 智能控制
11. 1 智能控制的發(fā)展與定義
11. 1. 1 智能控制的產生和發(fā)展
11. 1. 2 智能控制的定義
11. 2 智能控制的結構理論與特點
11. 2. 1 智能控制的結構理論
11. 2. 2 智能控制器的一般結構
11. 2. 3 智能控制的特點
11. 3 智能控制的研究領域
11. 4 智能控制系統(tǒng)
11. 4. 1 遞階智能控制系統(tǒng)
11. 4. 2 專家控制系統(tǒng)
11. 4. 3 模糊控制系統(tǒng)
11. 4. 4 學習控制系統(tǒng)
11. 4. 5 神經控制系統(tǒng)
11. 5 智能控制應用示例
11. 6 小結
習題11
第12章 人工智能的爭論與展望
12. 1 人工智能的爭論
12. 1. 1 對人工智能理論的爭論
12. 1. 2 對人工智能方法的爭論
12. 1. 3 對人工智能技術路線的爭論
12. 2 人工智能對人類的影響
12. 2. 1 人工智能對經濟的影響
12. 2. 2 人工智能對社會的影響
12. 2. 3 人工智能對文化的影響
12. 3 智能認識論的若干基礎問題
12. 4 對人工智能的展望
12. 4. 1 更新的理論框架
12. 4. 2 更好的技術集成
12. 4. 3 更成熟的應用方法
12. 5 結束語
參考文獻
索引