人工智能原理與方法（王永慶）

第1章  緒論                  
 1. 1  什么是人工智能                  
 1. 1. 1  智能                  
 1. 1. 2  人工智能                  
 1. 1. 3  人工智能的發(fā)展簡史                  
 1. 2  人工智能的研究目標及基本內容                  
 1. 2. 1  人工智能的研究目標                  
 1. 2. 2  人工智能研究的基本內容                  
 1. 3  人工智能的研究途徑                  
 1. 3. 1  以符號處理為核心的方法                  
 1. 3. 2  以網(wǎng)絡連接為主的連接機制方法                  
 1. 3. 3  系統(tǒng)集成                  
 1. 4  人工智能的研究領域                  
 1. 4. 1  專家系統(tǒng)                  
 1. 4. 2  機器學習                  
 1. 4. 3  模式識別                  
 1. 4. 4  自然語言理解                  
 1. 4. 5  自動定理證明                  
 1. 4. 6  自動程序設計                  
 1. 4. 7  機器人學                  
 1. 4. 8　博弈                  
 1. 4. 9  智能決策支持系統(tǒng)                  
 1. 4. 10　人工神經(jīng)網(wǎng)絡                  
 本章小結                  
 習  題                  
 第2章  人工智能的數(shù)學基礎                  
 2. 1  命題邏輯與謂詞邏輯                  
 2. 1. 1  命題                  
 2. 1. 2  謂詞                  
 2. 1. 3  謂詞公式                  
 2. 1. 4　謂詞公式的解釋                  
 2. 1. 5  謂詞公式的永真性. 可滿足性. 不可滿足性                  
 2. 1. 6  謂詞公式的等價性與永真蘊含                  
 2. 2　多值邏輯                  
 2. 3  概率論                  
 2. 3. 1  隨機現(xiàn)象                  
 2. 3. 2  樣本空間與隨機事件                  
 2. 3. 3  事件的概率                  
 2. 3. 4  條件概率                  
 2. 3. 5  全概率公式與Bayes公式                  
 2. 4  模糊理論                  
 2. 4. 1  模糊性                  
 2. 4. 2  集合與特征函數(shù)                  
 2. 4. 3  模糊集與隸屬函數(shù)                  
 2. 4. 4  模糊集的表示方法                  
 2. 4. 5  模糊集的運算                  
 2. 4. 6  模糊集的λ水平截集                  
 2. 4. 7  模糊度                  
 2. 4. 8  模糊數(shù)                  
 2. 4. 9  模糊關系及其合成                  
 2. 4. 10  模糊變換                  
 2. 4. 11  實數(shù)域上幾種常用的隸屬函數(shù)                  
 2. 4. 12  建立隸屬函數(shù)的方法                  
 本章小結                  
 習  題                  
 第3章  知識與知識表示                  
 3. 1  基本概念                  
 3. 1. 1  什么是知識                  
 3. 1. 2  知識的特性                  
 3. 1. 3  知識的分類                  
 3. 1. 4  知識的表示                  
 3. 2  一階謂詞邏輯表示法                  
 3. 2. 1  表示知識方法                  
 3. 2. 2  一階謂詞邏輯表示法的特點                  
 3. 3  產(chǎn)生式表示法                  
 3. 3. 1  產(chǎn)生式的基本形式                  
 3. 3. 2  產(chǎn)生式系統(tǒng)                  
 3. 3. 3  產(chǎn)生式系統(tǒng)的分類                  
 3. 3. 4  產(chǎn)生式表示法的特點                  
 3. 4  框架表示法                  
 3. 4. 1  框架理論                  
 3. 4. 2  框架                  
 3. 4. 3  框架網(wǎng)絡                  
 3. 4. 4  框架中槽的設置與組織                  
 3. 4. 5  框架系統(tǒng)中求解問題的基本過程                  
 3. 4. 6  框架表示法的特點                  
 3. 5  語義網(wǎng)絡表示法                  
 3. 5. 1  語義網(wǎng)絡的概念                  
 3. 5. 2  知識的語義網(wǎng)絡表示                  
 3. 5. 3  常用的語義聯(lián)系                  
 3. 5. 4  語義網(wǎng)絡系統(tǒng)中求解問題的基本過程                  
 3. 5. 5  語義網(wǎng)絡表示法的特點                  
 3. 6   腳本表示法                  
 3. 6. 1  概念依賴理論                  
 3. 6. 2  腳本                  
 3. 7  過程表示法                  
 3. 7. 1  表示知識方法                  
 3. 7. 2  過程表示法的特點                  
 3. 8  Petri網(wǎng)表示法                  
 3. 8. 1  表示知識方法                  
 3. 8. 2  Petri網(wǎng)表示法的特點                  
 3. 9  面向對象表示法                  
 3. 9. 1  面向對象的基本概念                  
 3. 9. 2  表示知識方法                  
 本章小結                  
 習  題                  
 第4章  經(jīng)典邏輯推理                  
 4. 1  基本概念                  
 4. 1. 1  什么是推理                  
 4. 1. 2  推理方式及其分類                  
 4. 1. 3  推理的控制策略                  
 4. 1. 4  模式匹配                  
 4. 1. 5  沖突消解策略                  
 4. 2  自然演繹推理                  
 4. 3  歸結演繹推理                  
 4. 3. 1  子句                  
 4. 3. 2  海伯倫理論                  
 4. 3. 3  魯賓遜歸結原理                  
 4. 3. 4  歸結反演                  
 4. 3. 5  應用歸結原理求取問題的答案                  
 4. 3. 6  歸結策略                  
 4. 4  與／或形演繹推理                  
 4. 4. 1  與／或形正向演繹推理                  
 4. 4. 2  與域形逆向演繹推理                  
 4. 4. 3  與域形雙向演繹推理                  
 4. 4. 4  代換的一致性及剪枝策略                  
 本章小結                  
 習  題                  
 第5章  不確定與非單調推理                  
 5. 1  基本概念                  
 5. 1. 1  什么是不確定性推理                  
 5. 1. 2  不確定性推理中的基本問題                  
 5. 1. 3  不確定性推理方法的分類                  
 5. 2  概率方法                  
 5. 2. 1  經(jīng)典概率方法                  
 5. 2. 2  逆概率方法                  
 5. 3  主觀Bayes方法                  
 5. 3. 1  知識不確定性的表示                  
 5. 3. 2  證據(jù)不確定性的表示                  
 5. 3. 3  組合證據(jù)不確定性的算法                  
 5. 3. 4  不確定性的傳遞算法                  
 5. 3. 5  結論不確定性的合成算法                  
 5. 4  可信度方法                  
 5. 4. 1  可信度的概念                  
 5. 4. 2  C-F模型                  
 5. 4. 3  帶有閾值限度的不確定性推理                  
 5. 4. 4  加權的不確定性推理                  
 5. 4. 5  前提條件中帶有可信度因子的不確定性推理                  
 5. 5  證據(jù)理論                  
 5. 5. 1  D－S理論                  
 5. 5. 2  一個具體的不確定性推理模型                  
 5. 6  模糊推理                  
 5. 6. 1  模糊命題                  
 5. 6. 2　模糊知識的表示                  
 5. 6. 3  模糊匹配與沖突消解                  
 5. 6. 4  模糊推理的基本模式                  
 5. 6. 5  簡單模糊推理                  
 5. 6. 6　模糊三段論推理                  
 5. 6. 7　多維模糊推理                  
 5. 6. 8  多重模糊推理                  
 5. 6. 9  帶有可信度因子的模糊推理                  
 5. 7  基于框架表示的不確定性推理                  
 5. 7. 1  不確定性知識的框架表示                  
 5. 7. 2  框架的不確定性匹配                  
 5. 7. 3  框架推理                  
 5. 8  基于語義網(wǎng)絡表示的不確定性推理                  
 5. 8. 1  不確定性知識的語義網(wǎng)絡表示                  
 5. 8. 2　語義網(wǎng)絡推理                  
 5. 9　非單調推理                  
 5. 9. 1  非單調推理的概念                  
 5. 9. 2  缺省理論                  
 5. 9. 3  界限理論                  
 5. 9. 4  正確性維持系統(tǒng)TMS                  
 本章小結                  
 習  題                  
 第6章　搜索策暗                  
 6. 1  基本概念                  
 6. 1. 1  什么是搜索                  
 6. 1. 2  狀態(tài)空間表示法                  
 6. 1. 3　與域樹表示法                  
 6. 2  狀態(tài)空間的搜索策略                  
 6. 2. 1  狀態(tài)空間的一般搜索過程                  
 6. 2. 2　廣度優(yōu)先搜索                  
 6. 2. 3  深度優(yōu)先搜索                  
 6. 2. 4  有界深度優(yōu)先搜索                  
 6. 2. 5  代價樹的廣度優(yōu)先搜索                  
 6. 2. 6  代價樹的深度優(yōu)先搜索                  
 6. 2. 7　啟發(fā)式搜索                  
 6. 2. 8  A*算法                  
 6. 3  與域樹的搜索策略                  
 6. 3. 1  與域樹的一般搜索過程                  
 6. 3. 2  與域樹的廣度優(yōu)先搜索                  
 6. 3. 3  與域樹的深度優(yōu)先搜索                  
 6. 3. 4  與域樹的有序搜索                  
 6. 3. 5  博弈樹的啟發(fā)式搜索                  
 6. 3. 6  α-β剪枝技術                  
 6. 4  搜索的完備性與效率                  
 6. 4. 1  完備性                  
 6. 4. 2  搜索效率                  
 本章小結                  
 習  題                  
 第7章  專家系統(tǒng)                  
 7. 1  基本概念                  
 7. 1. 1  什么是專家系統(tǒng)                  
 7. 1. 2  專家系統(tǒng)的產(chǎn)生與發(fā)展                  
 7. 1. 3  專家系統(tǒng)的分類                  
 7. 2  專家系統(tǒng)的一般結構                  
 7. 2. 1  人機接口                  
 7. 2. 2　知識獲取機構                  
 7. 2. 3  知識庫及其管理系統(tǒng)                  
 7. 2. 4  推理機                  
 7. 2. 5  數(shù)據(jù)庫及其管理系統(tǒng)                  
 7. 2. 6  解釋機構                  
 7. 3  知識獲取                  
 7. 3. 1  知識獲取的任務                  
 7. 3. 2　知識獲取方式                  
 7. 4  知識的檢測與求精                  
 7. 4. 1  知識的一致性與完整性                  
 7. 4. 2  基于經(jīng)典邏輯的檢測方法                  
 7. 4. 3  基于Petri網(wǎng)的檢測方法                  
 7. 4. 4  知識求精                  
 7. 5  知識的組織與管理                  
 7. 5. 1  知識的組織                  
 7. 5. 2  知識的管理                  
 7. 6  專家系統(tǒng)的建造與評價                  
 7. 6. 1  專家系統(tǒng)的建造原則                  
 7. 6. 2  專家系統(tǒng)的開發(fā)過程                  
 7. 6. 3  專家系統(tǒng)的評價                  
 7. 7  專家系統(tǒng)的開發(fā)工具                  
 7. 7. 1  人工智能語言                  
 7. 7. 2  專家系統(tǒng)外殼                  
 7. 7. 3  通用型專家系統(tǒng)工具                  
 7. 7. 4  專家系統(tǒng)開發(fā)環(huán)境                  
 7. 8  新一代專家系統(tǒng)的研究                  
 7. 9  專家系統(tǒng)舉例                  
 7. 9. 1  動物識別系統(tǒng)                  
 7. 9. 2  專家系統(tǒng)MYCIN                  
 本章小結                  
 習  題                  
 第8章  機器學習                  
 8. 1  基本概念                  
 8. 1. 1  什么是機器學習                  
 8. 1. 2  學習系統(tǒng)                  
 8. 1. 3  機器學習的發(fā)展                  
 8. 1. 4  機器學習的分類                  
 8. 2  機械式學習                  
 8. 3  指導式學習                  
 8. 4  歸納學習                  
 8. 4. 1  歸納推理                  
 8. 4. 2  示例學習                  
 8. 4. 3  觀察與發(fā)現(xiàn)學習                  
 8. 5  類比學習                  
 8. 5. 1  類比推理                  
 8. 5. 2  屬性類比學習                  
 8. 5. 3  轉換類比學習                  
 8. 6  基于解釋的學習                  
 8. 6. 1  基于解釋學習的概念                  
 8. 6. 2  基于解釋學習的學習過程                  
 8. 6. 3  領域知識的完善性                  
 8. 7  學習方法的比較與展望                  
 8. 7. 1  各種學習方法的比較                  
 8. 7. 2  機器學習的展望                  
 本章小結                  
 習  題                  
 第9章  模式識別                  
 9. 1  基本概念                  
 9. 1. 1  什么是模式識別                  
 9. 1. 2  模式識別的一般過程                  
 9. 2  統(tǒng)計模式識別                  
 9. 2. 1  模板匹配分類法                  
 9. 2. 2  最小距離分類法                  
 9. 2. 3  相似系數(shù)分類法                  
 9. 2. 4  幾何分類法                  
 9. 2. 5  Bayes分類法                  
 9. 2. 6  聚類分析法                  
 9. 3  結構模式識別                  
 9. 3. 1  結構模式識別的基本過程                  
 9. 3. 2  基元抽取與模式文法                  
 9. 3. 3  模式的識別與分析                  
 9. 4  模糊模式識別                  
 9. 4. 1  基于最大隸屬原則的模式分類                  
 9. 4. 2  基于擇近原則的模式分類                  
 9. 4. 3  基于模糊等價關系的模式分類                  
 9. 4. 4  基于模糊相似關系的模式分類                  
 本章小結                  
 習  題                  
 第10章  智能決策支持系統(tǒng)                  
 10. 1  基本概念                  
 10. 1. 1  決策與決策過程                  
 10. 1. 2  決策支持系統(tǒng)                  
 10. 1. 3  智能決策支持系統(tǒng)                  
 10. 2  智能決策支持系統(tǒng)的基本構件                  
 10. 2. 1  數(shù)據(jù)庫系統(tǒng)                  
 10. 2. 2　模型庫系統(tǒng)                  
 10. 2. 3  方法庫系統(tǒng)                  
 10. 2. 4  知識庫系統(tǒng)                  
 10. 2. 5  人機接口系統(tǒng)                  
 10. 3  智能決策支持系統(tǒng)的系統(tǒng)結構                  
 10. 3. 1  四庫結構                  
 10. 3. 2  融合結構                  
 10. 4  多媒體人機智能接口                  
 10. 4. 1  多媒體技術                  
 10. 4. 2  多媒體技術在智能決策支持系統(tǒng)中的應用                  
 10. 4. 3  多媒體人機智能接口的設計與實現(xiàn)                  
 本章小結                  
 習  題                  
 第11章  神經(jīng)網(wǎng)絡                  
 11. 1  基本概念                  
 11. 1. 1  腦神經(jīng)系統(tǒng)與生物神經(jīng)元                  
 11. 1. 2  人工神經(jīng)元及其互連結構                  
 11. 1. 3  人工神經(jīng)網(wǎng)絡的特征及分類                  
 11. 1. 4  神經(jīng)網(wǎng)絡研究的發(fā)展簡史                  
 11. 2  神經(jīng)網(wǎng)絡模型                  
 11. 2. 1  感知器                  
 ll. 2. 2  B-P模型                  
 11. 2. 3  Hopfield模型                  
 11. 2. 4  自適應共振理論                  
 11. 3  神經(jīng)網(wǎng)絡在專家系統(tǒng)中的應用                  
 11. 3. 1  神經(jīng)網(wǎng)絡與專家系統(tǒng)的互補性                  
 11. 3. 2  基于神經(jīng)網(wǎng)絡的知識表示                  
 11. 3. 3  基于神經(jīng)網(wǎng)絡的推理                  
 11. 4  神經(jīng)網(wǎng)絡在模式識別中的應用                  
 本章小結                  
 習  題                  
 第12章  智能計算機                  
 12. 1  什么是智能計算機                  
 12. 2  知識信息處理系統(tǒng)                  
 12. 3  人工神經(jīng)網(wǎng)絡計算機                  
 12. 3. 1  數(shù)字集成電路形式                  
 12. 3. 2  模擬集成電路形式                  
 12. 4  光計算機                  
 12. 4. 1  空間光調制器                  
 12. 4. 2  光互連                  
 12. 4. 3  光全息存儲與光計算機的研制                  
 12. 5  生物計算機                  
 本章小結                  
 習  題                  
 附錄                  
 參考文獻