人工智能教程學習指導與習題解析

第1章 緒論
1.1 基本知識點
1.1.1 人工智能的誕生及發(fā)展
1.1.2 人工智能的定義
1.1.3 人工智能的研究內(nèi)容
1.1.4 人工智能研究的方法及途徑
1.1.5 人工智能的研究及應用領(lǐng)域
1.2 例題分析
1.3 練習題
1.4 解題指導與習題解答
第2章 知識表示方法
2.1 基本知識點
2.1.1 知識及其表示
2.1.2 一階謂詞邏輯表示法
2.1.3 產(chǎn)生式表示法
2.1.4 語義網(wǎng)絡(luò)表示法
2.1.5 框架表示法
2.1.6 面向?qū)ο蟮谋硎痉?br /> 2.1.7 狀態(tài)空間表示法
2.2 例題分析
2.2.1 一階謂詞公式表示知識的舉例
2.2.2 語義網(wǎng)絡(luò)表示知識舉例
2.2.3 框架表示知識舉例
2.2.4 狀態(tài)空間表示知識舉例
2.3 練習題
2.4 解題指導與習題解答
第3章 確定性推理方法
3.1 基本知識點
3.1.1 謂詞公式的永真性和可滿足性
3.1.2 置換與合一
3.1.3 歸結(jié)推理方法
3.1.4 利用歸結(jié)原理進行定理證明
3.1.5 應用歸結(jié)原理進行問題求解
3.1.6 歸結(jié)過程的控制策略
3.2 例題分析
3.3 練習題
3.4 解題指導與習題解答
第4章 不確定推理方法
4.1 基本知識點
4.1.1 不確定推理概述
4.1.2 可信度方法
4.1.3 主觀Bayes方法
4.1.4 證據(jù)理論
4.2 例題分析
4.3 練習題
4.4 解題指導與習題解答
第5章 狀態(tài)空間搜索策略
5.1 基本知識點
5.1.1 盲目搜索策略
5.1.2 啟發(fā)式搜索策略
5.2 例題分析
5.3 練習題
5.4 解題指導與習題解答
第6章 機器學習
6.1 基本知識點
6.1.1 機器學習概述
6.1.2 機器學習系統(tǒng)的基本模型
6.1.3 機械學習
6.1.4 傳授式學習
6.1.5 類比學習
6.1.6 歸納學習
6.1.7 基于解釋的學習
6.1.8 ID3判定樹算法
6.2 例題分析
6.3 練習題
6.4 解題指導與習題解答
第7章 自然語言理解
7.1 基本知識點
7.1.1 自然語言及其理解
7.1.2 詞法分析
7.1.3 句法分析
7.1.4 語義分析
7.1.5 大規(guī)模真實文本的處理
7.2 例題分析
7.3 練習題
7.4 解題指導與習題解答
第8章 專家系統(tǒng)
8.1 基本知識點
8.1.1 專家系統(tǒng)概述
8.1.2 專家系統(tǒng)的基本結(jié)構(gòu)
8.1.3 知識獲取
8.1.4 專家系統(tǒng)的設(shè)計與建造
8.1.5 專家系統(tǒng)的評價
8.1.6 專家系統(tǒng)開發(fā)工具
8.1.7 新一代專家系統(tǒng)的發(fā)展
8.2 例題分析
8.3 練習題
8.4 解題指導與習題解答
第9章 神經(jīng)網(wǎng)絡(luò)與遺傳算法
9.1 基本知識點
9.1.1 人工神經(jīng)網(wǎng)絡(luò)概述
9.1.2 基于反向傳播的網(wǎng)絡(luò)模型
9.1.3 Hopfield網(wǎng)絡(luò)模型
9.1.4 遺傳算法的概念與原理
9.2 例題分析
9.3 練習題
9.4 解題指導與習題解答
第10章 數(shù)據(jù)挖掘與Agent技術(shù)
10.1 基本知識點
10.1.1 數(shù)據(jù)挖掘的概念與研究內(nèi)容
10.1.2 數(shù)據(jù)挖掘的功能與作用
10.1.3 數(shù)據(jù)挖掘的模型與算法
10.1.4 數(shù)據(jù)挖掘的過程
10.1.5 數(shù)據(jù)挖掘的研究熱點與發(fā)展趨勢
10.1.6 Agent的定義與體系結(jié)構(gòu)
10.1.7 多Agent系統(tǒng)
10.1.8 面向Agent的軟件技術(shù)
10.1.9 Agent技術(shù)所面臨的挑戰(zhàn)
10.2 例題分析
10.3 練習題
10.4 解題指導與習題解答
附錄A《計算機科學與技術(shù)》綜合考試真題
附錄B《計算機科學與技術(shù)》綜合考試真題參考解答
參考文獻