人工智能高級技術導論

第一章 緒論
1．1 人工智能研究的發(fā)展
1．2 人工智能應用研究的發(fā)展趨勢
1．3 基于知識的軟件智能化技術
1．3．1 知識處理技術的深化
1．3．2 對KB系統(tǒng)現(xiàn)狀的反思
1．3．3 軟件智能化實踐
1．3．4 開發(fā)人工智能高級技術
本章 小結
習題
參考文獻
第二章 基于知識的問題求解
2．1 知識表示
2．2 問題求解
2．2．1 問題求解的基本方法
2．2．2 問題求解的組織
2．3 KB系統(tǒng)
2．3．1 KB系統(tǒng)的一般概念
2．3．2 知識獲取和KB系統(tǒng)開發(fā)
2．3．3 KB系統(tǒng)開發(fā)工具和環(huán)境
2．4 知識級分析
2．4．1 表示和知識
2．4．2 計算機系統(tǒng)的功能分級
2．4．3 知識級
2．4．4 知識級細節(jié)
2．4．5 結論
2．5 符號推理的高級技術
2．5．1 基于假設的推理
2．5．2 從屬和辯證
2．5．3 約束滿足
2．5．4 元推理
本章 小結
習題
參考文獻
第三章 KB系統(tǒng)的高級技術
3．1 開發(fā)的必要性
3．2 定性物理方法
3．2．1 定性演算
3．2．2 用定性演算推理行為
3．2．3 典型的定性物理方法
3．3 基于模型的推理(MBR)
3．3．1 因果建模
3．3．2 不精確模型
3．4 深、淺層推理的綜合
3．4．1 一個實例——動態(tài)系統(tǒng)的適應性多級診斷建模
3．4．2 綜合深、淺層推理的技術
3．5 問題求解的結構化模型
3．5．1 問題求解建模
3．5．2 知識獲取工具的開發(fā)工具
3．6 功能化體系結構
3．6．1 常見任務
3．6．2 診斷推理中的常見任務舉例
3．6．3 常見任務工具集
3．6．4 功能化體系結構方式的評價
3．7 知識級問題求解建模
3．7．1 知識獲取觀點
3．7．2 中間模型
3．7．3 專門知識建模
3．7．4 可重用的專門知識元素
3．7．5 知識變異
3．7．6 結構保留設計
3．7．7 知識獲取過程
3．7．8 結論
本章 小結
習題
參考文獻
第四章 非單調推理和軟計算
4．1 傳統(tǒng)邏輯系統(tǒng)的局限性
4．2 非單調推理
4．2．1 非單調推理簡介
4．2．2 非單調推理的形式化方法
4．2．3 真值維持系統(tǒng)
4．2．4 約束滿足問題
4．3 不確定推理
4．3．1 主觀Bayes方法
4．3．2 確定性方法
4．3．3 D—S證據(jù)理論
4．3．4 應用不確定推理的準則
4．4 模糊邏輯和模糊推理
4．4．1 模糊邏輯
4．4．2 模糊推理
4．4．3 模糊控制
4．4．4 應用模糊邏輯時的問題
4．5 神經網(wǎng)絡
4．5．1 神經元和神經網(wǎng)絡
4．5．2 面向映射_／變換的BP網(wǎng)
4．5．3 面向聯(lián)想記憶的神經網(wǎng)絡
4．5．4 神經網(wǎng)絡的實現(xiàn)技術
本章 小結
習題
參考文獻
第五章 基于范例的推理
5．1 基于范例的推理系統(tǒng)
5．1．1 研究動機
5．1．2 CBR系統(tǒng)分類
5．1．3 應用例——基于范例的服務調度
5．2 范例表示和索引
5．2．1 范例的內容
5．2．2 范例索引
5．3 檢索、改編和辯證
5．3．1 范例檢索和存儲更新
5．3．2 解答改編
5．3．3 解答辯證
5．4 基于范例的學習
5．4．1 學習方式
5．4．2 學習方法的比較
5．5 基于范例的推理應用
5．5．1 某些CBR應用系統(tǒng)
5．5．2 集成CBR和其他信息處理技術
5．6 結論
本章 小結
習題
參考文獻
第六章 關于時間和空間的推理
6．1 伴有時間的推理
6．1．1 時間和邏輯
6．1．2 時間概念及其表示
6．1．3 實現(xiàn)伴有時間的推理
6．1．4 基于時態(tài)邏輯的RWT理論框架
6．2 時間的不確定性和分支
6．2．1 關于事件時間的不完全知識
6．2．2 時間分支
6．3 關于空間的推理
6．3．1 空間概念及其表示
6．3．2 空間搜索
6．3．3 多層次空間表示
6．4 關于形狀的推理
6．5 時空推理小結
本章 小結
習題
參考文獻
第七章 機器學習研究與應用的新進展
第八章 Agent技術和信息基礎設施智能化
第九章 新一代網(wǎng)絡計算的技術基礎及智能化