人工智能基礎(chǔ)

第一章 人工智能概述
第一節(jié) 人工智能概況
一、什么是人工智能
二、什么是智能
第二節(jié) 人工智能的研究途徑
第三節(jié) 人工智能的研究目標
第四節(jié) 人工智能的研究領(lǐng)域
一、模式識別（Pattern Recognition）
二、問題求解（Problem Solving）
三、自然語言理解（Natural Language Understanding）
四、自動定理證明（Automatic Theorem Proving）
五、機器視覺（Machine Vision）
六、自動程序設(shè)計（Automatic Programming）
七、專家系統(tǒng)（Expert System）
八、機器學習（Machine Learning）
九、機器人（Robots）
第五節(jié) 人工智能研究的歷史回顧及進展
一、人工智能研究的歷史回顧
二、人工智能研究的進展
習題一
第二章 問題求解的基本原理
第一節(jié) 狀態(tài)空間法問題求解
一、問題的狀態(tài)空間表示
二、狀態(tài)空間的窮搜索法
三、啟發(fā)式搜索法
第二節(jié) 問題歸約法
一、問題歸約描述
二、與或圖表了
三、AO*算法
第三節(jié) 博弈樹搜索
一、極大極小過程
二、a－p過程
習題二
第三章 基于邏輯的問題求解方法
第一節(jié) 一階謂詞邏輯基礎(chǔ)
一、謂詞邏輯的符號體系
二、謂調(diào)演算公式
三、謂詞公式的解釋
四、謂詞演算的基本等價式及推理規(guī)則
五、謂詞邏輯的演繹推理方法
大、謂詞公式的規(guī)范化
七、置換與合—
第二節(jié) 基于一價謂調(diào)邏輯的知識表達
第三節(jié) 歸結(jié)（消解）原理
一、歸結(jié)原理簡介
二、歸結(jié)原理在問題求解中的應(yīng)用舉例
第四節(jié) 基于規(guī)則的演繹推理
一、基于規(guī)則的正向演繹推理（FR）
二、基于規(guī)則的反向演繹推理（BR）
第五節(jié) 時序邏輯
一、時序邏輯概述
二、基于系統(tǒng)狀態(tài)的時序邏輯
三、基于時序規(guī)則的控制領(lǐng)域知識表達——時序規(guī)則法
習題三
第四章 產(chǎn)生式系統(tǒng)
第一節(jié) 產(chǎn)生式系統(tǒng)概述
第二節(jié) 產(chǎn)生式系統(tǒng)的工作周期
第三節(jié) 產(chǎn)生式系統(tǒng)的控制策略
一、正向推理
二、反向推理
三、正反向混合推理
第四節(jié) 典型的產(chǎn)生式系統(tǒng)CLIPS
一、CLIPS的基本組成與知識表示
二、CLIPS的推理機制
第五節(jié) 對產(chǎn)生式系統(tǒng)的評價
一、RETE算法
二、知識庫編譯
三、并計處理
習題四
第五章 基于結(jié)構(gòu)化表示的問題求解
第一節(jié) 語義網(wǎng)絡(luò)
一、語義網(wǎng)絡(luò)的知識表示
二、語義網(wǎng)絡(luò)的推理
三、語義網(wǎng)絡(luò)表示的特點與不足
第二節(jié) 框架系統(tǒng)
一、框架的構(gòu)成
二、框架系統(tǒng)的推理
三、框架表示的特點與不足
第三節(jié)  面向?qū)ο蟮谋硎痉椒?br />一、關(guān)于對象的定義
二、消息、接口和方法
三、類（class）
四、封裝與繼承
五、面向?qū)ο笾R表示與語義網(wǎng)絡(luò)、框架系統(tǒng)的比較
習題五
第六章 不確定知識表示及推理
第一節(jié) 不確定推理概述
一、不確定性問題的代數(shù)模型
二、幾種主要的不確定性推理方法
第二節(jié) 不確定推理方法
一、確定性因子法
二、主觀Bayes方法
三、D-S證據(jù)理論
四、可能性理論
五、信念網(wǎng)絡(luò)
第三節(jié) 非單調(diào)推理
一、缺省推理
二、自認識邏輯
三、界限理論
四、正確性維持系統(tǒng)
第四節(jié) 粗集理論
一、RSY的概述
二、粗集理論的不確定性知識表示
習題六
第七章 規(guī)劃來解系統(tǒng)
第一節(jié) 規(guī)劃
一、規(guī)劃的概念
二、規(guī)劃的特性和作用
三、系統(tǒng)規(guī)劃求解的方法與途徑
第二節(jié) 機器規(guī)劃成功性基本原理
一、概述
二、總規(guī)劃的設(shè)計與分層規(guī)劃原理
三、規(guī)劃問題求解與最優(yōu)規(guī)劃原理
四、規(guī)劃的雙序求解與診斷
第三節(jié) 規(guī)劃搜索求解
一、搜索域的分層規(guī)劃
二、分層規(guī)劃搜索的并行處理
三、一個實例--魔方問題的規(guī)劃搜索求解
第四節(jié) 機器人規(guī)劃問題求解
一、機器人工作規(guī)劃及生成方法
二、規(guī)劃的執(zhí)行與操作控制臺
三、機器人過程控制與環(huán)境約束
第五節(jié) 基于謂詞邏輯的機器規(guī)劃設(shè)計
一、機器人行動規(guī)劃問題分析
二、機器人行動規(guī)劃狀態(tài)與操作設(shè)計
三、機器人行動規(guī)劃過程設(shè)計
四、機器人多級規(guī)劃
習題七
第八章 機器學習
第一節(jié) 機器學習的概念
一、什么是學習
二、人類學習與機器學習
第二節(jié) 機器學習系統(tǒng)
一、什么是機器學習系統(tǒng)
二、一種機器學習系統(tǒng)模型
第三節(jié) 機器學習分類
一、基于推理策略的分類
二、基于系統(tǒng)性的分類
第四節(jié) 機器學習的發(fā)展簡史
第五節(jié) 從例子中學習
一、概述
二、從例子學習的兩個空間模型
三、學習單個概念
四、學習多個概念
五、學習執(zhí)行多步任務(wù)
第六節(jié) 基于解釋的學習
一、基于解釋學習系統(tǒng)的結(jié)構(gòu)
二、基于解釋學習的工作原理
三、基于解釋學習的方法
第七節(jié) 從觀察中學習
習題八
第九章 數(shù)據(jù)庫中的知識發(fā)現(xiàn)
第一節(jié) 引言
第二節(jié) KDD研究現(xiàn)狀
第三節(jié) KDD的一般機理和理論基礎(chǔ)
一、一般機理
二、主要研究方法
三、抽取知識的類型和表示
四、知識發(fā)現(xiàn)狀態(tài)空間
五、KDD數(shù)據(jù)挖掘及其他相關(guān)領(lǐng)域之間的關(guān)系
第四節(jié) KDD系統(tǒng)的基本框架
一、KDD系統(tǒng)的特點
二、KDD用系統(tǒng)的基本框架
第五節(jié) 數(shù)據(jù)庫發(fā)現(xiàn)知識的方法
第六節(jié) KDD所面臨的問題和研究方向
習題九
第十章 遺傳算法
第一節(jié) 遺傳算法的基本概念
第二節(jié) 簡單遺傳算法
第三節(jié) 圖式定理
第四節(jié) 遺傳算法應(yīng)用中的一些基本問題
一、知識表示（編碼）
二、適應(yīng)度函數(shù)
三、控制參數(shù)和終止判推
第五節(jié) 高級遺傳算法（RGA）
一、改進的選擇方法
二、高級遺傳運算和算法
三、混合遺傳算法
四、并行遺傳算法
第六節(jié) 遺傳算法（GA）應(yīng)用舉例
一、GA在lSP（旅行商）問題求解中應(yīng)用
二、GA在電網(wǎng)優(yōu)化規(guī)劃中的應(yīng)用
三、GA在木材切割優(yōu)化中的應(yīng)用
習題十
第十一章 專家系統(tǒng)概述
第一節(jié) 專家系統(tǒng)簡介
一、專家系統(tǒng)概念及發(fā)展動態(tài)
二、專家系統(tǒng)的特點
三、專家系統(tǒng)應(yīng)用舉例
第二節(jié) 專家系統(tǒng)的基本結(jié)構(gòu)及工作原理
第三節(jié) 專家系統(tǒng)的開發(fā)過程
第四節(jié) PC計算機故障診斷指導專家系統(tǒng)（PCDGES）示例
習題十—
第十二章 自然語言處理
第一節(jié) 自然語言處理的一般問題
一、自然語言處理的概念及意義
二、自然語言處理的發(fā)展簡史
三、自然語言處理領(lǐng)域中的幾種思想
四、自然語言處理的層次
第二節(jié) 語法層：形式語法分析
一、轉(zhuǎn)換生成語法
二、擴充轉(zhuǎn)移網(wǎng)絡(luò)
第三節(jié) 語義層：格語法
第四節(jié) 語用層：篇章算法
一、篇章結(jié)構(gòu)與文本連貫性
二、框架理論
三、修辭結(jié)構(gòu)理論
第五節(jié) 自然語言生成
一、自然語言生成
二、語言生成系統(tǒng)特點分析
三、生成系統(tǒng)結(jié)構(gòu)。
四、系統(tǒng)功能請法
第六節(jié)自然語言處理系統(tǒng)
習題十二
第十三章 計算機視覺
第一節(jié) 圖像的理解與分析
一、關(guān)于視覺信息的表像框架
二、邊緣距離的計算
三、表面方向的確定
第二節(jié) 物體形狀的描述與計算
一、物體形狀的廣義錐體表示
二、廣義錐體描述的計算
第三節(jié) 機器人三維視覺
一、視覺系統(tǒng)設(shè)計
二、臂技立體攝像機
三、三維物體識別系統(tǒng)
習題十三
第十四章 人工智能語言
第一節(jié) 人工智能語言概述
第二節(jié) Probog語言
一、Prolog概述
二、PDC Prolog簡介
三、Prolog的三種基本語句
四、PDC Prolog程序的基本結(jié)構(gòu)
五、Prolog的基本數(shù)據(jù)結(jié)構(gòu)
六、Prolog的基本工作原理
七、Prolog程序應(yīng)用舉例
第三節(jié) LISP語言
一、LISP語言的數(shù)據(jù)結(jié)構(gòu)
二、LISPI語言的程序結(jié)構(gòu)與基本因數(shù)
三、LISP語言中的遞歸和循環(huán)
四、LISP在產(chǎn)生式系統(tǒng)中的應(yīng)用舉例
第四節(jié) 小結(jié)
習題十四
第十五章 人工神經(jīng)網(wǎng)絡(luò)
第一節(jié) 人工神經(jīng)網(wǎng)絡(luò)（ANN）概述
第二節(jié) 多層前債神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）
一、單層感知機神經(jīng)網(wǎng)絡(luò)
二、多層感知機神經(jīng)網(wǎng)絡(luò)概述
三、多層感知機神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）的學習算法——反向傳播算法
四、BP網(wǎng)絡(luò)設(shè)計中的一些問題
五、多層感知機神經(jīng)網(wǎng)絡(luò)應(yīng)用舉例——基于神經(jīng)網(wǎng)絡(luò)的水凈化控制決策系統(tǒng)（WCCD）
第三節(jié) HOPFIELD神經(jīng)網(wǎng)絡(luò)
一、HOPFIELD神經(jīng)網(wǎng)絡(luò)概述
二、離散型HOP網(wǎng)絡(luò)的基本學習規(guī)則
三、HOP網(wǎng)絡(luò)的應(yīng)用
第四節(jié) 海明（Hamming）神經(jīng)網(wǎng)絡(luò)
第五節(jié) 自組織特征映射神經(jīng)網(wǎng)絡(luò)（SOM）
習題十五
第十六章 融合多種智能技術(shù)的智能系統(tǒng)
第一節(jié) 概述
第二節(jié) ES與NN的結(jié)合
一、ES與NN的結(jié)合概述
二、ES與NN結(jié)合的一些方法
三、ES與NN結(jié)合舉例
第三節(jié) GA與RZ的集成
一、概述
二、使用GA設(shè)計FZ系統(tǒng)
三、使用FZ控制GA系統(tǒng)
第四節(jié) GA與NN的集成
第五節(jié) GA與ES的集成
一、GA與ES的相互輔助
二、GA與ES的協(xié)同
習題十六
第十七章 人工智能的發(fā)展
第一節(jié) 人工智能的基本問題、主要學派及其觀點
一、人工智能的五大基本問題
二、人工智能的主要學派
第二節(jié) 人工智能研究的策略
第三節(jié) 人工智能研究的新課題
參考文獻
后記