人工智能PDF电子书下载

目录 1

第一章　引论 1

§1.1　人工智能概况、历史和现状 1

§1.1.1　什么是人工智能 1

§1.1.2　人工智能的历史与现状 5

§1.2　人工智能的研究方法 11

§1.2.1　人工智能的位置 11

§1.2.2　人工智能的研究方法 12

§1.3　人工智能的研究领域与方向 16

§1.3.1　人工智能的研究领域 16

§1.3.2　人工智能的研究课题与方向 26

§2.1.1　什么是知识 35

§2.1　知识 35

第二章　知识与学习 35

§2.1.2　知识的层次结构模型 36

§2.2　知识表示技术 38

§2.2.1　知识表示技术的基本概念 39

一、设计知识表示的基本原则 39

二、语义原语 40

三、知识的获取与推理 40

§2.2.2 用逻辑的方法表示知识 41

§2.2.3　用过程表示知识 42

§2.2.4　用语义网络表示知识 44

一、语义网络的基本概念 45

二、语义网络用作推理 47

三、语义网络表示法的发展历史 49

§2.2.5 用产生式系统表示知识 50

§2.2.6　用框架和电影脚本表示知识 55

一、特性表 55

二、框架 56

三、电影脚本 58

§2.2.7　知识的直接表达 60

§2.3　获得知识的方法——学习的概念 61

§2.3.1 学习与学习系统 63

§2.3.2 学习系统的一般结构 65

§2.3.3　智能学习系统的分类 68

一、按学习能力分类 68

二、按知识水平和学习方法分类 69

四、按知识表示方法分类 70

三、按被学习事物的性质分类 70

§2.3.4 类比识别——简单的学习方式 71

一、类比原理 71

二、类比中值得注意的几个问题 75

§2.3.5　概念的学习——立体几何体的识别 77

一、用语义网络表示概念 77

二、学习 79

第三章　搜索原理 86

§3.1　概述 86

§3.1.1　搜索系统的组成 87

§3.1.2　问题变换方法 90

一、同构同态变换 94

二、问题分解法及与／或图表示 95

一、问题的状态空间表示及其求解方法 98

§3.1.3 问题的直接求解法 98

二、问题演绎法 108

三、博奕问题求解法 112

§3.2　基本搜索方法 114

§3.2.1 盲目状态空间搜索法 116

一、深度为主搜索法 116

二、宽度为主搜索法 121

三、一致代价搜索法 125

四、双向搜索法 127

§3.2.2 盲目与／或图搜索法 128

一、与／或树的宽度为主搜索法 129

§3.3　搜索效率 132

二、与／或树的深度为主搜索法 132

§3.4　启发式搜索原理 135

§3.4.1　启发式搜索的基本概念 135

一、启发式搜索的必要性 135

二、隐式图搜索过程 136

三、启发式信息的的类型 138

四、估价函数 139

§3.4.2　基本启发式搜索方法 140

一、局部择优搜索 140

二、全局择优搜索 141

§3.4.3 A＊算法 147

一、基本概念和定义 147

二、A＊算法的可采纳性 149

§3.4.4　与／或图启发式搜索的基本概念 151

三、估价函数的启发能力 151

一、最佳解的定义 152

二、希望树 154

三、与／或图的有序搜索算法 154

四、Nilsson算法 155

§3.4.5　博奕树的启发式搜索 159

一、极大极小搜索法 160

二、α-β剪枝技术 166

§3.5　启发式问题求解程序 168

§3.5.1　通用问题求解程序 168

一、GPS的基本原理 169

二、GPS所遇到的困难 170

三、差异操作表 170

§3.5.2　FDS——操作差异表的自动生成 175

§3.5.3　规划 179

一、GPS中的规划 181

二、Strips 185

三、规划的生成 188

第四章　逻辑演算与自动定理证明 192

§4.1　命题逻辑 193

§4.1.1　命题 193

§4.1.2　命题联结词 193

§4.1.3　基本定律 196

§4.1.4 范式 200

§4.1.5　逻辑推理 203

§4.2　谓词逻辑 206

一、谓词 207

§4.2.1　谓词与量词 207

二、量词与合成公式 210

§4.2.2　谓词逻辑中的等价式和永真蕴含式 213

一、等价式和永真蕴含式 213

二、含有量词的等价式和永真蕴含式 214

§4.2.3　谓词公式的范式 215

§4.3　谓词公式之解释 216

§4.3.1　普遍有效性和可满足性 216

§4.3.2　公式之解释 217

§4.3.3　判定问题 222

§4.4 Herbrand理论 223

§4.4.1 SKOLEM标准型 224

§4.4.2　子句集合 226

§4.4.3　子句集合的Herbrand全域 228

§4.5　语义树 234

§4.6　Herbrand定理 237

§4.6.1 定理 237

§4.6.2　Herbrand定理的执行 239

§4.6.3　Davis和Putnam方法 239

§4.7　Robinsson消解原理 242

§4.7.1　命题逻辑中的消解原理 243

§4.7.2　代换与合一 247

§4.7.3　一阶逻辑中的消解原理 252

§4.7.4　消解原理的完备性 254

§4.7.5　应用消解原理的例子 258

§4.7.6　删除策略 262

§4.8.1　语义消解 268

§4.8　语义消解与锁消解 268

§4.8.2　超消解和支架集策略 276

一、超消解 276

二、支架集策略 278

§4.8.3 有序子句的语义消解 280

§4.8.4　锁消解 285

§4.9　线性消解 291

§4.9.1　输入消解与单元消解 293

§4.9.2　有序线性消解 294

§4.9.3　有序线性消解的完备性 298

§4.10　树搜索的基本概念 299

§4.11　相等关系 301

§4.11.1　满足一定条件的解释及子句集的不可满足性 303

§4.11.2 同调——用作“相等”的推理规则 306

§4.11.3　超同调 308

§4.11.4　输入和单元同调 311

§4.11.5　线性同调 315

第五章　Horn子句问题求解逻辑 316

§5.1　Horn子句逻辑的基本概念 316

§5.1.1　断言、规则和询问 316

§5.1.2　Horn子句的形式定义 319

§5.1.3　论域、解释、不相容性 320

§5.1.4　Horn子句的自然语言特征 321

一、变量与个体类型 323

二、“存在”在Horn子句中的表达 324

三、“否定”在Horn子句中的表达 327

题 329

四、当Horn子句的条件为蕴含时的表达问 329

五、Horn子句的语义网络表达 330

六、Horn子句在数据库系统中的应用 332

七、Horn子句在数学上的应用 335

§5.1.5　Horn子句逻辑与标准逻辑 337

一、比较 337

二、标准逻辑形式转换为Horn子句形式的 338

方法 338

三、例子 340

§5.2　Horn子句逻辑推理 344

§5.2.1 应用Horn子句逻辑证明给定的问题 344

一、Top-down推理、Bottom-up推理的例子 346

二、推理规则与搜索策略 353

§5.2.2　Horn子句问题求解 357

§5.2.3　问题的演绎表示（与／或图表示）与Horn子句表示的关系 362

§5.2.4　Horn子句问题求解解释 365

一、子目标 366

二、子目标的执行次序 368

§5.2.5　Horn子句的过程解释 369

一、逻辑程序的数据结构 370

二、逻辑程序的执行特点 372

§5.3　Non-Horn子句逻辑推理 376

§5.3.1　Non-Horn子句化成Horn子句的方法 377

§5.3.2　Non-Horn子句推理方法 379

一、用消解原理进行推理 379

二、用联结图进行推理 381

§6.1.1　概述 387

第六章　人工智能工程系统 387

§6.1　专家系统 387

§6.1.2 专家系统的结构与功能 390

§6.1.3　专家系统情况一览表 394

§6.1.4 专家系统的设计与讨论 400

§6.2　自然语言理解系统 402

§6.2.1　概述 402

§6.2.2 自然语言处理的主要方法 405

§6.2.3　机器翻译 410

§6.2.4　认知心理学和认知语言学 417

§6.3　决策支持系统 420

§6.3.1　概述 420

§6.3.2 决策方法 422

§6.3.3 决策系统 428

§6.3.4 决策支持系统的构成 432

§6.4　模式识别系统 434

§6.4.1　概述 434

§6.4.2 系统结构 436

§6.4.3　模式识别专家系统 439

§6.5　机器人系统 443

§6.5.1 机器人与机器人学 443

§6.5.2 机器人的应用领域 446

§6.5.3 机器人的种类和性能 447

习题 450

参考资料 478