目录 1
第一篇人工智能 1
第一章人工智能导论 1
1.1人工智能及其研究目标 1
1.2人工智能的发展历史 3
1.3人工智能的基本技术及特点 12
1.4人工智能的研究课题及应用领域 15
1.5人工智能研究的几大学派 24
1.6关于智能本质的争论及理论研究 28
第二章人工智能原理及实现技术 36
2.1人工智能的数理逻辑基础 36
2.2状态空间 45
2.3问题归约 49
2.4问题求解及搜索技术 54
2.5归结原理 74
2.6产生式系统 83
2.7问题求解策略 90
第三章知识及其处理 95
3.1知识工程概述 95
3.2知识及其表示 96
3.3知识获取及机器学习 110
3.4知识库系统 127
第四章人工智能语言 131
4.1传统程序设计语言与人工智能语言 131
4.2 函数型语言LISP 132
4.3逻辑型语言Prolog 149
4.4面向对象语言Smalltalk 167
4.5 C++语言 183
第二篇专家系统及其应用 191
第五章专家系统的基本原理 191
5.1专家系统 191
5.2专家系统的组成及体系结构 196
5.3专家系统实例—动物分类专家系统 202
5.4专家系统的基本特点 210
5.5专家系统的分类 212
第六章专家系统的实现技术 217
6.1专家系统的推理技术 217
6.2专家系统的控制策略 249
6.3专家系统的解释机制 256
第七章典型专家系统剖析 266
7.1 MYCIN 266
7.2 PROSPECTOR 285
7.3石油勘探开发领域的专家系统 305
7.4油气资源评价专家系统PRES 308
7.5 测井质量实时监测与评价专家系统 314
第八章专家系统的开发方法 324
8.1 专家系统的开发原则 324
8.2专家系统的开发过程 331
8.3知识获取方法 345
第九章专家系统开发工具与环境 356
9.1专家系统开发工具与环境 356
9.2专家系统开发工具与环境的分类 360
9.3通用程序设计语言 361
9.4知识工程语言 362
9.5专家系统辅助工具 376
9.6专家系统支持工具 377
9.7专家系统组合开发工具与开发环境 380
9.8 国内专家系统开发工具与环境的实例 387
9.9专家系统开发工具市场及标准化问题 401
第十章专家系统研究新进展 405
10.1专家系统的脆弱性和局限性 405
10.2推理技术新进展 407
10.3知识自动获取新进展 411
10.4专家系统体系结构的新进展 420
11.1 人工神经网络的发展历史 424
第十一章人工神经网络概述 424
第三篇人工神经网络及其应用 424
11.2人工神经网络研究迅速发展的原因 427
11.3人工神经网络的局限性及发展趋势 429
第十二章人工神经网络的基本原理 432
12.1生物神经元的结构 432
12.2人脑神经系统的基本特征 433
12.3形式神经元模型及非线性动力学系统 436
12.4人工神经网络模拟的数学基础与基本结构模式 439
12.5人工神经网络互连结构 441
12.6人工神经网络的学习机理 445
第十三章人工神经网络模型及学习算法 451
13.1神经网络模型分类 451
13.2感知机模型 453
13.3误差反向传播网络模型 456
13.4反馈神经网络（Hopfield、Hamming、BAM）模型 462
13.5 随机神经网络（波尔茨曼机、高斯机、柯西机）模型 468
13.6 自适应共振理论ART网络模型 471
13.7 Kohonen的自组织特征映射模型 473
13.8其他新型的神经网络模型 475
第十四章人工神经网络在石油工业中的应用 481
14.1 ANN用于回归分析 481
14.2 用B-P网络确定泥页岩矿物成分与理化指标的关系 482
14.3利用ANN进行钻头诊断 483
14.4 利用ANN求岩石总孔隙度和视颗粒密度 484
模式识别 487
14.5 石油勘探ANN模式识别技术及Kohnen自组织神经网络测井岩相 487
14.6人工神经网络油气储层预测 491
第十五章人工神经网络专家系统 497
15.1 神经网络专家系统及其发展 497
15.2专家系统与神经网络的互补性 497
15.3神经网络专家系统的基本原理 501
15.4动物分类神经网络专家系统 509
15.5油气储层预测人工神经网络专家系统 511
第十六章神经网络软件开发环境与工具 514
16.1 神经网络软件及其开发 514
16.2通用神经网络软件开发环境与工具 515
16.3神经网络描述语言 516
16.4神经网络软件开发环境实例 516
参考文献 523