第一部分 理论基础 1
第1章 基于进程代数的并发行为推理 冯元 应明生 1
1.1 引言 1
1.2 全局状态及更新算子 2
1.3 同步动作及效果函数 3
1.4 进程 4
1.5 操作语义 5
1.6 格局之间的强互模拟 6
前言 7
1.7 格局之间的弱互模拟 9
1.8 一个简单的例子 11
1.9 结语 12
参考文献 13
副报告：程序的不确定性 陈仪香 14
1＇.1 引论 14
1＇.2 概率进程演算 15
1＇.3 不确定程序的论域模型 16
1＇.3.1 经典进程的论域模型 16
1＇.3.2 概率进程的论域模型 17
1＇.4 总结 18
参考文献 18
第2章 形式语义的论域理论研究进展 陈仪香 19
2.1 引论 19
2.2 指称语义学的论域理论 19
2.2.1 论域的特点 20
2.2.2 连续映射为程序的指称 20
2.2.3 论域的又一特点 21
2.2.4 论域理论的演变 21
2.3 论域理论与其他三种语义的关系 22
2.3.1 论域模型的全抽象性 22
2.4 论域理论的专题 23
2.4.1 论域的表示 23
2.3.3 论域理论与代数语义 23
2.3.2 程序逻辑与谓词转换器 23
2.4.2 连续映射的不动点 24
2.4.3 映射的渐近表示 24
2.4.4 映射的极大性与全性 25
2.4.5 论域的拓扑性 26
2.4.6 论域的 Stone 对偶 26
2.5 讨论 27
参考文献 28
副报告：形式语义学在基于内容的智能信息处理中的可能应用 应明生 30
2＇.1 复杂信息对象的形式化描述 31
2＇.2 信息内容的量子化刻画 33
2＇.3 通信的定性理论与定量理论的结合 34
第3章 知识和复杂性 朱洪 35
3.1 引言 35
3.2 学习的复杂性 35
3.2.1 Valinat and Smale 学习的数学和计算机科学基础 35
3.2.2 概率收敛性 36
3.3 知识表示的复杂性，或称知识的描述复杂性 37
3.3.1 Kolmogorov 复杂性介绍 37
3.3.2 描述的算法复杂性 38
3.3.3 归纳推理 39
3.3.4 知识和 Kolmogorov 复杂性 40
3.4 零知识交互证明 40
致谢 42
参考文献 42
副报告：知识复杂性 唐海鹰 刘大有 虞强源 44
参考文献 47
第二部分 机器学习 49
第4章 Rough Set 理论与统计机器学习理论 王珏 陶卿 49
4.1 引言 49
4.1.1 KDD 49
4.1.2 机器学习的研究趋势 50
4.1.3 机器学习理论 50
4.2 关于 RS 理论的评述 51
4.2.1 RS 理论贡献之一--机器学习的理论基础 52
4.2.2 RS 理论贡献之二--独立约简 55
4.2.3 RS 理论贡献之三--正区域与 Roughness 57
4.2.4 关于 RS 理论贡献的小结 61
4.3 关于统计学习理论的评述 61
4.3.1 统计学习理论贡献之一--小样本统计学理论 62
4.3.2 统计学习理论贡献之二--最大边缘算法 64
4.3.3 统计学习理论贡献之三--核技巧 68
4.3.4 海量数据的分类 71
4.4.1 关于 RS 理论 73
4.3.5 关于统计学习理论贡献的小结 73
4.4 总结 73
4.4.2 关于统计机器学习理论 74
参考文献 74
第5章 序列学习初探 金芝 77
5.1 引言 77
5.2 序列问题构形 78
5.3.1 神经网络模型 81
5.3 序列学习的基本模型和学习算法 81
5.3.2 强化学习 86
5.3.3 其他序列学习方法 93
5.4 结束语 93
参考文献 94
第三部分 Agent 技术 97
第6章 Agent 研究进展 石纯一 张伟等 97
6.1 引言 97
6.2 群体思维状态 98
6.2.1 联合信念 98
6.2.2 联合意图 99
6.2.3 联合承诺 99
6.3 MAS 的形式语义方法 100
6.4 MAS 的对策论方法 102
6.5 Agent 组织 103
6.5.1 Agent 组织及研究意义 103
6.5.2 Agent 组织的形成和演化 104
6.5.3 Agent 组织规则 106
6.5.4 与组织有关的模型 106
6.5.5 应用 107
6.6 Agent 的社会性 107
6.6.1 社会 Agent 的思维属性模型 107
6.6.2 社会法规、规范和协调 109
6.6.3 社会经济学方法与拍卖 110
6.7 面向 Agent 的程序设计 112
6.7.1 Agent0 112
6.7.2 AgentSpeak(L) 113
6.7.3 ConGolog 113
6.7.4 3APL 与 GOAL 114
6.7.5 几种语言比较 115
6.8 面向 Agent 的软件工程 115
6.8.1 形式化方法 115
6.8.2 非形式化方法 117
6.9 结语 118
参考文献 119
副报告：关于 Agent 研究的几点思考 杜小勇 124
6＇.1 什么是 Agent 背后的主要研究动机 124
6＇.2 什么是 Agent 124
6＇.3 什么是基于 Agent 的方法 125
第7章 移动 Agent 技术的发展、挑战与趋势 刘大有 杨博 杨鲲 126
7.1 引言 126
7.2.1 移动 Agent 是分布式技术发展的结果 127
7.2 移动 Agent 的研究背景 127
7.2.2 移动 Agent 是 Internet 发展的趋势 130
7.2.3 移动 Agent 是 Agent 研究领域的一个重要分支 131
7.3 移动 Agent 系统和实现技术 133
7.3.1 移动 Agent 的定义 133
7.3.2 移动 Agent 系统的组成 133
7.3.3 移动 Agent 系统的实现技术 134
7.4 移动 Agent 的技术优势 144
7.5 移动 Agent 的研究现状 145
7.5.1 移动 Agent 系统的研究 146
7.5.2 移动 Agent 技术应用的研究 150
7.6 移动 Agent 技术面临的问题与挑战 152
7.6.1 技术上的挑战 152
7.6.2 非技术上的挑战 153
7.7 移动 Agent 技术发展趋势 154
参考文献 155
副报告：从“知识和信息共享”的角度分析移动 Agent 中的两个问题 曹存根 163
7＇.1 Variant 163
7＇.2 Greed 163
7＇.3 “信息和知识共享”与移动 Agent 164
7＇.4 结束语 164
第四部分 非传统计算风范 165
第8章 神经计算研究现状及发展趋势 陈兆乾 周志华 陈世福 165
8.1 引言 165
8.2.1 重要性 166
8.2.2 VC 维 166
8.2 神经网络 VC 维计算 166
8.2.3 研究进展 167
8.2.4 进一步的问题 170
8.3 神经网络集成 171
8.3.1 重要性 171
8.3.2 研究进展 171
8.3.3 进一步的问题 177
8.4.2 研究进展 178
8.4.1 重要性 178
8.4 基于神经网络的数据挖掘 178
8.4.3 进一步的问题 184
8.5 结束语 185
参考文献 186
副报告：关于神经网络研究的讨论 王珏 陶卿 194
8＇.1 引言 194
8＇.2 VC 维 194
8＇.3 人工神经网络集成 195
8＇.5 总结 196
8＇.4 基于人工神经网络的数据挖掘 196
第9章 模型生成与约束求解 孙吉贵 张永刚 197
9.1 引言 197
9.2 模型生成 199
9.2.1 SAT 问题求解 199
9.2.2 有限论域一阶逻辑的模型生成 202
9.2.3 Tableau 方法 203
9.3 约束求解 209
9.3.1 CSP 求解方法 211
9.3.2 约束优化 216
9.3.3 过度约束满足 (over-constraint satisfaction) 218
9.4 非二元约束求解 218
9.4.1 转换为二元约束求解 218
9.4.2 直接求解非二元约束 220
9.5 约束程序设计 221
9.5.1 CLP 的基本理论研究 222
9.5.2 约束求解和过程式语言的结合 225
9.6 我们的系统 226
9.7 约束求解技术的应用 228
参考文献 229
副报告1：约束满足问题 张伟 石纯一 233
9＇.1 约束建模 233
9＇.2 相容性和满足性的关系 234
9＇.3 传播技术比较 235
副报告2：量子并行计算 孙吉贵 何雨果 236
9″.1 引言 236
9″.2 量子计算机 236
9″.3 量子算法 237
9″.4 讨论与展望 240
参考文献 241
第五部分 大规模知识获取 243
第10章 互联网环境下的知识获取、组织及智能检索的研究 张磊 杜小勇 王静 王珊 243
10.1 引言 243
10.1.1 研究背景 243
10.1.2 国内外研究现状 244
10.2 知识获取 246
10.2.1 数据挖掘 246
10.2.2 Web 挖掘 248
10.2.3 文本挖掘 250
10.3 知识组织 250
10.3.1 传统的知识表示方法 251
10.3.2 多层次 Web 信息库的构造 253
10.3.3 Semantie Web 254
10.4 知识应用 255
10.4.1 文本分类 256
10.4.2 查询扩展 257
10.4.3 用户兴趣建模 257
10.4.4 访问模式分析 257
10.4.5 链接分析 258
10.4.6 文本聚类 258
10.4.7 自动摘要 259
参考文献 260
副报告：关于基于 Web 的知识挖掘 金芝 262
参考文献 265
第11章 大规模知识获取与分析 曹存根 266
11.1 Cyc 工程：Al 中的“曼哈顿计划” 266
11.1.1 Cyc 小传 266
11.1.2 知识表示语言 CycL 266
11.1.3 知识获取和组织 267
11.1.4 推理 267
11.2 MindNet 工程 267
11.2.1 概述 267
11.2.2 MindNet 中的语义关系 268
11.2.3 MindNet 中相似性和推理 269
11.2.4 MindNet 的进一步发展 269
11.3 NKI 工程 269
11.3.1 什么是NKI 269
11.3.2 学科本体 270
11.3.3 NKI 中的知识分析 271
11.4 三种方法的优缺点 273
参考文献 274
副报告：与大规模知识建库有关的几个问题 陆汝钤 277
11′.1 一致性问题 277
11′.2 完备性问题 278
11′.3 结构性问题 279
12.1 研究背景 280
12.1.1 新世纪的钟声 280
第12章 计算机科学工作者关心的几个生物信息学课题 陆汝钤 张少方 280
12.1.2 一些基本概念 281
12.1.3 什么是生物信息学 282
12.2 一些重要的生物信息学课题 283
12.2.1 序列装配问题 283
12.2.2 基因区域预测 283
12.2.3 蛋白质结构预测 284
12.2.4 同源分析 285
12.3.2 匹配分类算法 286
12.3 算法研究 286
12.3.1 序列装配算法 286
12.3.3 比对算法 290
12.3.4 聚类分析算法 294
12.3.5 基因预测算法 299
12.4 其他有关研究 303
12.4.1 蛋白质二级结构预测的一些结果 303
12.4.2 分子动力学研究 304
12.5 数据和分析工具来源 305
12.5.1 数据来源 305
12.5.2 重要的生物信息数据库 305
12.5.3 重要二次数据库 305
12.5.4 重要数据库网址 306
12.5.5 生物信息学常用程序 307
参考文献 308
副报告：计算机科学和生物学 朱洪 311
附录：《世纪之交的知识工程与知识科学》目录 313