第一部分 软计算 1
第1章 计算智能--神经计算和遗传算法技术 张铃 张钹 1
1.1 引言 1
1.2 神经计算 1
1.2.1 历史发展 1
1.2.2 神经网络计算 2
1.2.3 我们的工作 3
1.3 遗传算法 5
1.3.1 遗传算法 5
1.3.2 应用例子 8
1.4 分析 10
1.5 结论 11
参考文献 11
第2章 模糊逻辑、神经元网络和进化计算 何新贵 梁久桢 14
2.1 引言 14
2.2 智能系统的特征 14
2.3 神经元网络 17
2.4 模糊逻辑和模糊推理网络 19
2.5 模糊神经元网络 23
2.6 神经元网络的学习 25
2.7 神经元网络的进化 27
2.8 智能系统 29
2.9 应用 32
2.10 结语 34
参考文献 35
第3章 基于Agent的计算 石纯一 徐晋晖 42
3.1 前言 42
3.2 Agent模型 43
3.2.1 概述 43
3.2.2 逻辑学方法 44
3.2.3 经济学方法 57
3.2.4 开放信息系统 58
3.3.1 MAS问题求解 59
3.3 MAS求解机制 59
3.3.2 理论基础 61
3.3.3 Agent组织 65
3.3.4 协商和协调机制 67
3.3.5 合作机制和任务分配 71
3.3.6 个性、社会性和规范 71
3.4 Agent技术和应用 73
3.4.1 KQML和AOP 73
3.4.2 应用 75
参考文献 78
4.1.1 概述 85
4.1 形象思维的认知机制研究综述 85
第4章 形象思维 潘云鹤 耿卫东 85
4.1.2 记忆中的形象信息表征 86
4.1.3 形象思维与心象 88
4.1.4 小结 91
参考文献 92
4.2 图形图像技术与形象思维模拟 93
4.2.1 心象型信息的表达模拟 93
4.2.2 心象型信息的操作模拟 95
4.2.3 小结 101
4.3.1 引言 103
4.3 语义与视觉形象的集成及人工形象智能 103
参考文献 103
4.3.2 集成模型概述 104
4.3.3 单路模型 105
4.3.4 多路或模型 106
4.3.5 多路与模型 107
4.3.6 人工形象智能的提出 107
参考文献 109
4.4 综合推理的理论与模型 109
4.4.1 推理的发展概述 109
4.4.2 综合推理的模型 110
4.4.3 综合推理的特点 111
4.4.4 综合推理示例--多源类比生成 112
参考文献 115
4.4.5 小结 115
4.5 形状的心象型表达模型 116
4.5.1 问题的提出 116
4.5.2 形状的心象型表达准则 116
4.5.3 心象型表达模型的提出 118
4.5.4 二维形状的抽象表达 119
4.5.5 三维形体的抽象表达模型 121
4.5.6 模型的分析与评价 124
参考文献 125
4.6.1 语义到形状的转换：自动造型 126
4.6 形象思维模拟：实例研究 126
4.6.2 基于知识的真实感绘制 128
4.6.3 融合视觉认知的工程视图理解 131
4.6.4 形象化语义的生成--CAD中的表达型绘制 133
4.6.5 智能多媒体表现 135
4.6.6 基于形象语义的壁画检索 137
4.6.7 基于视频知识的动画 139
参考文献 141
4.7 形象思维研究展望 142
参考文献 143
第5章 自然语言理解与机器翻译 姚天顺 145
5.1 前言 145
第二部分 自然语言处理 145
5.2 当今的自然语言理解 147
5.2.1 自然语言理解的研究 147
5.2.2 信息检索 148
5.3 新世纪研究的设想 149
5.3.1 开展语言信息处理的基础研究 149
5.3.2 统计方法进入了自然语言理解的新阶段 152
5.3.3 构造结构化语言模型 154
5.3.4 基于语段的处理方法(Chunk-based Method) 159
参考文献 171
5.4 结束语 171
第6章 形式文法与故事理解 张松懋 174
6.1 故事理解研究简述 174
6.2 Rumelhart的故事文法及对其的不同评价 176
6.3 其他与故事理解有关的文法方法 177
6.4 故事生成中的形式文法 178
6.5 语言学和文学中的故事文法 180
6.6 我们的故事分析文法及其功能分析 181
6.7 故事理解形式化文法方法的研究趋势 184
参考文献 186
第7章 开放逻辑：一个关于形式系统序列和极限的理论 李未 197
7.1 公理化方法及其局限性 197
第三部分 非经典逻辑 197
7.2 公理化进程 200
7.3 形式理论序列和极限 205
7.4 新假设与事实反驳 208
7.5 猜想与反驳序列 211
7.6 演绎与归纳 213
7.7 归纳序列 217
7.8 过程模式 222
7.9 结论与展望 223
参考文献 225
8.2 模态逻辑系统 227
8.1 引言 227
第8章 模态逻辑和定理证明 孙吉贵 227
8.2.1 正规模态逻辑 228
8.2.2 时态逻辑 231
8.3 模态逻辑推理方法 233
8.3.1 模态逻辑的表推演方法 234
8.3.2 子句型模态归结方法 236
8.3.3 模态非子句归结方法 239
8.3.4 模态逻辑的理论归结方法 240
8.3.5 模态逻辑转换为经典逻辑的推理方法 240
8.3.6 模态逻辑的Gentzen相继式演算 242
8.3.7 模态逻辑的Matrix证明方法 243
8.4 模态推理器 244
8.5 模态推理展望 246
参考文献 247
第9章 约束逻辑程序设计CLP--现状与未来 刘椿年 251
9.1 引言 251
9.2 语义基础 253
9.2.1 约束论域 253
9.2.2 语法结构 254
9.2.3 状态间的推导法则和推导序列 254
9.2.4 CLP程序的操作语义 255
9.2.5 例子 255
9.2.6 其他语义和主要的理论结束 256
9.3.1 约束论域和约束求解算法--约束系统 257
9.3 语言设计 257
9.3.2 约束系统的宿主语言 259
9.3.3 程序调试和可视化工具 260
9.4 实现技术 260
9.4.1 CLP编译器和抽象机 260
9.4.2 CLP程序的全局分析技术 261
9.4.3 CLP的并行实现 261
9.4.4 CLP系统的一个实例 261
9.5 应用--CLP的建模技术 262
9.5.1 实数论域上CLP(R)的建模技术 263
9.5.2 离散论域上CLP(FD)的建模技术 264
9.6.2 数据库与约束程序设计 268
9.6 相关学科 268
9.6.1 人工智能与约束程序设计 268
9.6.3 人机接口与约束程序设计 274
9.6.4 运筹学与约束程序设计 274
9.6.5 并发性与约束程序设计 274
9.6.6 机器人和控制论与约束程序设计 274
9.7.3 系统效率的进一步提高 275
9.7.4 约束数据库 275
9.7.5 用户接口与基于约束的嵌入式智能系统 275
9.7.2 基于约束的分布式系统 275
9.7.1 更为实用的约束系统和约束语言 275
9.7 发展趋势 275
9.7.6 CLP与人工智能中的一些领域的交叉研究 276
9.8 结束语 277
参考文献 277
第四部分 非经典推理 293
第10章 关于行动推理的研究 朱朝晖 戈也挺 陈世福 朱？槚 293
10.1 引言 293
10.2 行动推理研究中的形式工具 294
10.3 框架问题的研究 294
10.3.1 基于限定论的方法 295
10.3.2 框架问题的Reiter解决方案 299
10.4.1 PWA、PMA及极小变化原则 300
10.4 结果(ramifications)问题的研究 300
10.4.2 极小原则与状态变元的分类 302
10.4.3 基于因果关系的方法 304
10.5 资格问题的研究 306
10.6 行动推理的元理论研究 307
10.7 行动推理理论在agent中的应用及行动推理研究趋势 308
10.8 结束语 309
参考文献 309
第11章 基于事例的推理系统 刘大有 赵宇霆 艾景军 313
11.1 引言 313
11.2 CBR研究的历史和现状 313
11.3.1 什么是CBR 315
11.3 CBR思想 315
11.3.2 CBR系统的特点 317
11.3.3 CBR系统的整体结构 318
11.4 CBR中的机器学习 319
11.4.1 学习途径 320
11.4.2 学习策略 320
11.4.3 学习方法 321
11.5 CBR方法 321
11.5.1 事例表示 321
11.5.2 索引 322
11.5.3 事例检索 323
11.5.4 相似性度量 324
11.5.5 适应性修改 326
11.5.6 评估和学习 328
11.6 CBR方法与其他方法的结合 329
11.7 结论 330
参考文献 331
第12章 关于基于模型的诊断 姜云飞 欧阳丹彤 339
12.1 什么是基于模型的诊断 339
12.1.1 基于模型诊断的思想 339
12.1.2 基于模型诊断的形式定义 339
12.1.3 基于模型诊断的示例 340
12.2 基于模型诊断的步骤 341
12.3 基于模型诊断的计算方法 342
12.3.1 基于一致性极小诊断 342
12.3.2 基本诊断 352
12.3.3 基于一致性的中心诊断 354
12.3.4 溯因诊断 356
12.4 基于模型的诊断与传统的基于规则诊断的区别 357
12.4.1 传统的基于规则的诊断依赖于专家的经验 357
12.4.2 基于模型的诊断依赖于元件的功能和元件间的连接 358
12.4.3 基于规则的诊断系统类似于中医诊断，而基于模型的诊断系统类似于西医诊断 358
12.5 基于模型诊断的优点 358
12.6 基于模型诊断的应用研究领域 358
12.7 基于模型诊断的研究课题 359
12.8 基于模型诊断在应用方面的研究成果 360
12.9 我们在基于模型诊断上的研究工作 360
参考文献 362
第五部分 机器学习 365
第13章 机器学习：研究与分析 王珏 白硕 365
13.1 机器学习研究概况 365
13.2 机器学习算法的基础--优化 368
13.2.1 表示(数学基函数)、知识表示(模型)与机器学习(优化算法) 369
13.2.2 数据性质 370
13.2.4 小结 371
13.2.3 目标函数与搜索策略 371
13.3 符号机器学习 372
13.3.1 符号机器学习的一般概述 372
13.3.2 AQ11与ID3 373
13.3.3 Rough Set理论与差别矩阵原理 374
13.4 统计机器学习 374
13.4.1 MP模型的几何解释 375
13.4.2 Vapnikr的支持向量机 376
13.4.3 基于领域的空间划分方法 377
13.4.4 分析 378
13.4.5 聚类分析 378
13.5.1 例子 379
13.5 数据挖掘 379
13.5.2 人的数据理解 381
13.5.3 计算机数据理解 382
13.6 非结构化数据的数据挖掘 383
13.6.1 对非结构化数据进行结构化表示的三个层次 383
13.6.2 文本挖掘与图象挖掘 384
13.6.3 半结构化数据挖掘 384
13.6.4 语言归纳机器学习 385
13.7 函数归纳机器学习 385
13.7.1 BACON与AM 386
13.7.2 遗传程序设计 386
13.8 分析机器学习 387
13.8.1 案例机器学习 388
13.8.2 类比机器学习 389
13.8.3 解释机器学习 389
13.8.4 小结 390
13.9 适应性计算 390
13.9.1 环境 390
13.9.2 适应性计算 391
13.9.3 对用户需求的适应--情感计算 392
13.10 总结与问题 393
参考文献 395
14.1 引言 398
第14章 数据采掘 史忠植 叶施仁等 398
14.2.1 学习的认知问题 400
14.2 理论研究 400
14.2.2 归纳的逻辑问题 401
14.2.3 学习的计算理论 401
14.3 采掘方法和算法 402
14.3.1 统计方法 402
14.3.2 机器学习 404
14.3.3 神经计算 408
14.4 采掘对象和软件工具 409
14.4.1 面向关系数据库 409
14.3.4 可视化 409
14.4.2 面向文本 410
14.4.3 面向Web 413
14.4.4 面向空间数据 413
14.4.5 面向图象和视频数据采掘 414
14.4.6 多策略通用数据采掘工具MSMiner 415
14.5 应用 416
14.5.1 商业应用 416
14.5.2 科学应用 417
14.5.3 政府部门 417
参考文献 418
14.6 展望 418
14.5.4 工农业生产 418
第15章 Bayesian网学习 刘大有 王飞等 420
15.1 引言 420
15.2 Bayesian网的学习 421
15.2.1 已知网络结构，完备数据条件下概率分布的学习 423
15.2.2 已知网络结构。不完备数据条件下概率分布的学习 424
15.2.3 网络结构学习 428
15.2.4 当前的研究热点和未来的研究趋向 435
15.2.5 Bayesian网学习的成功应用 436
参考文献 437
16.1 引言 447
第六部分 知识处理 447
第16章 知识工程中的本体论研究 金芝 447
16.2 本体论和本体：理论基础 448
16.2.1 什么是本体？ 449
16.2.2 建立本体要依据的原则 450
16.2.3 本体的组成 451
16.2.4 本体的分类 451
16.2.5 总结 453
16.3 本体论和本体：当前的研究现状和主要方法 454
16.3.1 当前的研究现状 454
16.3.2 建立本体的主要方法 455
16.3.3 表示本体的语言和建立本体的环境 456
16.4 将本体论推向应用 459
16.4.1 本体与自然语言的研究 459
16.4.2 信息检索和信息集成 461
16.4.3 企业模拟 462
16.4.4 软件需求获取与需求工程 463
16.5 目前存在的问题和未来的发展方向 465
参考文献 465
第17章 关于常识的研究 陆汝钤 姬广峰 469
17.1 通向人工智能之路 469
17.2.1 什么是常识--一般学者的观点 470
17.2 常识的本质 470
17.2.2 什么课题属于常识研究的范围--人工智能专家的观点 471
17.2.3 常识处理不同于专业知识处理的主要之处是什么--计算机科学家的观点 472
17.2.4 常识问题论坛--研究常识的专家们提出的常识问题 472
17.2.5 常识性知识的实用研究 473
17.3 常识哲学和常识心理学 474
17.3.1 常识的三个层次和常识世界 474
17.3.2 现象和本质--人的认识如何完成 474
17.3.3 常识心理学的三个学派 475
17.3.4 心态的形式化表示 475
17.3.5 与取消主义的论争 476
17.4 常识的表示 477
17.4.1 常识知识的Agent表示 478
17.4.2 常识知识的本体论表示 481
17.4.3 语境和本体 483
17.4.4 常识表示语言 484
17.5 大规模常识知识库 488
17.5.1 关于知识共享的努力 488
17.5.2 CYC计划及相关工作 488
17.5.3 本体库和问题解决方法库--当前常用的组合 490
17.5.4 盘古计划和盘古知识库 491
17.6.1 常识推理的不同表现形式 492
17.6.2 基于agent的分布式推理 492
17.6 常识知识库上的推理 492
17.6.3 基于本体的联想式推理 494
17.7 两个带理论性的难题 495
17.7.1 常识知识的完备性问题 495
17.7.2 自然语言表示的不精确问题 497
17.8 常识知识的应用 497
17.8.1 常识的广泛应用 497
17.8.2 常识性知识在故事理解中的应用 498
17.8.3 常识性知识在图灵测试中的应用 500
17.8.4 常识性知识在计算机动画自动生成中的应用 503
参考文献 504
附录 常识问题论坛上已有常识问题清单 506