第一章 绪论 1
1.1 人工智能 1
1.1.1 人工智能的定义 1
1.1.2 人工智能的起源与发展 2
1.1.3 人类智能的计算机模拟 3
前言 5
1.2 人工智能的研究与应用领域 6
1.2.1 问题求解 6
1.2.2 逻辑推理与定理证明 7
1.2.3 自然语言理解 7
1.2.4 自动程序设计 8
1.2.5 专家系统 8
1.2.6 机器学习 9
1.2.7 人工神经网络 10
1.2.8 机器人学 11
1.2.9 模式识别 11
1.2.10 机器视觉 12
1.2.11 智能控制 13
1.2.12 智能检索 14
1.2.13 智能调度与指挥 14
1.2.14 系统与语言工具 15
1.3 本书概要 15
第二章 知识表示方法 17
2.1 状态空间法 17
2.1.1 问题状态描述 17
2.1.2 状态图示法 19
2.1.3 状态空间表示举例 20
2.2 问题归约法 22
2.2.1 问题归约描述 23
2.2.2 与或图表示 25
2.2.3 问题归约机理 27
2.3 谓词逻辑法 30
2.3.1 谓词演算 30
2.3.2 谓词公式 32
2.3.3 置换与合一 34
2.4 语义网络法 36
2.4.1 二元语义网络的表示 37
2.4.2 多元语义网络的表示 37
2.4.3 连接词和量化的表示 39
2.4.4 语义网络的推理过程 43
2.5 框架(frame)表示 48
2.5.1 框架的构成 48
2.5.2 框架的推理 52
2.6 剧本(script)表示 53
2.6.1 剧本的构成 53
1.6.2 剧本的推理 54
2.7 过程(procedure)表示 55
2.8 小结 57
习题 58
3.1.1 图搜索策略 60
3.1 盲目搜索 60
第三章 一般搜索原理 60
3.1.2 宽度优先搜索 61
3.1.3 深度优先搜索 63
3.1.4 等代价搜索 66
3.2 启发式搜索 66
3.2.1 启发式搜索策略 67
3.2.2 估价函数 67
3.2.3 有序搜索 68
3.2.4 A？算法 70
3.2.5 双向搜索 72
3.3 消解原理 73
3.3.1 化为子句集 74
3.3.2 消解推理规则 76
3.3.3 含有变量的消解式 77
3.3.4 消解反演求解过程 78
3.3.5 含状态项的回答语句的求取 81
3.4.1 通用问题夫主解原理 87
3.4 通用问题求解系统 87
3.4.2 差别操作符表 88
3.5 小结 90
习题 91
第四章 高级求解技术 93
4.1 规则演绎系统 93
4.1.1 规则正向演绎系统 93
4.1.2 规则逆向演绎系统 99
4.1.3 规则双向演绎系统 101
4.2 系统组织技术 103
4.2.1 议程表 103
4.2.2 黑板法 104
4.2.3 △-极小搜索法 104
4.3 不确定性推理 105
4.3.1 关于证据的不确定性 105
4.3.2 关于结论的不确定性 106
4.3.3 多个规则支持同一事实时的不确定性 107
4.4 非单调推理 108
4.4.1 缺省推理 108
4.4.2 非单调推理系统 110
4.5 小结 113
习题 114
第五章 专家系统 117
5.1 产生式系统 117
5.1.1 产生式系统的组成 117
5.1.2 产生式系统的表示 119
5.1.3 产生式系统示例 123
5.2 专家系统 131
5.2.1 专家系统的定义与类型 131
5.2.2 专家系统的一般特点 134
5.2.3 专家系统的结构 135
5.2.4 专家系统的建造步骤与设计技巧 136
5.2.5 专家系统的评价 138
5.3.1 骨架型开发工具 141
5.3 专家系统开发工具 141
5.3.2 语言型开发工具 143
5.3.3 构造辅助工具 144
5.3.4 支撑环境 144
5.4 专家系统设计举例 146
5.4.1 专家知识的描述 146
5.4.2 知识的使用 150
5.4.3 决策的解释 153
5.5 专家系统实例--MYCIN剖析 153
5.5.1 MYCIN概述 154
5.5.2 咨询子系统 155
5.5.3 静态数据库 157
5.5.4 动态数据库 161
5.5.5 非精确推理 162
5.5.6 控制策略 165
5.6.1 新一代专家系统的特征 167
5.6 新一代专家系统 167
5.6.2 分布式专家系统 168
5.6.3 协同式专家系统 170
5.7 小结 172
习题 172
第六章 机器学习 174
6.1 机器学习的定义、研究意义与发展历史 174
6.1.1 机器学习的定义和研究意义 174
6.1.2 机器学习的发展史 175
6.2 机器学习的主要策略与基本结构 176
6.2.1 机器学习的主要策略 176
6.2.2 机器学习系统的基本结构 177
6.3 机械学习 179
6.3.1 机械学习的模式及主要问题 179
6.3.2 机械学习应用举例 180
6.4 基于解释经验的学习 182
6.4.1 解释学习的基本原理 182
6.4.2 学习形式与功能 187
6.4.3 解释学习的匹配 190
6.5.1 原经验的记录与检索 193
6.5 基于事例的学习 193
6.6 基于概念的学习 200
6.6.1 类型定义 200
6.6.2 分类程序 201
6.7 基于类比的学习 204
6.8 基于神经网络的学习 206
6.8.1 神经网络的组成与特性 206
6.8.2 基于反向传播网络的学习 210
6.8.3 基于Hopfield网络的学习 217
6.9 小结 221
习题 221
7.1.1 规划的作用与问题分解途径 223
第七章 机器人规划 223
7.1 机器人规划的作用与任务 223
7.1.2 机器人规划系统的任务与方法 226
7.2 积木世界的机器人规则 230
7.2.1 积木世界的机器人问题 230
7.2.2 用F规则求解规划序列 231
7.3 STRIPS规划系统 233
7.3.1 STRIPS系统的组成 233
7.3.2 STRIPS系统规划过程 234
7.3.3 含有多重解答的规划 236
7.4 具有学习能力的规划系统 239
7.4.1 PULP-I系统的结构与操作方式 240
7.4.2 PULP-I的世界模型与规划结果 241
7.5 分层规划 242
7.5.1 长度优先搜索 242
7.5.2 NOAH规划系统 243
7.6.1 系统结构和规划机理 245
7.6 基于专家系统的机器人规划 245
7.6.2 ROPES机器人规划系统 247
7.7.1 太空构件装配及其顺序规划 254
7.7 太空构件装配顺序规划系统 254
7.7.2 三维结构装配顺序规划示例 257
7.8 小结 259
习题 259
第八章 机器视觉 262
8.1 图象的理解与分析 263
8.1.1 视觉信息的表达方法 263
8.1.2 边缘距离的计算 264
8.1.3 表面方向的计算 268
8.2 积木世界的景物分析 270
8.2.1 积木世界物的线条标示方法 271
8.2.2 无断裂和阴影时三面顶点的标示方法 273
8.2.3 有断裂和阴影时线条图的分析 277
8.3 视觉的知识表示与控制策略 279
8.3.1 视觉信息的语义网络表示 280
8.3.2 位置网络表示 281
8.4 物体形状的分析与识别 282
8.4.1 复杂形状物体的表示 282
8.3.3 视觉系统的控制策略 282
8.4.2 三维物体的形状描述 286
8.4.3 物体形状识别方法 287
8.5 机器人视觉系统举例 290
8.5.1 EYECOM I机器人视觉系统 290
8.5.2 机器人三维视觉系统 293
6.5.2 最邻近物体的寻求 296
8.6 小结 297
习题 297
第九章 自然语言理解 301
9.1 语言及其理解的一般问题 301
9.1.1 语言与语言理解 301
9.1.2 自然语言理解研究的进展 303
9.1.3 自然语言理解过程的层次 303
9.2 句法和语义的自动分析 305
9.2.1 句法模式匹配和转移网络 305
9.2.2 扩充转移网络 307
9.2.3 词汇功能语法(LEG) 309
9.2.4 语义的解析 310
9.3 句子的自动理解 312
9.3.1 简单句的理解方法 312
9.3.2 复合句的理解方法 315
9.4 语言的自动生成 317
9.5 文本的自动翻译--机器翻译 318
9.6 自然语言理解系统的主要模型 320
9.7 自然语言理解系统应用举例 322
9.7.1 自然语言自动理解系统 322
9.7.2 机器翻译系统ARIANE 323
9.7.3 自然语言问答系统 325
9.8 小结 327
习题 328
10.1 智能控制的发展与定义 329
10.1.1 智能控制的产生与发展 329
第十章 智能控制 329
10.1.2 智能控制的定义 331
10.2 智能控制的结构理论与特点 332
10.2.1 智能控制的结构理论 332
10.2.2 智能控制器的一般结构 336
10.2.3 智能控制的特点 337
10.3 智能控制的研究领域 337
10.4.1 分级递阶智能控制系统 340
10.4 智能控制系统 340
10.4.2 专家控制系统 344
10.4.3 模糊控制系统 347
10.4.4 学习控制系统 350
10.4.5 神经控制系统 354
10.5 智能控制应用示例 357
10.6 小结 362
习题 364
11.1 逻辑型编程语言 365
11.2 LISP的语言 365
第十一章 人工智能程序设计 365
11.2.1 LISP的特点和数据结构 366
11.2.2 LISP的基本函数 368
11.2.3 递归与迭代 371
11.2.4 LISP编程举例 373
11.3 PROLOG语言 376
11.3.1 语法与数据结构 376
11.3.2 PROLOG程序设计原理 377
11.3.3 PROLOG编程举例 379
11.4 关系数据库 379
11.4.1 关系数据模型 379
11.4.2 关系模型的操作语言 385
11.5 专用开发工具 388
11.6 人工智能机 388
11.7 小结 390
习题 390
12.1 关于人工智能的争论 392
第十二章 人工智能的争论与展望 392
12.1.1 人工智能的主要学派 393
12.1.2 对人工智能理论的争论 394
12.1.3 对人工智能方法的争论 395
12.1.4 对人工智能技术路线的争论 395
12.2 人工智能对人类的影响 396
12.2.1 人工智能对经济的影响 396
12.2.2 人工智能对社会的影响 397
12.2.3 人工智能对文化的影响 398
12.3 对人工智能的展望 399
12.3.1 更新的理论框架 400
12.3.2 更好的技术集成 400
12.3.3 更成熟的应用方法 402
12.4 结束语 403
参考文献 404
名词术语 416
ABOUT THE BOOK 437
CONTENTS 438