第1章 绪论 1
1.1人工智能的定义与发展 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
1.2人类智能与人工智能 3
1.2.1研究认知过程的任务 3
1.2.2智能信息处理系统的假设 3
1.2.3人类智能的计算机模拟 5
1.3人工智能的学派及其争论 6
1.3.1人工智能的主要学派 6
1.3.2对人工智能基本理论的争论 7
1.3.3对人工智能技术路线的争论 7
1.4.1问题求解 8
1.4人工智能的研究与应用领域 8
1.4.2逻辑推理与定理证明 9
1.4.3自然语言理解 9
1.4.4自动程序设计 10
1.4.5专家系统 10
1.4.6机器学习 10
1.4.7人工神经网络 11
1.4.8机器人学 11
1.4.9模式识别 11
1.4.10机器视觉 12
1.4.11智能控制 12
1.4.12智能检索 13
1.4.13智能调度与指挥 13
1.4.14分布式人工智能与Agent 13
1.4.16数据挖掘与知识发现 14
1.4.15计算智能与进化计算 14
1.4.17人工生命 15
1.4.18系统与语言工具 15
1.5人工智能对人类的影响 16
1.5.1人工智能对经济的影响 16
1.5.2人工智能对社会的影响 16
1.5.3人工智能对文化的影响 18
1.6对人工智能的展望 19
1.6.1更新的理论框架 19
1.6.2更好的技术集成 19
1.6.3更成熟的应用方法 20
第2章 知识表示 21
2.1概述 21
2.2状态空间法 22
2.2.1问题状态描述 23
2.2.2状态图示法 24
2.2.3状态空间表示举例 25
2.3问题归约法 28
2.3.1问题归约描述 28
2.3.2与或图表示 30
2.3.3问题归约机理 32
2.4谓词逻辑法 35
2.4.1谓词演算 35
2.4.2谓词公式 37
2.4.3置换与合一 39
2.5语义网络法 40
2.5.1二元语义网络的表示 41
2.5.2多元语义网络的表示 42
2.5.3连词和量化的表示 43
2.5.4语义网络的推理过程 47
2.6框架表示 51
2.6.1框架的构成 52
2.6.2框架的推理 55
2.7面向对象表示 57
2.7.1面向对象基础 57
2.7.2类与类继承 58
2.7.3面向对象表示的实例 58
2.8剧本表示 62
2.8.1剧本的构成 63
2.8.2剧本的推理 64
2.9过程式表示 65
3.1.1图搜索策略 68
第3章 搜索原理 68
3.1盲目搜索 68
3.1.2宽度优先搜索 70
3.1.3深度优先搜索 72
3.1.4等代价搜索 73
3.2启发式搜索 75
3.2.1启发式搜索策略 75
3.2.2估价函数 76
3.2.3有序搜索 76
3.2.4A*算法 79
3.3博弈树搜索 81
3.3.1博弈概述 81
3.3.2极小极大分析法 82
3.3.3α-β剪枝技术 83
3.4.1遗传算法的结构 85
3.4遗传算法 85
3.4.2遗传算法的基本原理 88
3.4.3遗传算法的收敛性 88
3.4.4遗传算法的性能 89
3.4.5进化算法 90
3.4.6遗传算法展望 91
3.5模拟退火算法 92
3.5.1模拟退火算法的模型 92
3.5.2模拟退火算法的简单应用 93
3.5.3模拟退火算法的参数控制问题 95
4.1消解原理 96
4.1.1化为子句集 96
第4章 推理技术 96
4.1.2消解推理规则 99
4.1.3含有变量的消解式 100
4.1.4消解反演求解过程 101
4.2规则演绎系统 105
4.2.1规则正向演绎系统 105
4.2.2规则逆向演绎系统 111
4.2.3规则双向演绎系统 113
4.3产生式系统 115
4.3.1产生式系统的组成及表示 116
4.3.2正向与反向推理 122
4.4不确定性推理 124
4.4.1概率推理 124
4.4.2贝叶斯推理 128
4.4.3模糊逻辑推理与可能性理论 129
4.5.1缺省推理 131
4.5非单调推理 131
4.5.2非单调推理系统 134
第5章 机器学习 138
5.1机器学习的研究意义与发展历史 138
5.1.1机器学习的定义和研究意义 138
5.1.2机器学习的发展史 139
5.2机器学习的主要策略与基本结构 139
5.3常见的几种学习方法 140
5.3.1机械学习 140
5.3.2基于解释的学习 143
5.3.3基于事例的学习 145
5.3.4基于概念的学习 149
5.3.6归纳学习 151
5.3.5基于类比的学习 151
5.3.7强化学习 154
5.4基于神经网络的学习 157
5.4.1神经网络的组成与特性 157
5.4.2基于反向传播网络的学习 160
5.4.3基于Hopfield网络的学习 164
5.4.4基于神经网络的推理 167
第6章 规划系统 173
6.1规划的作用与任务 173
6.1.1规划的概念 173
6.1.2规划的作用与主要问题 173
6.2基于谓词逻辑的规划 176
6.2.1规划世界模型的谓词逻辑表示 176
6.2.2基于谓词逻辑规划的基本过程 177
6.3.1积木世界的机器人规划 179
6.3STRIPS规划系统 179
6.3.2STRIPS规划系统 182
6.4分层规划 186
6.4.1长度优先搜索 186
6.4.2NOAH规划系统 187
第7章 专家系统 191
7.1专家系统概述 191
7.1.1专家系统的一般特点 191
7.1.2专家系统的结构与类型 192
7.2基于规则的专家系统 197
7.2.1基于规则的专家系统的基本结构 197
7.2.2基于规则的专家系统举例 198
7.3.1基于框架的专家系统的概念 199
7.3基于框架的专家系统 199
7.3.2基于框架的专家系统举例 200
7.4基于模型的专家系统 201
7.4.1基于模型的专家系统的概念 201
7.4.2基于模型的专家系统举例 202
7.5专家系统的设计、评价与开发 203
7.5.1专家系统的设计 203
7.5.2专家系统的评价 206
7.5.3专家系统的开发工具 209
7.6专家系统设计举例 214
7.6.1专家知识的描述 214
7.6.2知识的使用 218
7.6.3决策的解释 221
7.6.4MYCIN系统概述 222
第8章 自然语言理解 225
8.1语言及其理解的一般问题 225
8.1.1语言和语言理解 225
8.1.2自然语言理解研究的进展 226
8.1.3自然语言理解过程的层次 227
8.2句法和语法的自动分析 228
8.2.1句法模式匹配和转移网络 228
8.2.2扩充转移网络 229
8.2.3词汇功能语法 231
8.2.4语义的解析 234
8.3语言理解 235
8.3.1简单句的理解方法 235
8.3.2复合句的理解方法 238
8.4机器翻译 240
8.5语音识别 243
8.5.1语音识别的发展历史 243
8.5.2语音识别的基本原理 243
8.5.3语音识别中的难点 244
8.5.4语音识别的关键技术 245
8.6应用举例 246
8.6.1自然语言自动理解系统 246
8.6.2机器翻译系统ARIANE 248
8.6.3自然语言问答系统 250
第9章 智能控制 253
9.1智能控制概述 253
9.1.1智能控制的产生和发展 253
9.2智能控制的研究领域 255
9.1.2智能控制的定义 255
9.3智能控制的学科结构理论 258
9.3.1二元结构理论 259
9.3.2三元结构理论 259
9.3.3四元结构理论 260
9.4智能控制的特点与系统一般结构 263
9.4.1智能控制的特点 263
9.4.2智能控制系统的一般结构 263
9.5智能控制系统 264
9.5.1递阶智能控制系统 264
9.5.2专家控制系统 268
9.5.3模糊控制系统 270
9.5.4学习控制系统 273
9.5.5神经控制系统 276
9.5.6进化控制系统 280
第10章 人工智能程序设计 284
10.1符号和逻辑处理编程语言 284
10.2LISP语言 285
10.2.1LISP的特点和数据结构 285
10.2.2LISP的基本函数 287
10.2.3递归和迭代 291
10.2.4LISP编程举例 294
10.3PROLOG语言 297
10.3.1语法与数据结构 297
10.3.2PROLOG程序设计原理 298
10.3.3PROLOG编程举例 300
10.4专用开发工具与人工智能机 301
附录 网络课程使用说明 302
参考文献 306