第1章 绪论 1
1.1 机器智能概述 1
1.1.1 基本概念 1
1.1.2 本书内容组织 2
1.2 科学技术的基本概念及基本规律 5
1.2.1 科学技术的基本概念 6
1.2.2 科学技术的发生学机制 7
1.2.3 科学技术发展的基本规律 8
1.3 智能科学技术的历史使命和研究方向 11
1.3.1 历史使命 11
1.3.2 研究方向 12
1.4 本章小结 12
习题 13
参考文献 13
第2章 机器智能的基本概念 14
2.1 智能及其相关概念 14
2.1.1 智能 14
2.1.2 自然智能 17
2.1.3 机器智能 18
2.1.4 隐智能与显智能 20
2.2 信息、知识及其相关概念 20
2.2.1 信息 20
2.2.2 认知 23
2.2.3 知识 23
2.2.4 意识 24
2.2.5 情感 25
2.3 策略及其相关概念 25
2.3.1 策略 25
2.3.2 决策 26
2.3.3 行为 26
2.3.4 执行 26
2.3.5 系统 27
2.4 本章小结 27
习题 27
参考文献 27
第3章 机器智能的研究方法之一：结构模拟 29
3.1 生物神经网络 29
3.1.1 大脑皮层 30
3.1.2 生物神经元 31
3.1.3 生物神经网络 32
3.2 人工神经网络 32
3.2.1 人工神经元模型 33
3.2.2 感知机 38
3.2.3 人工神经网络基本模型 44
3.2.4 人工神经网络发展简史 46
3.3 神经网络学习算法 51
3.3.1 存储与映射 51
3.3.2 人工神经网络的训练 52
3.3.3 基本人工神经网络学习规则 53
3.4 前向多层感知机和BP算法 56
3.4.1 前向神经网络概说 56
3.4.2 单层感知机 58
3.4.3 多层感知机和BP算法 61
3.5 Hopfield反馈神经网络 66
3.5.1 动力学基本概念 66
3.5.2 离散Hopfield网络 67
3.5.3 连续Hopfield网络 70
3.5.4 联想记忆 71
3.6 人工神经网络的典型应用 75
3.7 结构模拟方法的优势与困难 77
3.8 本章小结 79
习题 79
参考文献 80
第4章 机器智能的研究方法之二：功能模拟 83
4.1 发展简史 83
4.2 知识表示与知识工程 85
4.2.1 状态空间法 85
4.2.2 问题归约法 89
4.2.3 谓词逻辑法 93
4.2.4 语义网络法 97
4.2.5 框架表示法 100
4.2.6 知识工程 101
4.3 知识获取 103
4.3.1 知识发现 103
4.3.2 知识获取 106
4.3.3 知识演绎 106
4.4 问题求解 107
4.4.1 图搜索 107
4.4.2 宽度优先搜索 110
4.4.3 深度优先搜索 112
4.4.4 等代价搜索 115
4.4.5 启发式搜索 115
4.5 博弈理论 119
4.6 定理证明 124
4.6.1 消解原理 125
4.6.2 规则演绎系统 129
4.7 专家系统 132
4.7.1 基本概念 132
4.7.2 发展简史 132
4.7.3 基本类型 133
4.7.4 基本结构 135
4.7.5 建造步骤 136
4.7.6 工作机理和结构 137
4.7.7 新型专家系统 139
4.7.8 开发工具 141
4.8 自然语言理解 141
4.8.1 基本概念 141
4.8.2 发展历程 142
4.8.3 句法分析 143
4.8.4 语义分析 144
4.8.5 简单句的自动理解 145
4.8.6 语句之间的关系 147
4.8.7 自然语言生成 148
4.9 功能模拟方法的优势与困难 148
4.10 本章小结 149
习题 149
参考文献 151
第5章 机器智能的研究方法之三：行为模拟 153
5.1 机器感知 153
5.1.1 机器感知基本原理 153
5.1.2 无线传感器网络基本概念 155
5.1.3 信息融合基本概念 156
5.1.4 物联网基本概念 156
5.2 模式分类 157
5.2.1 模式分类基本概念 158
5.2.2 文本分类基本概念 158
5.2.3 文本特征抽取与表示 160
5.2.4 常用的文本分类方法 164
5.2.5 文本分类性能评估 166
5.3 感知-动作系统 167
5.3.1 Brooks的研究背景 167
5.3.2 Brooks的研究思路 169
5.3.3 模拟生物体的设计与实现 172
5.3.4 Brooks的分析 177
5.4 机器学习 180
5.4.1 基本概念和发展简史 180
5.4.2 基本结构 181
5.4.3 主要策略 182
5.4.4 机械学习 182
5.4.5 归纳学习 183
5.4.6 类比学习 184
5.5 计算智能 185
5.5.1 基本概念 185
5.5.2 进化计算 186
5.5.3 模糊计算 187
5.6 行为模拟方法的优势与困难 188
5.7 本章小结 189
习题 189
参考文献 189
第6章 机器智能的研究方法之四：机制模拟 191
6.1 机器智能研究的方法论解析 191
6.1.1 近代科学观与方法论及其对智能研究的影响 192
6.1.2 机器智能研究的科学观和方法论 193
6.2 全信息理论 195
6.2.1 全信息 195
6.2.2 全信息的生成 196
6.2.3 全信息的分类 198
6.2.4 概率信息的描述 199
6.2.5 偶发信息的描述 201
6.2.6 确定型信息的描述 202
6.2.7 模糊信息的描述 204
6.2.8 语义信息、语用信息和全信息的描述 206
6.3 知识理论 207
6.3.1 知识的基础理论 208
6.3.2 知识的生成理论 209
6.3.3 知识的激活理论 216
6.3.4 知识的生态模型 219
6.3.5 意识发生学 220
6.4 智能生成机制 221
6.5 智能统一理论 224
6.6 全信息自然语言理解 225
6.7 本章小结 228
习题 229
参考文献 229
第7章 机器智能与机器情感 230
7.1 信息检索系统 230
7.1.1 基本概念 230
7.1.2 基本原理 231
7.1.3 智能信息检索 233
7.2 情感分类 235
7.3 情感生成机理：信息-意识-情感转换 237
7.4 智能与情感相互作用模型 238
7.5 本章小结 240
习题 240
参考文献 240
第8章 机器智能的宏观应用：智能信息网络 242
8.1 基本概念 242
8.1.1 信息网络 242
8.1.2 智能信息网络 243
8.1.3 网络智能 246
8.1.4 智能网 246
8.2 智能信息网络在经济领域的应用 248
8.2.1 网络化经营 248
8.2.2 配送网络 249
8.2.3 电子商务 250
8.3 智能信息网络在社会领域的应用 251
8.3.1 智能信息网络促进科学研究 251
8.3.2 智能化社区信息网络 253
8.3.3 智能建筑信息网络 254
8.3.4 智能化农业信息网络与信息服务系统 256
8.4 智能信息网络在安全领域的应用 258
8.4.1 保密安全 259
8.4.2 网络安全 260
8.4.3 内容安全 262
8.5 本章小结 265
习题 265
参考文献 265
第9章 机器智能的微观应用：智能机器人 267
9.1 机器人 267
9.1.1 基本概念 267
9.1.2 研究历史 268
9.1.3 情智一体机器人 270
9.1.4 群体智能机器人 270
9.1.5 未来的智能机器人 271
9.2 机器人的应用 273
9.2.1 机器人在生产领域中的应用 273
9.2.2 机器人在生活服务领域中的应用 277
9.2.3 发展智能机器人所面临的困难 282
9.3 智能人机合作 282
9.4 本章小结 284
习题 284
参考文献 284
第10章 机器智能的未决问题 287
10.1 复杂性理论 287
10.2 不确定性理论 288
10.3 智能数学 290
10.4 人机关系：隐智能与创造力 292
10.5 本章小结 293
习题 293
参考文献 293