第1章 绪论 1
1.1 基本知识点 1
1.1.1 人工智能的诞生及发展 1
1.1.2 人工智能的定义 2
1.1.3 人工智能的研究内容 2
1.1.4 人工智能研究的方法及途径 3
1.1.5 人工智能的研究及应用领域 4
1.2 例题分析 4
1.3 练习题 5
1.4 解题指导与习题解答 5
第2章 知识表示方法 6
2.1 基本知识点 6
2.1.1 知识及其表示 6
2.1.2 一阶谓词逻辑表示法 7
2.1.3 产生式表示法 9
2.1.4 语义网络表示法 11
2.1.5 框架表示法 13
2.1.6 面向对象的表示法 14
2.1.7 状态空间表示法 15
2.2 例题分析 16
2.2.1 一阶谓词公式表示知识的举例 16
2.2.2 语义网络表示知识举例 20
2.2.3 框架表示知识举例 22
2.2.4 状态空间表示知识举例 25
2.3 练习题 26
2.4 解题指导与习题解答 29
第3章 确定性推理方法 44
3.1 基本知识点 44
3.1.1 谓词公式的永真性和可满足性 44
3.1.2 置换与合一 45
3.1.3 归结推理方法 45
3.1.4 利用归结原理进行定理证明 48
3.1.5 应用归结原理进行问题求解 48
3.1.6 归结过程的控制策略 48
3.2 例题分析 49
3.3 练习题 59
3.4 解题指导与习题解答 62
第4章 不确定推理方法 75
4.1 基本知识点 75
4.1.1 不确定推理概述 75
4.1.2 可信度方法 76
4.1.3 主观Bayes方法 78
4.1.4 证据理论 81
4.2 例题分析 82
4.3 练习题 99
4.4 解题指导与习题解答 101
第5章 状态空间搜索策略 111
5.1 基本知识点 111
5.1.1 盲目搜索策略 111
5.1.2 启发式搜索策略 113
5.2 例题分析 115
5.3 练习题 118
5.4 解题指导与习题解答 120
第6章 机器学习 130
6.1 基本知识点 130
6.1.1 机器学习概述 130
6.1.2 机器学习系统的基本模型 132
6.1.3 机械学习 132
6.1.4 传授式学习 133
6.1.5 类比学习 133
6.1.6 归纳学习 134
6.1.7 基于解释的学习 136
6.1.8 ID3判定树算法 136
6.2 例题分析 137
6.3 练习题 142
6.4 解题指导与习题解答 143
第7章 自然语言理解 147
7.1 基本知识点 147
7.1.1 自然语言及其理解 147
7.1.2 词法分析 148
7.1.3 句法分析 149
7.1.4 语义分析 152
7.1.5 大规模真实文本的处理 153
7.2 例题分析 154
7.3 练习题 158
7.4 解题指导与习题解答 160
第8章 专家系统 165
8.1 基本知识点 165
8.1.1 专家系统概述 165
8.1.2 专家系统的基本结构 166
8.1.3 知识获取 167
8.1.4 专家系统的设计与建造 168
8.1.5 专家系统的评价 170
8.1.6 专家系统开发工具 170
8.1.7 新一代专家系统的发展 172
8.2 例题分析 172
8.3 练习题 172
8.4 解题指导与习题解答 173
第9章 神经网络与遗传算法 176
9.1 基本知识点 176
9.1.1 人工神经网络概述 176
9.1.2 基于反向传播的网络模型 178
9.1.3 Hopfield网络模型 179
9.1.4 传算法的概念与原理 181
9.2 例题分析 183
9.3 练习题 184
9.4 解题指导与习题解答 184
第10章 数据挖掘与Agent技术 188
10.1 基本知识点 188
10.1.1 数据挖掘的概念与研究内容 188
10.1.2 数据挖掘的功能与作用 189
10.1.3 数据挖掘的模型与算法 191
10.1.4 数据挖掘的过程 193
10.1.5 数据挖掘的研究热点与发展趋势 194
10.1.6 Agent的定义与体系结构 195
10.1.7 多Agent系统 199
10.1.8 面向Agent的软件技术 200
10.1.9 Agent技术所面临的挑战 202
10.2 例题分析 202
10.3 练习题 203
10.4 解题指导与习题解答 203
附录A 《计算机科学与技术》综合考试真题 204
附录B 《计算机科学与技术》综合考试真题参考解答 216
参考文献 228