第1章 引论 2
1.1人工智能从实验室中浮现 2
第一部分 引 论 2
1.2什么是人工智能应用程序 4
1.3什么是人工智能 5
1.4不同的智能模型 7
1.5表示 8
第2章 逻辑 16
2.1命题逻辑 16
第二部分 逻辑和搜索 16
2.2谓词演算 28
2.3小结 36
第3章 搜索 38
3.1 引言 38
3.2一些经典的人工智能问题 39
3.3基于树的算法 41
3.4用函数最优化表示搜索 49
3.5小结 56
第4章 自动逻辑推理 59
4.1命题逻辑中的归结 59
4.2 FOPC中的归结 63
4.3 Prolog 71
4.4小结 81
第三部分 不确定性 84
第5章 贝叶斯网络（1） 84
5.1引言 85
5.2基础概率论综述 88
5.3贝叶斯网络 91
5.4小结 104
6.1构造簇树 107
第6章 贝叶斯网络（2） 107
6.2量化连接树 115
6.3处理证据 120
6.4不精确推理 121
6.5小结 123
第7章 其他不确定性方法 125
7.1模糊逻辑 125
7.2 Dempster-Shafer理论 132
7.3非数值方法 135
7.4小结 137
8.1非干预行动 142
第8章 决策网络 142
第四部分 行动决策 142
8.2干预行动 144
8.3测试决策 147
8.4信息价值 149
8.5有关效益值的一点说明 150
8.6小结 151
第9章 规划（1） 154
9.1简单规划描述语言 154
9.2派生规划 155
9.3将实施规划作为简单搜索过程 156
9.4图规划 158
9.5小结 166
第10章 规划（2） 170
10.1有表现力的表达 170
10.2不确定情况下的行动 173
10.3使用基于知识方法的规划器 179
10.4讨论 182
10.5小结 183
第11章 学习引论 186
11.1学习中的元素 186
第五部分 学 习 186
11.2目标函数的表示 189
11.3学习任务的类型 190
11.4学习即是搜索 191
11.5假设空间中的学习偏置 196
11.6更深入的问题 197
11.7小结 198
第12章 决策树学习 199
12.1 简介 199
12.2 ID3算法 201
12.3有关决策树学习的一些问题 205
12.4 小结 207
第13章 归纳逻辑程序设计 210
13.1简介 210
13.2假设的产生 212
13.3归纳推理 213
13.4 FOIL算法 213
13.5逆向归结（逆向蕴含） 216
13.6 θ－包含 218
13.7具有逆向蕴含的ILP系统的实际实现 219
13.8小结 221
14.1 简介 223
第14章 强化学习 223
14.2强化学习的关键元素 224
14.3最优策略的计算 226
14.4 Q－学习 233
14.5 小结 235
第15章 神经网络（1） 237
15.1基本成分 237
15.2基本概念 244
15.3线性与非线性问题 247
15.4反向传播学习 249
15.5字符分类示例 255
15.6小结 256
第16章 神经网络（2） 259
16.1使用相似性度量发现簇 259
16.2自组织特征映射 260
16.3用于聚类的模型生成器 267
16.4径向基函数网络 269
16.5小结 272
第17章 遗传算法 274
17.1一些术语 275
17.2一个较完整的算法 278
17.3假设表示 280
17.4模式定理与隐含的并行机制 283
17.5遗传算法的其他方面 284
17.6 小结 285
第六部分 自然语言理解与感知 288
第18章 自然语言处理（1） 288
18.1 自然语言理解的阶段 289
18.2语言的各部分 290
18.3分析结构 291
18.4语义分析 298
18.5语境分析 301
18.6 小结 302
第19章 自然语言处理（2） 304
19.1图表分析器 304
19.2文法与属性 310
19.3语义学 313
19.4量化和中介逻辑形式 319
19.5上下文 321
19.6 NLP的统计学方法 323
19.7 小结 326
20.1组成单词读音的基本单元 328
第20章 语音处理 328
20.2信号处理 329
20.3识别 332
20.4隐马尔可夫模型 332
20.5小结 338
第21章 视觉 339
21.1图像 340
21.2物体和图像之间的基本数学关系 340
21.3视觉线索 343
21.4形状描述 345
21.5边缘检测 347
21.6分割 349
21.7提取边界 351
21.8对物体进行分类 354
21.9小结 357
第七部分 代理哲学和应用 360
第22章 代理 360
22.1代理 360
第23章 人工智能的哲学 364
23.1什么是哲学 364
23.2强人工智能与弱人工智能 365
23.3思维机器 367
23.4图灵测试 368
23.5我们是否用语言思考 370
第24章 人工智能的若干应用 373
24.1宇宙飞船的自主控制 373
24.2使用O-Plan的层次式任务规划 374
24.3帮助机场操作的决策支持工具 378
24.4新闻报道中的文本提取 378
24.5航班信息会话接口 381
24.7医学诊断中的成像 382
24.6人脸识别 382
24.8数据挖掘 383
24.9从非结构数据获取信息 385
24.10欺诈检测 386
24.11给予机器常识 386
24.12管理飞行器安全 387
24.13贝叶斯推理增长的作用 390
24.14机器人 390
附录A Prolog简介 392
参考文献 407