目 录 1
第1章 绪论 1
1.1 人工智能实践 2
1.2人工智能理论 3
1.3智能的判定与度量 5
1.4行为计算理论 6
1.5 自动推理 8
2.3 LISP交互方式 1 8
1.6本书结构 10
本章小结 11
背景资料 12
练习 12
第2章 符号编程 14
2.1 基于规则的反应系统实例 15
2.2 LISP简介 16
4.6判别树的索引 1 17
2.4 LISP函数 19
2.5环境、符号与作用域 22
2.6 LISP函数的更多内容 27
2.7表处理 28
2.8迭代结构 35
2.9程序调试 37
2.10基于规则的反应系统回顾 39
本章小结 43
背景资料 44
练习 44
第3章 表达与逻辑 48
3.1 命题逻辑 49
3.2 P语言的形式化系统 52
3.3 P语言中的自动定理证明 57
3.4谓词演算 60
3.5 PC语言的形式化系统 64
3.6 PC语言中的自动定理证明 68
3.7非单调逻辑 76
3.8演绎检索系统 79
本章小结 83
背景资料 84
练习 85
LISP实现：数据依赖 89
第4章 搜索 92
4.1基本搜索问题 93
4.2盲目搜索 95
4.3启发式搜索 101
4.4最优化与搜索 105
4.5敌对搜索 112
本章小结 119
背景资料 120
练习 121
LISP实现：判别树 123
第5章 学习 127
5.1 归纳学习问题的分类 127
5.2归纳推理理论 130
5.3描述空间 133
5.4决策树 138
5.5网络学习方法 143
5.6梯度导向搜索 145
5.7感知器 156
5.8径向基函数 158
5.9动态环境中的学习 163
本章小结 170
背景资料 171
练习 171
LISP实现：利用LISP实现学习算法 175
第6章 高级表达 179
6.1 时序推理 179
6.2情境演算 180
6.3一阶区间时序逻辑 185
6.4 时序知识管理 188
6.5知识与信念 190
6.6空间推理 194
本章小结 199
背景资料 200
练习 200
LISP实现：时序推理 202
第7章 规划 207
7.1 状态空间搜索 207
7.2最小约束规划 214
7.3分层抽象空间规划 222
7.4 自适应规划 226
7.5不完全信息规划 230
7.6表达能力更强的动作模型 235
本章小结 239
背景资料 240
练习 241
LISP实现：半序规划的精化 243
第8章 不确定性 246
8.1不确定性推理的动机 247
8.2概率论 248
8.3概率网 254
8.4决策论 267
本章小结 272
背景资料 273
练习 273
LISP实现：概率网中的推理 274
9.1传感器与图像 282
第9章 图像理解 282
9.2 计算机视觉 284
9.3人类视觉 286
9.4视觉－恢复问题 288
9.5图像描述的恢复 301
9.6由轮廓复原形状 307
9.7 由阴影复原形状 311
9.8 由纹理复原形状 315
9.9立体法 317
9.10视觉运动分析 320
9.11主动视觉 325
9.12 应用 326
本章小结 330
背景资料 331
练习 333
LISP实现：多面体景物标记 337
第10章 自然语言处理 343
10.1语言成分 343
10.2上下文无关文法 345
10.3上下文无关文法分析 347
10.4文法特性 352
10.5基于图的有效句法分析 356
10.6语义解释 358
10.7自然语言生成 364
10.8上下文中的自然语言 366
10.9量词作用域 371
本章小结 372
背景资料 372
练习 372
LISP实现：简单分析器 374
参考文献 379