人工智能教程(第2版)/王士同

本书是普通高等教育“十一五”国家级规划教材，系统介绍人工智能的基本原理和相关应用领域。全书共10章,分别介绍绪论、知识表达技术、问题求解方法、基本推理技术、不精确推理技术、PROLOG语言、专家系统、机器学习、人工神经网络和人工智能游戏。本书内容丰富，条理清楚，各章都配有例题，每章都给出相当数量的习题，以帮助读者理解和掌握本书内容，本书为任课教师免费提供电子课件。

第1章 绪论 1. 1 人工智能 1. 1. 1 什么是人工智能 1. 1. 2 什么是自然智能 1. 2 人工智能的发展史 1. 2. 1 第一阶段――孕育期（1956年以前） 1. 2. 2 第二阶段――人工智能基础技术的研究和形成(1956―1970年) 1. 2. 3 第三阶段――发展和实用化阶段(1971―1980年) 1. 2. 4 第四阶段――知识工程与专家系统(1980年至今) 1. 3 人工智能的研究领域 1. 3. 1 专家系统 1. 3. 2 自然语言处理 1. 3. 3 机器学习 1. 3. 4 定理证明 1. 3. 5 分布式人工智能 1. 3. 6 机器人 1. 3. 7 模式识别 1. 3. 8 博弈和游戏 1. 3. 9 计算机视觉 1. 3.10 人工神经网络 习题1 第2章 知识表达技术 2. 1 知识的概念与含义 2. 2 知识表达技术概述 2. 2. 1 知识类型 2. 2. 2 知识模型变换 2. 3 状态空间表达 2. 3. 1 状态空间表达法的概念 2. 3. 2 状态空间表达法的例子 2. 4 与/或图表达法 2. 4. 1 与/或图表达法的概念 2. 4. 2 与/或图表达法的例子 2. 5 产生式系统 2. 5. 1 产生式系统的基本结构 2. 5. 2 产生式系统的表示 2. 6 知识的逻辑表达方法 2. 6. 1 命题逻辑 2. 6. 2 谓词逻辑 2. 6. 3 一阶谓词逻辑表达方法 2. 6. 4 谓词逻辑表达法的特性和应用 2. 7 语义网络 2. 7. 1 语义网络的概念和特性 2. 7. 2 语义网络的知识表示 2. 8 框架表达法 2. 8. 1 框架的构成 2. 8. 2 框架系统与产生式系统的结合 2. 9 特征表表达法 2. 10 面向对象的表示 2. 10. 1 对象、消息和方法 2. 10. 2 类、类层次和继承性 2. 10. 3 面向对象的知识表示与语义网络、框架系统的比较 习题2 第3章 问题求解方法 3. 1 状态空间搜索概述 3. 1. 1 状态图 3. 1. 2 问题的状态空间的图描述 3. 1. 3 将问题求解定义为状态空间搜索 3. 1. 4 搜索的基本概念 ３. ２ 盲目的图搜索 3. 2. 1 搜索策略概述 3. 2. 2 回溯策略 3. 2. 3 宽度优先搜索 3. 2. 4 深度优先搜索 3. 2. 5 图搜索 ３. ３ 启发式图搜索 3. 3. 1 启发式策略 3. 3. 2 启发信息和估价函数 3. 3. 3 启发式图搜索法――A及A*搜索算法 3. 3. 4 A*搜索算法的讨论 ３. ４ 与/或图搜索 3. 4. 1 与/或图的概念 3. 4. 2 AO及AO*搜索算法 3. 4. 3 博弈树搜索 ３. ５ 局部搜索算法 ３. 6 模拟退火算法 3. 6. 1 固体退火过程 3. 6. 2 模拟退火算法 3. 6. 3 参数的确定 3. 6. 4 应用举例 ３. 7 遗传算法 3. 7. 1 生物进化与遗传算法 3. 7. 2 遗传算法的实现问题 ３. ８ 约束满足法 习题3 第4章 基本推理技术 4. 1 推理技术概述 4. 1. 1 推理的概念和类型 4. 1. 2 推理的控制策略 4. 2 归结反演系统 4. 2. 1 归结原理 4. 2. 2 归结反演 4. 2. 3 归结反演的控制策略 4. 2. 4 应用归结反演求取问题的答案 4. 3 基于规则的演绎推理 4. 3. 1 正向演绎推理 4. 3. 2 反向演绎推理 4. 3. 3 双向演绎推理 习题4 第5章 不精确推理 5. 1 概述 5. 2 概率方法 5. 2. 1 概率论基础 5. 2. 2 概率推理模型 5. 3 主观Bayes方法 5. 3. 1 不确定性的表示 5. 3. 2 主观Bayes方法推理的基本算法 5. 4 可信度方法 5. 4. 1 基于可信度的不确定性表示 5. 4. 2 可信度方法推理的基本算法 5. 5 模糊推理 5. 5. 1 模糊理论基础 5. 5. 2 语言变量及模糊推理 习题5 第6章 PROLOG语言 6. 1 PROLOG语言概述 6. 1. 1 PROLOG语言的发展 6. 1. 2 PROLOG语言的特点 6. 2 PROLOG语言的结构 6. 2. 1 数据结构 6. 2. 2 程序结构 6. 3 PROLOG语言的内部谓词 6. 3. 1 比较类 6. 3. 2 表达式类 6. 3. 3 输入输出类 6. 3. 4 文件操作类 6. 3. 5 控制谓词类 6. 3. 6 复杂目标类 6. 3. 7 项类 6. 3. 8 结构分量类 6. 3. 9 项维护类（动态数据库） 6. 4 PROLOG语言的搜索策略 6. 4. 1 例化与匹配 6. 4. 2 回溯控制 6. 4. 3 搜索策略 6. 5 谓词！的讨论 6. 5. 1 谓词！的作用 6. 5. 2 用法及举例 6. 6 PROLOG程序设计 6. 6. 1 数学函数 6. 6. 2 八皇后问题 6. 6. 3 专家系统示例 6. 7 PROLOG语言与C语言的连接 6. 7. 1 语言条件 6. 7. 2 外部谓词说明 6. 7. 3 参数传递 6. 7. 4 外部C语言子程序 6. 7. 5 两个限制 习题6 第7章 专家系统 7. 1 专家系统的定义与分类 7. 1. 1 专家系统的定义与特点 7. 1. 2 专家系统的类型 7. 2 专家系统的结构与工作原理 7. 2. 1 专家系统的一般结构 7. 2. 2 专家系统的工作原理 7. 3 知识获取 7. 3. 1 知识获取的任务 7. 3. 2 知识获取的模式 7. 4 专家系统的建立 7. 4. 1 适于专家系统求解的问题 7. 4. 2 专家系统的设计原则与开发步骤 7. 4. 3 专家系统的评价 7. 5 专家系统实例 7. 5. 1 动物识别专家系统 7. 5. 2 医学专家系统――MYCIN 7. 5. 3 地质勘探专家系统――PROSPECTOR 7. 6 专家系统的开发工具 7. 6. 1 用于开发专家系统的程序设计语言 7. 6. 2 骨架系统 7. 6. 3 通用型知识表达语言 7. 6. 4 专家系统开发环境 习题7 第8章 机器学习 8. 1 机器学习概述 8. 1. 1 机器学习的基本概念 8. 1. 2 机器学习的主要策略 8. 1. 3 机器学习系统的基本结构 8. 1. 4 机器学习系统的主要特性 8. 2 机械学习 8. 2. 1 机械学习模式及主要问题 8. 2. 2 机械学习应用举例 8. 3 示例学习 8. 3. 1 示例学习模型 8. 3. 2 示例学习的一般过程 8. 3. 3 示例表示 8. 3. 4 示例复用 8. 3. 5 示例保存 8. 4 类比学习 8. 4. 1 类比学习的概念 8. 4. 2 类比学习的表示与求解 8. 5 几种类比学习系统介绍 8. 5. 1 转换类比学习 8. 5. 2 派生类比学习 8. 5. 3 因果关系类比学习 8. 5. 4 联想类比学习 8. 6 归纳学习 8. 6. 1 概述 8. 6. 2 归纳学习的一般模式 8. 6. 3 类型定义 8. 6. 4 结构归纳学习及示例 8. 6. 5 基于决策树的归纳学习方法 习题8 第9章 人工神经网络 9. 1 神经网络概述 9. 2 人工神经元模型 9. 2. 1 神经元模型 9. 2. 2 神经网络结构及工作方式 9. 3 神经网络的学习方法 9. 3. 1 学习方式 9. 3. 2 学习规则 9. 3. 3 学习与自适应 9. 4 前馈神经网络 9. 4. 1 前馈神经网络结构 9. 4. 2 利用BP算法进行网络训练 9. 5 Hopfield神经网络 9. 5. 1 神经联想记忆 9. 5. 2 Hopfield网络 9. 5. 3 Hopfield网络的一个范例 9. 6 Kohonen自组织神经网络 习题9 第10章 人工智能游戏 10. 1 计算机游戏中的人工智能 10. 2 游戏编程中的人工智能 10. 3 游戏中的移动 10. 3. 1 环境和空间 10. 3. 2 游戏世界的类型 10. 3. 3 处理移动 10. 3. 4 假设 10. 3. 5 测试条件 10. 3. 6 导航的技巧 10. 3. 7 游戏中的机器人及其移动 10. 3. 8 仿生机器人的自主导航 10. 3. 9 移动的标准 10. 3. 10 实例研究 10. 4 实验用平台FEAR 10. 4. 1 技术概述 10. 4. 2 外部接口 10. 4. 3 模块 10. 4. 4 灵活的结构 10. 4. 5 创建一个仿生机器人 习题10 参考文献