人工智能

本書介紹了基於搜索的問題求解、知識表示和推理、機器學習、模糊理論-神經網絡-遺傳算法、模式識別，以及人工智能的語言等。

第1章 人工智能概述

1·1 什麼是人工智能

1·2 人工智能的歷史

第2章 基於搜索的問題求解

2·1 搜索與人工智能的關係

2·1·1 八數碼魔方

2·1·2 狀態空間表示

2·1·3 與圖有關的術語

2·2 逐個搜索

2·2·1 隨機搜索

2·2·2 CLOSED表的引入

2·2·3 OPEN表的引入

2·4·4 縱向搜索

2·2·5 橫向搜索

2·2·6 均一代價搜索

2·3 應用智能的搜索

2·3·1 啓發式搜索

2·3·2 登山法和最佳優先搜索

2·3·3 A*算法

2·3·4 約束的利用

2·4 對問題進行分割後進行搜索

2·4·1 與/或(AND/OR)圖表示

2·4·2 與/或(AND/OR)圖搜索

2·5 博弈樹的搜索

練習題

第3章 知識表示和推理

3·1 知識與推理中的關係

3·2 產生式系統

3·2·1 產生式系統的構造

3·2·2 推理機構的運行

3·2·3 理由(Why)和方法(How)

3·2·4 產生式系統的特徵

3·3 框架

3·3·1 典型知識與框架

3·3·2 階層知識與特徵的繼承

3·3·3 程序知識及其啓動

3·3·4 框架的特徵

練習題

第4章 機器學習

4·1 關於學習和機器學習

4·1·1 什麼是學習

4·1·2 機器學習的研究歷史

4·1·3 機器學習的分類標準

4·2 應用歸納方法由示例學習概念的定義

4·2·1 温斯頓的拱學習

4·2·2 決策樹的學習

4·3 根據豐富的知識和經驗提高推理效率

4·3·1 效率化學習

4·3·2 基於解釋的學習(EBL)

練習題

第5章 模糊理論-神經網絡-遺傳算法

5·1 模糊理論

5·1·1 什麼是模糊理論

5·1·2 模糊集合與普通集合的區別

5·1·3 模糊數也是數嗎?

5·1·4 模糊控制是一種方便的控制方法

5·2 神經網絡

5·2·1 什麼是神經網絡

5·2·2 神經元及其學習功能的研究

5·2·3 誤差反向傳播學習是一種便利方法

5·3 遺傳算法

5·3·1 什麼是遺傳算法

5·3·2 單純GA的基本步驟

5·3·3 簡單函數最優化舉例

5·3·4 單純GA的擴張

5·3·5 模式定理

5·3·6 遺傳算法的應用

5·3·7 遺傳算法的一些同類方法

練習題

第6章 模式識別

6·1 什麼是模式識別

6·2 模式的特徵

6·3 根據特徵模式匹配進行識別

6·3·1 用一個參考模式代表類

6·3·2 用多個參考模式代表類

6·4 基於統計決策理論的識別

6·5 對聲音的識別

6·5·1 根據與參考模式的匹配識別單詞

6·5·2 基於統計決策理論的單詞識別

6·5·3 基於統計決策理論的連續聲音識別

練習題

第7章 人工智能語言

7·1 人工智能語言是怎樣一種語言

7·2 函數型語言Lisp

7·2·1 表:具有遞歸結構的數據

7·2·2 Lisp程序的基本結構

7·2·3 由程序到數據和由數據到程序:eval和quote

7·2·4 表操作

7·2·5 其他的Lisp函數

7·2·6 Lisp的執行例子

7·3 邏輯型語言Prolog

7·3·1 項:具有遞歸結構的另一種數據結構

7·3·2 邏輯型語言的計算方法:歸結原理

7·3·3 Prolog的對象:Horn邏輯式

7·3·4 Prolog程序的表示法

7·3·5 單一化(unification)

7·3·6 Prolog的表處理

7·3·7 Prolog的執行控制功能：自動回溯和截斷符號

7·3·8 把程序變成數據，把數據變成程序:assert，retract及univ

7·3·9 其他的謂詞

7·3·10 Prolog的執行例子

練習題

練習題簡答 ^[2]