《人工智能引论》求取 ⇩

目录1

第一章　什么是人工智能？1

§1.1 定义1

§1.2　基本假设4

§1.3　什么是人工智能技术？6

§1.3.1　一字棋8

§1.3.2　模式识别14

§1.3.3　结论19

§1.4　模仿程度20

§1.5　成功标准23

§1.6　参考文献综述25

§1.7　正确看待人工智能27

第二章　问题与问题空间29

§2.1　把问题定义为状态空间搜索29

§2.1.1　产生式系统36

§2.1.2　控制策略37

§2.1.3　启发式搜索40

§2.2　问题特征43

§2.2.1　问题可分解吗？44

§2.2.2　解题步骤可撤回吗？47

§2.2.3　全域可预测吗？49

§2.2.4　好解是绝对的还是相对的50

§2.2.5　知识库相容吗？53

§2.2.6　知识有何作用？54

§2.2.7　求解问题需要人机交互吗？55

§2.3　产生式系统特征56

§2.4　附加问题59

§2.5　小结61

练习61

第三章　问题求解的基本方法63

§3.1　正向推理对逆向推理64

§3.2　问题树对问题图69

§3.3　知识表达与框架问题71

§3.4　匹配74

§3.4.1　索引匹配75

§3.4.2　变量匹配76

§3.4.3　近似匹配78

§3.4.4　过滤匹配80

§3.5　启发式函数82

§3.6　弱法84

§3.6.1　生成测试法85

§3.6.2　爬山法87

§3.6.3　广度优先搜索法90

§3.6.4　或图最佳优先搜索法91

§3.6.5　日程表最佳优先搜索法99

§3.6.6　与或图最佳优先搜索法102

§3.6.7　约束满足法111

§3.6.8　手段目的分析法117

§3.7　搜索算法分析121

§3.8　小结126

练习127

第四章　博弈131

§4.1　概述131

§4.2　极小极大搜索过程135

§4.3　α-β剪枝算法141

§4.4.1　等候稳定期148

§4.4　其它改进148

§4.4.2　辅助搜索149

§4.4.3　利用查表选择走步150

§4.5　方法的限制150

§4.6　小结152

4.7　关于几种特殊博弈的参考文献152

练习153

第五章　用谓词逻辑表达知识155

§5.1 引论155

§5.2　用逻辑表达简单事实157

§5.3　用可计算函数与谓词扩大表达164

§5.4.1　把公式转换成子句型170

§5.4　归结170

§5.4.2　归结基础174

§5.4.3　命题逻辑中的归结176

§5.4.4　合一算法178

§5.4.5　谓词逻辑中的归结181

§5.4.6　需要尝试多种代换189

§5.4.7　问题回答190

§5.5 自然演绎192

§5.6　小结194

练习194

§6.2　基本函数符198

§6.1　引论198

第六章　用计算逻辑表达知识198

§6.3　外壳原理200

§6.4　定义原理209

§6.5　归纳法原理215

§6.6　小结222

练习224

第七章　用其它逻辑表达知识229

§7.1　引论229

§7.2　非单调推理232

§7.2.1　非单调推理简介233

§7.2.2　非单调推理系统TMS238

§7.3　统计和概率推理243

§7.3.1　处理随机世界的技术244

§7.3.2　处理确定世界的技术246

§7.3.3　基于规则的系统MYCIN252

§7.3.4　使用概率推理的时机259

§7.4　小结260

练习261

第八章　知识的结构表达263

§8.1 引论263

§8.1.1　一些常用的知识结构267

§8.1.2　知识表达级别的选择270

§8.1.3　找出所需要的正确结构275

§8.2　陈述表达277

§8.2.1　语义网279

§8.2.2　概念从属287

§8.2.3　框架295

§8.2.4　脚本300

§8.2.5　表达的句法和语义305

§8.3　过程表达307

§8.4　小结309

练习310

第九章　高级问题求解系统313

§9.1　规划313

§9.1.1　例子领域——积木世界318

§9.1.2　规划系统的组成319

§9.1.3　用目标堆栈的简单规划328

§9.1.4　用目标集的非线性规划338

§9.1.5　等级规划344

§9.1.6　用最小提交策略的非线性规划346

§9.1.7　用约束传递的规划350

§9.1.8　其它规划技术351

§9.2　系统组织352

§9.2.1　日程表353

§9.2.2　黑板法353

§9.2.3　Δ-极小搜索法355

§9.2.4　通过对象进行通讯357

§9.3　专家系统358

§9.3.1　专家系统的结构359

§9.3.2　同专家系统的交互362

§9.3.3　结论366

§9.4　小结367

练习367

第十章　自然语言理解370

§10.1 引论370

§10.1.1　什么是理解？371

§10.1.2　什么使理解难？372

§10.2　简单句理解378

§10.2.1　关键字匹配381

§10.2.2　句法分析385

§10.2.3　语义分析400

§10.3　复合句理解410

§10.3.1　理解中焦点的使用411

§10.3.2　理解中目标结构的使用413

§10.3.3　理解中纲要和脚本的使用416

§10.3.4　对话理解417

§10.4　语言生成422

§10.5　机器翻译424

练习426

§10.6　小结426

第十一章　感知429

§11.1　感知为何难？429

§11.2　感知问题的求解技术431

§11.3　约束满足——华滋算法433

§11.4　小结442

练习442

第十二章　学习444

§12.1　什么是学习？444

§12.2　死记硬背学习法445

§12.3　参数修正学习法448

§12.4　在GPS中的学习450

§12.5　概念学习452

§12.6　发现作为学习459

§12.7　用类推的方法学习469

§12.8　小结473

练习474

第十三章　人工智能系统的实现476

§13.1 人工智能语言476

§13.1.1 IPL477

§13.1.2 LISP477

§13.1.3 SAIL500

§13.1.4 PLANNER501

§13.1.5 KRL502

§13.1.6 PROLOG507

§13.1.7 小结540

§13.2 人工智能机器540

§13.2.1 并行机541

§13.2.2 LISP机541

§13.2.3 非冯诺依曼型机546

练习547

第十四章 结论548

§14.1 人工智能程序的组成部分548

§14.2 计算机科学中的人工智能548

练习550

参考文献550