《智能模拟》求取 ⇩

第一章 概论及数学知识准备1

1.1 概论1

1.2 集合论的基本概念3

1.2.1 集合与成员3

1.2.2 蕴含4

1.2.3 幂集5

1.2.4 集合的运算5

1.2.5 全集6

1.2.6 n值运算6

1.2.7 加索引集合6

1.2.8 划分7

1.2.9 集合的代数式7

1.2.10 有序偶7

1.2.11 笛卡尔积7

1.2.12 对应与映照8

1.2.13 可列集10

1.3 图论的基本概念10

1.3.1 图10

1.3.2 树12

1.3.3 耗散图14

1.3.4 图的数据结构14

第二章 问题求解20

2.1 状态空间搜索法20

2.1.2 状态空间的表示法及穷搜索法20

2.1.2 广度优先搜索法21

2.1.3 深度优先搜索法25

2.1.4 评价函数和启发式程序26

2.1.5 性能的测量33

2.2 问题归约法35

2.2.1 算符法35

2.2.2 关键法37

2.3 与-或图法43

2.3.1 与-或树的广度优先搜索法47

2.3.2 与-或树的深度优先搜索法48

2.3.3 与-或图的有序搜索法51

2.4 博奕树56

2.4.1 归约博奕图56

2.4.2 最小最大值搜索法57

2.4.3 α-β搜索法61

2.4.4 A-B型α-β搜索法63

2.4.5 向前修剪的搜索法64

2.5 非确定程序64

2.5.1 状态空间法64

2.5.2 与-或图法65

第三章 自动定理证明73

3.1 命题演算73

3.1.1 基本符号73

3.1.2 解释Ⅰ76

3.1.3 联结词的可约性77

3.1.4 永真公式和永假公式78

3.1.5 范式78

3.1.6 逻辑推论80

3.2 一阶谓词演算82

3.2.1 基本概念82

3.2.2 前束范式85

3.2.3 Skolem标准形86

3.2.4 Herbrand全域和Herbrand基88

3.2.5 语义树89

3.2.6 Herbrand定理及实现方法90

3.3 分解原理93

3.3.1 推理节点93

3.3.2 命题演算的分解原理94

3.3.3 谓词演算的分解原理95

3.3.4 删除策略101

第四章 模式识别108

4.1 决策论方法108

4.1.1 样本匹配法109

4.1.2 基本的非参量决策论分类法109

4.1.3 Bayes(参量)分类113

4.2 句法(语言学)方法117

4.2.1 句法(语言学)方法的基本思想118

4.2.2 模式元与子模式的表示与选择119

4.2.3 模式文法123

4.2.4 自动机127

第五章 智能机器人136

5.1 概述136

5.2 神经元与记忆139

5.3 机器视觉142

5.4 眼-手装置147

5.5 眼-车装置148

5.6 对答系统151

5.6.1 句法分析151

5.6.2 语义分析153

5.6.3 对答158

5.6.4 专家系统159

5.7 类推(类比)160

5.8 简单概念的学习169

参考文献169

词汇索引171