《人工智能》求取 ⇩

目录1

第一章　引论1

§1.1　人工智能概况、历史和现状1

§1.1.1　什么是人工智能1

§1.1.2　人工智能的历史与现状5

§1.2　人工智能的研究方法11

§1.2.1　人工智能的位置11

§1.2.2　人工智能的研究方法12

§1.3　人工智能的研究领域与方向16

§1.3.1　人工智能的研究领域16

§1.3.2　人工智能的研究课题与方向26

§2.1.1　什么是知识35

§2.1　知识35

第二章　知识与学习35

§2.1.2　知识的层次结构模型36

§2.2　知识表示技术38

§2.2.1　知识表示技术的基本概念39

一、设计知识表示的基本原则39

二、语义原语40

三、知识的获取与推理40

§2.2.2 用逻辑的方法表示知识41

§2.2.3　用过程表示知识42

§2.2.4　用语义网络表示知识44

一、语义网络的基本概念45

二、语义网络用作推理47

三、语义网络表示法的发展历史49

§2.2.5 用产生式系统表示知识50

§2.2.6　用框架和电影脚本表示知识55

一、特性表55

二、框架56

三、电影脚本58

§2.2.7　知识的直接表达60

§2.3　获得知识的方法——学习的概念61

§2.3.1 学习与学习系统63

§2.3.2 学习系统的一般结构65

§2.3.3　智能学习系统的分类68

一、按学习能力分类68

二、按知识水平和学习方法分类69

四、按知识表示方法分类70

三、按被学习事物的性质分类70

§2.3.4 类比识别——简单的学习方式71

一、类比原理71

二、类比中值得注意的几个问题75

§2.3.5　概念的学习——立体几何体的识别77

一、用语义网络表示概念77

二、学习79

第三章　搜索原理86

§3.1　概述86

§3.1.1　搜索系统的组成87

§3.1.2　问题变换方法90

一、同构同态变换94

二、问题分解法及与／或图表示95

一、问题的状态空间表示及其求解方法98

§3.1.3 问题的直接求解法98

二、问题演绎法108

三、博奕问题求解法112

§3.2　基本搜索方法114

§3.2.1 盲目状态空间搜索法116

一、深度为主搜索法116

二、宽度为主搜索法121

三、一致代价搜索法125

四、双向搜索法127

§3.2.2 盲目与／或图搜索法128

一、与／或树的宽度为主搜索法129

§3.3　搜索效率132

二、与／或树的深度为主搜索法132

§3.4　启发式搜索原理135

§3.4.1　启发式搜索的基本概念135

一、启发式搜索的必要性135

二、隐式图搜索过程136

三、启发式信息的的类型138

四、估价函数139

§3.4.2　基本启发式搜索方法140

一、局部择优搜索140

二、全局择优搜索141

§3.4.3 A＊算法147

一、基本概念和定义147

二、A＊算法的可采纳性149

§3.4.4　与／或图启发式搜索的基本概念151

三、估价函数的启发能力151

一、最佳解的定义152

二、希望树154

三、与／或图的有序搜索算法154

四、Nilsson算法155

§3.4.5　博奕树的启发式搜索159

一、极大极小搜索法160

二、α-β剪枝技术166

§3.5　启发式问题求解程序168

§3.5.1　通用问题求解程序168

一、GPS的基本原理169

二、GPS所遇到的困难170

三、差异操作表170

§3.5.2　FDS——操作差异表的自动生成175

§3.5.3　规划179

一、GPS中的规划181

二、Strips185

三、规划的生成188

第四章　逻辑演算与自动定理证明192

§4.1　命题逻辑193

§4.1.1　命题193

§4.1.2　命题联结词193

§4.1.3　基本定律196

§4.1.4 范式200

§4.1.5　逻辑推理203

§4.2　谓词逻辑206

一、谓词207

§4.2.1　谓词与量词207

二、量词与合成公式210

§4.2.2　谓词逻辑中的等价式和永真蕴含式213

一、等价式和永真蕴含式213

二、含有量词的等价式和永真蕴含式214

§4.2.3　谓词公式的范式215

§4.3　谓词公式之解释216

§4.3.1　普遍有效性和可满足性216

§4.3.2　公式之解释217

§4.3.3　判定问题222

§4.4 Herbrand理论223

§4.4.1 SKOLEM标准型224

§4.4.2　子句集合226

§4.4.3　子句集合的Herbrand全域228

§4.5　语义树234

§4.6　Herbrand定理237

§4.6.1 定理237

§4.6.2　Herbrand定理的执行239

§4.6.3　Davis和Putnam方法239

§4.7　Robinsson消解原理242

§4.7.1　命题逻辑中的消解原理243

§4.7.2　代换与合一247

§4.7.3　一阶逻辑中的消解原理252

§4.7.4　消解原理的完备性254

§4.7.5　应用消解原理的例子258

§4.7.6　删除策略262

§4.8.1　语义消解268

§4.8　语义消解与锁消解268

§4.8.2　超消解和支架集策略276

一、超消解276

二、支架集策略278

§4.8.3 有序子句的语义消解280

§4.8.4　锁消解285

§4.9　线性消解291

§4.9.1　输入消解与单元消解293

§4.9.2　有序线性消解294

§4.9.3　有序线性消解的完备性298

§4.10　树搜索的基本概念299

§4.11　相等关系301

§4.11.1　满足一定条件的解释及子句集的不可满足性303

§4.11.2 同调——用作“相等”的推理规则306

§4.11.3　超同调308

§4.11.4　输入和单元同调311

§4.11.5　线性同调315

第五章　Horn子句问题求解逻辑316

§5.1　Horn子句逻辑的基本概念316

§5.1.1　断言、规则和询问316

§5.1.2　Horn子句的形式定义319

§5.1.3　论域、解释、不相容性320

§5.1.4　Horn子句的自然语言特征321

一、变量与个体类型323

二、“存在”在Horn子句中的表达324

三、“否定”在Horn子句中的表达327

题329

四、当Horn子句的条件为蕴含时的表达问329

五、Horn子句的语义网络表达330

六、Horn子句在数据库系统中的应用332

七、Horn子句在数学上的应用335

§5.1.5　Horn子句逻辑与标准逻辑337

一、比较337

二、标准逻辑形式转换为Horn子句形式的338

方法338

三、例子340

§5.2　Horn子句逻辑推理344

§5.2.1 应用Horn子句逻辑证明给定的问题344

一、Top-down推理、Bottom-up推理的例子346

二、推理规则与搜索策略353

§5.2.2　Horn子句问题求解357

§5.2.3　问题的演绎表示（与／或图表示）与Horn子句表示的关系362

§5.2.4　Horn子句问题求解解释365

一、子目标366

二、子目标的执行次序368

§5.2.5　Horn子句的过程解释369

一、逻辑程序的数据结构370

二、逻辑程序的执行特点372

§5.3　Non-Horn子句逻辑推理376

§5.3.1　Non-Horn子句化成Horn子句的方法377

§5.3.2　Non-Horn子句推理方法379

一、用消解原理进行推理379

二、用联结图进行推理381

§6.1.1　概述387

第六章　人工智能工程系统387

§6.1　专家系统387

§6.1.2 专家系统的结构与功能390

§6.1.3　专家系统情况一览表394

§6.1.4 专家系统的设计与讨论400

§6.2　自然语言理解系统402

§6.2.1　概述402

§6.2.2 自然语言处理的主要方法405

§6.2.3　机器翻译410

§6.2.4　认知心理学和认知语言学417

§6.3　决策支持系统420

§6.3.1　概述420

§6.3.2 决策方法422

§6.3.3 决策系统428

§6.3.4 决策支持系统的构成432

§6.4　模式识别系统434

§6.4.1　概述434

§6.4.2 系统结构436

§6.4.3　模式识别专家系统439

§6.5　机器人系统443

§6.5.1 机器人与机器人学443

§6.5.2 机器人的应用领域446

§6.5.3 机器人的种类和性能447

习题450

参考资料478