人工智能技術導論（第二版）

第1章 人工智能根述
1.1 人工智能的概念
1.1.1 什么是人工智能？
1.1.2 為什么要研究人工智能
1.1.3 人工智能的目標
1.2 人工智能的研究途徑與方法
1.2.1 結構模擬，神經(jīng)計算
1.2.2 功能模擬符號推演
1.2.3 行為模擬控制進化
1.3 人工智能的分支領域
1.3.1 基于腦功能模擬的領域劃分
1.3.2 基于實現(xiàn)技術的領域劃分
1.3.3 基于應用領域的領域劃分
1.3.4 基于應用系統(tǒng)的領域劃分
1.3.5 基于計算機系統(tǒng)結構的領域劃分
1.3.6 基于實現(xiàn)工具與環(huán)境的領域劃分
1.4 人工智能的基本技術
1.4.1 推理技術
1.4.2 搜索技術
1.4.3 知識表示與知識庫技術
1.4.4 歸納技術
1.4.5 聯(lián)想技術
1.5 人工智能的發(fā)展概況
1.5.1 人工智能學科的產(chǎn)生
1.5.2 符號主義途徑發(fā)展概況
1.5.3 連接主義途徑發(fā)展概況
1.5.4 當前發(fā)展趨勢
1.5.5 我國人工智能發(fā)展簡況
習題

第2章 人工智能程序設計語言
2.1 綜述
2.1.1 函數(shù)型語言
2.1.2 邏輯型語言
2.1.3 面向對象語言
2.1.4 混合型語言
2.2 函數(shù)型程序設計語言LISP
2.2.1 LISP的程序結構與運行機制
2.2.2 S-表達式
2.2.3 基本函數(shù)
2.2.4 自定義函數(shù)
2.2.5 程序舉例
2.3 邏輯型程序設計語言PROLOG
2.3.1 PROLOG的語句
2.3.2 PROLOG程序
2.3.3 PROLOG程序的運行機理
2.4 Turbo PROLOG程序設計
2.4 Turbo PROLOG的程序結構
2.4.2 Turbo PROLOG的數(shù)據(jù)與表達式
2.4.3 輸入與輸出
2.4.4 分支與循環(huán)
2.4.5 動態(tài)數(shù)據(jù)庫
2.4.6 表處理與遞歸
2.4.7 回溯控制
2.4.8 程序舉例
2.5 面向對象程序設計語言Smalltalk
2.5.1 基本概念
2.5.2 基本對象
2.5.3 消息模式
2.5.4 消息表達式
2.5.5 消息表達式序列——語句
2.5.6 程序塊
2.5.7 程序流程控制
2.5.8 類庫
2.5.9 類定義
2.510 繼承
2.5.11 Smalltalk的程序結構和運行機理
習題二

第3章 甚于謂詞邏輯的機器推理
3.1 一階謂詞邏輯
3.1.1 謂詞、函數(shù)、量詞
3.1.2 謂詞公式
3.1.3 謂詞邏輯中的形式演繹推理
3.2 歸結演繹推理
3.2.1 子句集
3.2.2 命題邏輯中的歸結原理
3.2.3 替換與合一
3.2.4 謂詞邏輯中的歸結原理
3.3 應用歸結原理求取問題答案
3.4 歸結策略
3.4.1 問題的提出
3.4.2 幾種常用的歸結策略
3.4.3 歸結策略的類型
3.5 歸結反演程序舉例
3.6 Horn子句歸結與邏輯程序
3.6.1 子句的蘊含表示形式
3.6.2 Horn子句與邏輯程序
3.7 非歸結演繹推理
3.7.1 Bledsoe自然演繹法
3.7.2 基于規(guī)則的演繹推理
3.7.3 王浩算法
習題

第4章 圖搜索技術
4.1 狀態(tài)圖搜索
4.1.1 狀態(tài)圖
4.1.2 狀態(tài)圖搜索
4.1.3 窮舉式搜索
4.1.4 啟發(fā)式搜索
4.1.5 加權狀態(tài)圖搜索
4.1.6 啟發(fā)式留搜索的A算法和A算法
4.1.7 狀態(tài)圖搜索策略小結
4.2 狀態(tài)圖問題求解
4.2.1 問題的狀態(tài)圖表示
4.2.2 狀態(tài)圖問題求解程序舉例
4.3 與或圖搜索
4.3.1 與或圖
4.3.2 與或圖搜索
4.3.3 啟發(fā)式與或樹搜索
4.4 與或圖問題求解
4.4.1 問題的與或圖表示
4.4.2 與或圖問題求解程序舉例
4.5 博弈樹搜索
4.5.1 博弈樹的概念
4.5.2 極小極大分析法
4.5.3 α-β剪枝技術
習題四

第5章 產(chǎn)生式系統(tǒng)
5.1 產(chǎn)生式規(guī)則
5.1.1 產(chǎn)生式規(guī)則
5.1.2 基于產(chǎn)生式的推理模式
5.2 產(chǎn)生式系統(tǒng)
5.2.1 產(chǎn)生式系統(tǒng)的組成
5.2.2 產(chǎn)生式系統(tǒng)的運行過程
5.2.3 控制策略與常用算法
5.3 產(chǎn)生式系統(tǒng)與圖搜索
5.4 產(chǎn)生式系統(tǒng)的應用
5.5 產(chǎn)生式系統(tǒng)的程序實現(xiàn)
5.5.1 產(chǎn)生式規(guī)則的程序語言實現(xiàn)
5.5.2 規(guī)則庫的程序實現(xiàn)
5.5.3 動態(tài)數(shù)據(jù)庫的程序實現(xiàn)
5.5.4 推理機的程序實現(xiàn)
習題五

第6章 知識表示
6.1 知識及其表示
6.1.1 知識的概念
6.1.2 知識表示
6.1.3 知識表示的語言實現(xiàn)
6.2 框架
6.2.1 框架的概念
6.2.2 框架的表達能力
6.2.3 基于框架的推理
6.2.4 框架的程序語言實現(xiàn)
6.3 語義網(wǎng)絡
6.3.1 語義網(wǎng)絡的概念
6.3.2 語義網(wǎng)絡的表達能力
6.3.3 基于語義網(wǎng)絡的推理
6.3.4 語義網(wǎng)絡的程序語言實現(xiàn)
6.4 面向對象知識表示
習題六

第7章 不確定性處理
7.1 不確定性及其類型
7.2 不確定性知識的表示
7.2.1 隨機性知識的表示
7.2.2 模糊性知識的表示
7.2.3 模糊集合與模糊邏輯
7.2.4 多值邏輯
7.2.5 非單調邏輯
7.2.6 時序邏輯
7.3 不確定性推理的一般模式
7.4 確定性理論
7.5 證據(jù)理論
7.5.1 基本概念
7.5.2 基于證據(jù)理論的不確定性推理
7.6 模糊推理
7.6.1 語言變量語言值
7.6.2 用模糊（關系）集合表示模糊規(guī)則
7.6.3 模糊關系合成
7.6.4 基于關系合成的模糊推理
7.6.5 模糊推理的應用與發(fā)展
習題七

第8章專究系統(tǒng)
8.1 專家系統(tǒng)的概念
8.1.1 什么是專家系統(tǒng)
8.1.2 專家系統(tǒng)的特點
8.1.3 專家系統(tǒng)的類型
8.1.4 專家系統(tǒng)與知識系統(tǒng)
8.1.5 專家系統(tǒng)與知識工程
8.1.6 專家系統(tǒng)與人工智能
8.2 專家系統(tǒng)的結構
8.2.1 概念結構
8.2.2 實際結構
8.2.3 分布式結構
8.2.4 黑板模型
8.3 專家系統(tǒng)的應用與發(fā)展概況
8.3.1 專家系統(tǒng)的意義
8.3.2 專家系統(tǒng)的應用
8.3.3 專家系統(tǒng)的發(fā)展概況
8.4 專家系統(tǒng)實例
8.4.1 PROSPECTOR的功能與結構
8.4.2 知識表示
8.4.3 主觀貝葉斯推理模型
8.4.4 控制策略
8.4.5 解釋系統(tǒng)
8.5 專家系統(tǒng)設計與實現(xiàn)
8.5.1 一般步驟與方法
8.5.2 快速原型與增量式開發(fā)
8.5.3 知識獲取
8.5.4 知識表示與知識描述語言設計
8.5.5 知識庫與知識庫管理系統(tǒng)設計
8.5.6 推理機與解釋功能設計
8.5.7 系統(tǒng)結構設計
8.5.8 人機界面設計
8.6 專家系統(tǒng)開發(fā)工具與環(huán)境
8.6.1 專家系統(tǒng)開發(fā)工具
8.6.2 專家系統(tǒng)開發(fā)環(huán)境
8.7 新一代專家系統(tǒng)研究
8.7.1 深層知識專家系統(tǒng)
8.7.2 模糊專家系統(tǒng)
8.7.3 神經(jīng)網(wǎng)絡專家系統(tǒng)
8.7.4 大型協(xié)同分布式專家系統(tǒng)
8.7.5 網(wǎng)上（多媒體）專家系統(tǒng)
8.7.6 事務處理專家系統(tǒng)
習題八

第9章 機器學習
9.1 符號學習
9.1.1 記憶學習
9.1.2 傳授學習
9.1.3 演繹學習
9.1.4 類比學習
9.1.5 示例學習
9.1.6 發(fā)現(xiàn)學習
9.1.7 解釋學習
9.2 神經(jīng)網(wǎng)絡學習
9.2.1 生物神經(jīng)元
9.2.2 人工神經(jīng)元
9.2.3 神經(jīng)網(wǎng)絡
9.2.4 神經(jīng)網(wǎng)絡學習
9.2.5 BP網(wǎng)絡及其學習舉例
9.2.6 神經(jīng)網(wǎng)絡模型
習題九

第10章 自然語言理解
10.1 簡單句理解
10.1.1 理解的實現(xiàn)過程
10.1.2 語法分析
10.1.3 語義分析
10.2 復合句理解
10.3 轉換文法和轉換網(wǎng)絡
10.3.1 轉換文法
10 3.2 轉換網(wǎng)絡
習題十
上機實習指導
實習一 PROLOG語言編程練習
實習二 圖搜素問題求解
實習三 小型專家系統(tǒng)（原型）設計
名詞索引
主要參考文獻