人工智能技术简明教程

第1章　概述　1 1.1　什么是人工智能　1 1.2　为什么要研究人工智能　2 1.3　人工智能的研究途径与方法　3 1.4　人工智能技术的应用　6 1.5　人工智能学科的发展概况*　14 习题1　18第2章　逻辑程序设计语言Prolog　19 2.1　Prolog基础　19 2.1.1　Prolog的语句　19 2.1.2　Prolog的程序　20 2.1.3　Prolog程序的运行机理　21 2.2　Turbo Prolog程序设计　24 2.2.1　程序结构　24 2.2.2　数据与表达式　25 2.2.3　输入与输出　28 2.2.4　分支与循环　29 2.2.5　动态数据库　30 2.2.6　表处理与递归　31 2.2.7　回溯控制　33 2.2.8　程序举例　34 2.3　Visual Prolog语言简介*　36 习题2　37第3章　基于图搜索的问题求解　38 3.1　状态图搜索　38 3.1.1　状态图　38 3.1.2　状态图搜索　39 3.1.3　穷举式搜索　42 3.1.4　启发式搜索　44 3.1.5　加权状态图搜索　46 3.1.6　A算法和A*算法　47 3.1.7　状态图搜索策略小结　49 3.2　状态图搜索问题求解　49 3.2.1　问题的状态图表示　49 3.2.2　状态图问题求解程序举例　52 3.3　与或图搜索　57 3.3.1　与或图　57 3.3.2　与或图搜索　59 3.3.3　启发式与或树搜索　61 3.4　与或图搜索问题求解　64 3.4.1　问题的与或图表示　64 3.4.2　与或图问题求解程序举例　65 3.5　博弈树搜索*　66 3.5.1　博弈树的概念　66 3.5.2　极小-极大分析法　66 3.5.3　α-β剪枝技术　68 习题3　69第4章　基于遗传算法的随机优化搜索　71 4.1　几个基本概念　71 4.2　基本遗传算法　73 4.3　遗传算法应用举例　74 4.4　遗传算法的特点与优势　77 习题4　78第5章　知识表示与推理　79 5.1　概述　79 5.1.1　知识及其表示　79 5.1.2　机器推理　81 5.2　谓词公式及其推理　81 5.2.1　一阶谓词逻辑简介　81 5.2.2　自然语言命题的谓词公式表示与推理　87 5.2.3　子句与归结演绎推理　89 5.3　产生式规则及其推理　96 5.3.1　产生式规则及其推理模式　96 5.3.2　产生式系统　97 5.4　几种结构化知识表示及其推理　103 5.4.1　框架及其推理　103 5.4.2　语义网络及其推理　107 5.4.3　类与对象及其推理　111 5.5　不确定性知识的表示与推理*　113 5.5.1　何为不确定性知识　113 5.5.2　不确定性知识的表示及推理　113 5.5.3　确定性理论简介　115 5.6　不确切性知识的表示及推理*　116 5.6.1　何为不确切性知识　116 5.6.2　不确切性知识的表示及推理　117 习题5　119第6章　机器学习与知识发现　122 6.1　机器学习与知识发现的概念　122 6.1.1　何为机器学习和知识发现　122 6.1.2　机器学习的分类　123 6.2　符号学习　125 6.2.1　记忆学习　125 6.2.2　示例学习　126 6.2.3　决策树学习　127 6.3　神经网络学习　134 6.3.1　从生物神经元到人工神经元　134 6.3.2　人工神经网络　135 6.3.3　神经网络学习　137 6.3.4　BP网络及其学习举例　138 6.4　知识发现与数据挖掘　140 习题6　143第7章　专家系统　145 7.1　什么是专家系统　145 7.2　专家系统的结构　147 7.2.1　概念结构　147 7.2.2　实际结构　148 7.2.3　黑板模型　149 7.2.4　网络与分布式结构　151 7.3　专家系统实例　151 7.4　专家系统设计与实现　157 7.4.1　一般步骤与方法　157 7.4.2　知识获取　158 7.4.3　知识表示与知识描述语言设计　159 7.4.4　知识库与知识库管理系统设计　159 7.4.5　推理机与解释机制设计　160 7.4.6　系统结构设计　161 7.4.7　人机界面设计　161 7.5　开发工具与环境　162 7.5.1　开发工具　162 7.5.2　开发环境　163 习题7　164第8章　Agent系统　165 8.1　什么是Agent　165 8.2　Agent实例——Web Agent　167 8.3　多Agent系统　167 8.4　Agent的实现　171 8.5　Agent技术的发展与应用　171 习题8　172第9章　智能机器人　173 9.1　智能机器人的概念　173 9.2　机器人感知　173 9.3　机器人规划　174 9.4　机器人控制　175 9.5　机器人系统的软件结构　176 9.6　机器人程序设计与语言　176 习题9　178第10章　智能化网络　179 10.1　智能网　179 10.2　网络的智能化管理与控制　182 10.3　智能搜索引擎与网上信息的智能化检索　184 习题10　187上机实习　188 实习一　Prolog语言编程练习　188 实习二　小型演绎数据库系统开发练习　189 实习三　图搜索问题求解程序练习　189 实习四　小型专家系统设计与实现　190参考文献　193

第1章　概述　1 1.1　什么是人工智能　1 1.2　为什么要研究人工智能　2 1.3　人工智能的研究途径与方法　3 1.4　人工智能技术的应用　6 1.5　人工智能学科的发展概况*　14 习题1　18第2章　逻辑程序设计语言Prolog　19 2.1　Prolog基础　19 2.1.1　Prolog的语句　19 2.1.2　Prolog的程序　20 2.1.3　Prolog程序的运行机理　21 2.2　Turbo Prolog程序设计　24 2.2.1　程序结构　24 2.2.2　数据与表达式　25 2.2.3　输入与输出　28 2.2.4　分支与循环　29 2.2.5　动态数据库　30 2.2.6　表处理与递归　31 2.2.7　回溯控制　33 2.2.8　程序举例　34 2.3　Visual Prolog语言简介*　36 习题2　37第3章　基于图搜索的问题求解　38 3.1　状态图搜索　38 3.1.1　状态图　38 3.1.2　状态图搜索　39 3.1.3　穷举式搜索　42 3.1.4　启发式搜索　44 3.1.5　加权状态图搜索　46 3.1.6　A算法和A*算法　47 3.1.7　状态图搜索策略小结　49 3.2　状态图搜索问题求解　49 3.2.1　问题的状态图表示　49 3.2.2　状态图问题求解程序举例　52 3.3　与或图搜索　57 3.3.1　与或图　57 3.3.2　与或图搜索　59 3.3.3　启发式与或树搜索　61 3.4　与或图搜索问题求解　64 3.4.1　问题的与或图表示　64 3.4.2　与或图问题求解程序举例　65 3.5　博弈树搜索*　66 3.5.1　博弈树的概念　66 3.5.2　极小-极大分析法　66 3.5.3　α-β剪枝技术　68 习题3　69第4章　基于遗传算法的随机优化搜索　71 4.1　几个基本概念　71 4.2　基本遗传算法　73 4.3　遗传算法应用举例　74 4.4　遗传算法的特点与优势　77 习题4　78第5章　知识表示与推理　79 5.1　概述　79 5.1.1　知识及其表示　79 5.1.2　机器推理　81 5.2　谓词公式及其推理　81 5.2.1　一阶谓词逻辑简介　81 5.2.2　自然语言命题的谓词公式表示与推理　87 5.2.3　子句与归结演绎推理　89 5.3　产生式规则及其推理　96 5.3.1　产生式规则及其推理模式　96 5.3.2　产生式系统　97 5.4　几种结构化知识表示及其推理　103 5.4.1　框架及其推理　103 5.4.2　语义网络及其推理　107 5.4.3　类与对象及其推理　111 5.5　不确定性知识的表示与推理*　113 5.5.1　何为不确定性知识　113 5.5.2　不确定性知识的表示及推理　113 5.5.3　确定性理论简介　115 5.6　不确切性知识的表示及推理*　116 5.6.1　何为不确切性知识　116 5.6.2　不确切性知识的表示及推理　117 习题5　119第6章　机器学习与知识发现　122 6.1　机器学习与知识发现的概念　122 6.1.1　何为机器学习和知识发现　122 6.1.2　机器学习的分类　123 6.2　符号学习　125 6.2.1　记忆学习　125 6.2.2　示例学习　126 6.2.3　决策树学习　127 6.3　神经网络学习　134 6.3.1　从生物神经元到人工神经元　134 6.3.2　人工神经网络　135 6.3.3　神经网络学习　137 6.3.4　BP网络及其学习举例　138 6.4　知识发现与数据挖掘　140 习题6　143第7章　专家系统　145 7.1　什么是专家系统　145 7.2　专家系统的结构　147 7.2.1　概念结构　147 7.2.2　实际结构　148 7.2.3　黑板模型　149 7.2.4　网络与分布式结构　151 7.3　专家系统实例　151 7.4　专家系统设计与实现　157 7.4.1　一般步骤与方法　157 7.4.2　知识获取　158 7.4.3　知识表示与知识描述语言设计　159 7.4.4　知识库与知识库管理系统设计　159 7.4.5　推理机与解释机制设计　160 7.4.6　系统结构设计　161 7.4.7　人机界面设计　161 7.5　开发工具与环境　162 7.5.1　开发工具　162 7.5.2　开发环境　163 习题7　164第8章　Agent系统　165 8.1　什么是Agent　165 8.2　Agent实例——Web Agent　167 8.3　多Agent系统　167 8.4　Agent的实现　171 8.5　Agent技术的发展与应用　171 习题8　172第9章　智能机器人　173 9.1　智能机器人的概念　173 9.2　机器人感知　173 9.3　机器人规划　174 9.4　机器人控制　175 9.5　机器人系统的软件结构　176 9.6　机器人程序设计与语言　176 习题9　178第10章　智能化网络　179 10.1　智能网　179 10.2　网络的智能化管理与控制　182 10.3　智能搜索引擎与网上信息的智能化检索　184 习题10　187上机实习　188 实习一　Prolog语言编程练习　188 实习二　小型演绎数据库系统开发练习　189 实习三　图搜索问题求解程序练习　189 实习四　小型专家系统设计与实现　190参考文献　193
· · · · · · (收起)