人工智能技術簡明教程

第1章 概述
1.1 什麼是人工智能
1.2 為什麼要研究人工智能
1.3 人工智能的研究途徑與方法
1.4 人工智能技術的應用
1.5 人工智能學科的發展概況
習題1

第2章 邏輯程序設計語言Prolog
2.1 Prolog基礎
2.1.1 Prolog的語句
2.1.2 Prolog的程序
2.1.3 Prolog程序的運行機理
2.2 Turbo Prolog程序設計
2.2.1 程序結構
2.2.2 數據與表達式
2.2.3 輸入與輸出
2.2.4 分支與循環
2.2.5 動態數據庫
2.2.6 表處理與遞歸
2.2.7 回溯控制
2.2.8 程序舉例
2.3 Visua Prolog語言簡介
習題2

第3章 基於圖搜索的問題求解
3.1 狀態圖搜索
3.1.1 狀態圖
3.1.2 狀態圖搜索
3.1.3 窮舉式搜索
3.1.4 啟發式搜索
3.1.5 加權狀態圖搜索
3.1.6 A算法和A算法
3.1.7 狀態圖搜索策略小結
3.2 狀態圖搜索問題求解
3.2.1 問題的狀態圖表示
3.2.2 狀態圖問題求解程序舉例
3.3 與或圖搜索
3.3.1 與或圖
3.3.2 與或圖搜索
3.3.3 啟發式與或樹搜索
3.4 與或圖搜索問題求解
3.4.1 問題的與或圖表示
3.4.2 與或圖問題求解程序舉例
3.5 博弈樹搜索
3.5.1 博弈樹的概念
3.5.2 極小-極大分析法
3.5.3 a-b剪枝技術
習題3

第4章 基於遺傳算法的優化搜索
4.1 幾個基本概念
4.2 基本遺傳算法
4.3 遺傳算法應用舉例
4.4 遺傳算法的特點與優勢
習題4

第5章 知識表示與推理
5.1 概述
5.1.1 知識及其表示
5.1.2 機器推理
5.2 謂詞公式及其推理
5.2.1 一階謂詞邏輯簡介
5.2.2 自然語言命題的謂詞公式表示與推理
5.2.3 子句與歸結演繹推理
5.3 產生式規則及其推理
5.3.1 產生式規則及其推理模式
5.3.2 產生式系統
5.4 幾種結構化知識表示及其推理
5.4.1 框架及其推理
5.4.2 語義網絡及其推理
5.4.3 類與對象及其推理
5.5 不確定性知識的表示與推理
5.5.1 何為不確定性知識
5.5.2 不確定知識的表示及推理
5.5.3 確定性理論簡介
5.6 不確切性知識的表示及推理
5.6.1 何為不確切性知識
5.6.2 不確切性知識的表示及推理
習題5

第6章 機器學習與知識發現
6.1 機器學習與知識發現的概念
6.1.1 何為機器學習和知識發現
6.1.2 機器學習的分類
6.2 符號學習
6.2.1 記憶學習
6.2.2 示例學習
6.2.3 決策樹學習
6.3 神經網絡學習
6.3.1 從生物神經元到人工神經元
6.3.2 人工神經網絡
6.3.3 神經網絡學習
6.3.4 BP網絡及其學習舉例
6.4 知識發現與數據挖掘
習題6

第7章 專家系統
7.1 什麼是專家系統
7.2 專家系統的結構
7.2.1 概念結構
7.2.2 實際結構
7.2.3 黑板模型
7.2.4 網絡與分佈式結構
7.3 專家系統實例
7.4 專家系統設計與實現
7.4.1 一般步驟與方法
7.4.2 知識獲取
7.4.3 知識表示與知識描述語言設計
7.4.4 知識庫與知識庫管理系統設計
7.4.5 推理機與解釋機制設計
7.4.6 系統結構設計
7.4.7 人機界面設計
7.5 開發工具與環境
7.5.1 開發工具
7.5.2 開發環境
習題7

第8章 Agent系統
8.1 什麼是Agent
8.2 Agent實例——WebAgent
8.3 多Agent系統
8.4 Agent的實現
8.5 Agent技術的發展與應用
習題8

第9章 智能機器人
9.1 智能機器人的概念
9.2 機器人感知
9.3 機器人規劃
9.4 機器人控制
9.5 機器人系統的軟件結構
9.6 機器人程序設計與語言
習題9

第10章 智能化網絡
10.1 智能網
10.2 網絡的智能化管理與控制
10.3 智能搜索引擎與網上信息的智能化檢索
習題10
上機實習
實習一Prolog語言編程練習
實習二小型演繹數據庫系統開發練習
實習三圖搜索問題求解程序練習
實習四小型專家系統設計與實現
參考文獻