人工智能-附赠电子教案

出版说明前言第1章绪论11什么是人工智能12人工智能的起源与发展历史13人工智能研究的基本内容131认知建模132知识表示133自动推理134机器学习14人工智能研究的主要学派141符号主义142连接主义143行为主义15人工智能的应用16小结和展望习题第2章知识表示21概述22谓词逻辑23产生式系统24语义网络241语义网络的概念和结构242复杂知识的表示243常用的语义联系25框架251框架结构252框架网络253推理方法26状态空间27面向对象的知识表示28脚本281脚本描述282概念依赖关系29本体210小结习题第3章自动推理31概述32三段论推理33盲目搜索331深度优先搜索332宽度优先搜索333迭代加深搜索34回溯策略35启发式搜索351启发性信息和评估函数352爬山算法353模拟退火算法354*好优先算法355通用图搜索算法356a*算法357迭代加深a*算法36与或图启发式搜索361问题归约的描述362与或图表示363ao*算法37博弈搜索371极大极小过程372α-β过程38归结演绎推理381子句型382置换和合一383合一算法384归结式385归结反演386答案的提取387归结反演的搜索策略39产生式系统391产生式系统的基本结构392正向推理393反向推理394混合推理310自然演绎推理311非单调推理3111默认推理3112限制推理312小结习题第4章不确定性推理41概述411不确定性知识分类412不确定性推理的基本问题413不确定性推理方法分类42可信度方法421建造医学专家系统时的问题422可信度模型423确定性方法的说明43主观贝叶斯方法431贝叶斯公式432知识不确定性的表示433证据不确定性的表示434组合证据不确定性的计算435不确定性的传递算法436结论不确定性的合成44证据理论441假设的不确定性442证据的组合函数443规则的不确定性444不确定性的组合45模糊逻辑和模糊推理451模糊集合及其运算452语言变量453模糊逻辑454模糊推理46小结习题第5章机器学习51机器学习概述511简单的学习模型512什么是机器学习513机器学习的研究概况52归纳学习521归纳学习的基本概念522变型空间学习523决策树53类比学习531相似性532转换类比533基于案例的推理534迁移学习54统计学习541逻辑回归542支持向量机543提升方法55强化学习551强化学习模型552学习自动机553自适应动态程序设计554q-学习56进化计算561达尔文进化算法562遗传算法563进化策略564进化规划57群体智能571蚁群算法572粒子群优化58知识发现59小结习题第6章神经网络61概述62神经信息处理的基本原理