人工智能导论(韩敏)

1绪论
1.1人工智能的定义001
1.2人工智能发展简史003
1.3人工智能的研究方法006
1.3.1人工智能研究的特点006
1.3.2人工智能研究的途径007
1.4人工智能的应用009
1.4.1无人驾驶009
1.4.2智能机器人009
1.4.3图像识别010
1.4.4语音识别010
1.4.5智能控制011
1.4.6人工神经网络011
1.4.7机器学习012
1.4.8专家系统013
1.4.9计算机视觉014
1.4.10人工生命015
1.5人工智能的发展趋势与存在的问题016
1.5.1人工智能的发展趋势016
1.5.2人工智能存在的问题016

2知识表示
2.1知识与知识表示的概念019
2.1.1知识的概念019
2.1.2知识的特性019
2.1.3知识的表示020
2.2一阶谓词逻辑表示法021
2.2.1基本概念021
2.2.2谓词公式024
2.2.3谓词逻辑表示法025
2.2.4谓词逻辑表示法的特点026
2.3产生式表示法026
2.3.1产生式的知识表示027
2.3.2产生式系统的组成028
2.3.3基于产生式系统的推理029
2.3.4产生式表示法的特点030
2.4框架表示法031
2.4.1框架的一般结构032
2.4.2基于框架的推理034
2.4.3框架表示法的特点034
2.5语义网络表示法035
2.5.1基本语义关系036
2.5.2复合语义关系037
2.5.3基于语义网络的推理039
2.5.4语义网络表示法的特点041

3确定性推理
3.1推理的基本概念042
3.1.1推理的定义042
3.1.2推理方式及其分类043
3.1.3推理的方向044
3.1.4冲突消解策略046
3.2自然演绎推理047
3.3归结演绎推理049
3.3.1谓词公式化为子句集的方法049
3.3.2海伯伦理论052
3.3.3鲁宾孙归结原理053
3.3.4归结反演056
3.3.5应用归结原理求解问题056
3.3.6归结策略057
3.4与或型演绎推理062
3.4.1与或型正向演绎推理062
3.4.2与或形逆向演绎推理064
3.4.3与或型双向演绎推理066

4不确定性推理
4.1不确定性推理概述068
4.2概率推理方法070
4.2.1纯概率推理070
4.2.2主观Bayes方法071
4.3证据理论074
4.3.1假设的不确定性074
4.3.2证据的组合函数076
4.3.3证据理论的不确定性推理算法076
4.4模糊推理系统078
4.4.1模糊集合及模糊关系078
4.4.2语言变量和模糊If-Then规则080
4.4.3模糊推理082

5搜索求解策略
5.1搜索的基本概念086
5.1.1搜索的过程086
5.1.2搜索的方向086
5.1.3搜索的种类086
5.2状态空间表示法087
5.2.1状态空间表示的基本概念087
5.2.2状态空间的图描述088
5.3盲目搜索策略090
5.3.1深度优先搜索策略090
5.3.2宽度优先搜索策略092
5.4代价树搜索策略093
5.4.1*近择优搜索093
5.4.2*小代价优先搜索094
5.5启发式搜索策略095
5.5.1启发信息和估价函数095
5.5.2启发式策略096
5.5.3A搜索算法097
5.5.4A*搜索算法099
5.6与或图搜索100
5.6.1问题的归约描述100
5.6.2与或图表示法101
5.6.3AO*算法102

6遗传算法及应用
6.1遗传算法概述104
6.1.1遗传算法的发展历史105
6.1.2遗传算法的基本思想106
6.2编码和种群107
6.2.1编码107
6.2.2种群108
6.3适应度函数109
6.4遗传算子110
6.4.1选择算子110
6.4.2交叉算子112
6.4.3变异算子112
6.5遗传算法的总体流程和特点113
6.6遗传算法的改进算法114
6.6.1自适应遗传算法114
6.6.2分层遗传算法116
6.6.3并行遗传算法117
6.7多目标遗传算法118
6.8遗传算法的应用119

7群智能算法及其应用
7.1群智感知的研究内容122
7.1.1众包思想124
7.1.2社交活动感知124
7.1.3周围环境感知124
7.2群智任务感知质量125
7.2.1机会覆盖率125
7.2.2数据质量可靠性126
7.3群智感知网络数据传输126
7.3.1信息扩散模型127
7.3.2机会数据收集128
7.4群智感知网络的激励机制129
7.4.1Game激励130
7.4.2货币激励131
7.5群智感知的应用场景133
7.5.1环境监测和灾害防控133
7.5.2公共设施和安全134
7.5.3移动设备视频众包134

8人工神经网络及其应用
8.1神经网络的发展简史136
8.2人工神经网络的研究内容与特点137
8.2.1人工神经网络的研究内容137
8.2.2人工神经网络的特点138
8.3神经元和神经网络138
8.3.1生物神经元结构138
8.3.2神经元的数学模型139
8.3.3神经网络的结构140
8.3.4神经网络的工作方式141
8.3.5神经网络的学习141
8.4前馈神经网络模型141
8.4.1感知机网络141
8.4.2BP神经网络142
8.4.3RBF径向基网络145
8.5反馈神经网络147
8.5.1离散型Hopfield网络147
8.5.2连续型Hopfield网络149
8.5.3Hopfield网络存在的问题150
8.6随机神经网络151
8.6.1模拟退火算法151
8.6.2玻尔兹曼机152
8.7神经网络的应用154
8.7.1神经网络在模式识别中的应用154
8.7.2神经网络在软测量中的应用156
8.7.3Hopfield神经网络在优化上的应用156

9机器学习
9.1机器学习概述159
9.2决策树学习161
9.3逻辑回归164
9.4支持向量机165
9.5聚类分析168
9.5.1K均值算法168
9.5.2DBSCAN170
9.5.3模糊C均值171
9.6强化学习171

10专家系统
10.1专家系统的由来和发展175
10.1.1专家系统的提出175
10.1.2专家系统的发展175
10.2专家系统概述176
10.2.1专家系统的定义176
10.2.2专家系统的分类176
10.2.3专家系统的特点178
10.3专家系统的结构179
10.3.1专家系统的概念结构179
10.3.2专家系统的实际结构180
10.4知识获取182
10.4.1知识获取的过程与模式182
10.4.2知识的检测与求精183
10.4.3知识的组织与管理185
10.5专家系统的建立186
10.5.1专家系统的选题原则186
10.5.2专家系统的设计原则187
10.5.3专家系统的开发步骤187
10.5.4专家系统的评价189
10.6专家系统实例190
10.6.1医学专家系统——MYCIN190
10.6.2地质勘探专家系统——PROSPECTOR195
10.7专家系统的开发工具197
10.7.1研究开发工具的作用与意义197
10.7.2专家系统开发工具的类型197

11自然语言处理与应用
11.1自然语言处理概述200
11.1.1自然语言处理的基本方法200
11.1.2自然语言处理的发展历史200
11.1.3自然语言处理的研究意义201
11.2词法分析202
11.3句法分析203
11.3.1短语结构语法和Chomsky语法203
11.3.2句法分析树205
11.4语义分析206
11.4.1逻辑形式表达及语义解析206
11.4.2义素分析法207
11.4.3语义分析文法208
11.5自然语言处理应用——信息检索209
11.5.1向量空间模型209
11.5.2排序学习模型211
11.5.3信息检索系统的评测212
11.6自然语言处理的应用——机器翻译214
11.6.1机器翻译的发展215
11.6.2机器翻译方法215
11.6.3机器翻译评估方法219

参考文献