第二版前言第一版前言第1章 緒論 1.1 人工智能及其發展 1.2 人工智能的研究與應用領域 習題一第2章 知識錶示方法 2.1 一階謂詞邏輯錶示方法 2.1.1 一階謂詞邏輯 2.1.2 一階謂詞邏輯錶示方法 2.2 産生式錶示方法 2.2.1 産生式與産生式係統 2.2.2 産生式係統的分類及其特點 習題二第3章 搜索方法 3.1 問題求解過程的形式錶示 3.1.1 狀態空間錶示法 3.1.2 與/或圖錶示法 3.2 狀態空間的搜索算法 3.2.1 盲目搜索算法 3.2.2 啓發式搜索算法 3.2.3 狀態空間搜索算法的應用 3.2.4 A*算法及其特性 3.3 與/或圖的搜索方法 3.3.1 與/或圖的盲目搜索算法 3.3.2 與/或圖的啓發式搜索算法 3.3.3 博弈算法及應用 習題三第4章 邏輯推理 4.1 推理的基本概念 4.1.1 推理方式及其分類 4.1.2 推理的控製策略 4.1.3 模式匹配及其變量代換 4.2 歸結演繹推理 4.2.1 謂詞公式化為子句集的方法 4.2.2 歸結原理 4.2.3 歸結反演 4.3 基於歸結反演的問題求解 4.4 歸結反演的改進策略 4.4.1 刪除策略 4.4.2 限製策略 習題四第5章 專傢係統 5.1 專傢係統概述 5.1.1 專傢係統研究的意義 5.1.2 專傢係統的結構與開發方法 5.2 LISP語言 5.2.1 LISP語言的特點與錶達式 5.2.2 LISP語言的基本函數 5.3 知識庫與推理機 5.3.1 産生式規則與規則庫的存儲結構 5.3.2 正嚮推理機 5.3.3 反嚮推理機 5.4 解釋方法與解釋器 5.5 知識獲取與檢測 5.5.1 知識獲取的任務與方式 5.5.2 知識的檢測與求精 5.5.3 知識檢測的方法 5.6 專傢係統工具 5.6.1 專傢係統工具概述 5.6.2 CLIPS及其應用 5.6.3 基於Java的規則引擎Jess 習題五第6章 模糊推理 6.1 知識的不確定性 6.2 模糊集閤的定義與運算 6.2.1 模糊集閤的定義與錶示 6.2.2 模糊集閤的運算 6.3 模糊知識錶示與模糊匹配 6.3.1 模糊知識錶示 6.3.2 模糊匹配 6.4 簡單模糊推理 6.4.1 模糊推理的基本模式 6.4.2 簡單模糊推理方法 6.4.3 模糊三段論推理方法 6.5 一般模式的模糊推理 6.5.1 多維模糊推理方法 6.5.2 帶有可信度的模糊推理方法 習題六第7章 機器學習 7.1 機器學習的特徵與方法 7.2 歸納學習方法 7.2.1 CLS算法 7.2.2 ID3算法 7.2.3 歸納學習生成産生式規則集的應用 7.3 遺傳算法 7.3.1 遺傳算法的概念與計算方法 7.3.2 遺傳算法在預測預報中的應用 7.4 人工神經網絡方法 7.4.1 人工神經元與感知器 7.4.2 人工神經網絡模型 7.4.3 BP神經網絡的學習算法 7.4.4 BP學習算法的改進 7.4.5 基於神經網絡的專傢係統 7.4.6 基於神經網絡的模糊分類器 7.4.7 神經網絡在預測中的應用 習題七參考文獻
· · · · · · (收起)