人工智能基礎（新世紀網(wǎng)絡課程）

第1章 緒論
1.1 人工智能的定義與發(fā)展
1.1.1 人工智能的定義
1.1.2 人工智能的起源與發(fā)展
1.2 人類智能與人工智能
1.2.1 研究認知過程的任務
1.2.2 智能信息處理系統(tǒng)的假設
1.2.3 人類智能的計算機模擬
1.3 人工智能的學派及其爭論
1.3.1 人工智能的主要學派
1.3.2 對人工智能基本理論的爭論
1.3.3 對人工智能技術(shù)路線的爭論
1.4 人工智能的研究與應用領域
1.4.1 問題求解
1.4.2 邏輯推理與定理證明
1.4.3 自然語言理解
1.4.4 自動程序設計
1.4.5 專家系統(tǒng)
1.4.6 機器學習
1.4.7 人工神經(jīng)網(wǎng)絡
1.4.8 機器人學
1.4.9 模式識別
1.4.10 機器視覺
1.4.11 智能控制
1.4.12 智能檢索
1.4.13 智能調(diào)度與指揮
1.4.14 分布式人工智能與Agent
1.4.15 計算智能與進化計算
1.4.16 數(shù)據(jù)挖掘與知識發(fā)現(xiàn)
1.4.17 人工生命
1.4.18 系統(tǒng)與語言工具
1.5 人工智能對人類的影響
1.5.1 人工智能對經(jīng)濟的影響
1.5.2 人工智能對社會的影響
1.5.3 人工智能對文化的影響
1.6 對人工智能的展望
1.6.1 更新的理論框架
1.6.2 更好的技術(shù)集成
1.6.3 更成熟的應用方法
第2章 知識表示
2.1 概述
2.2 狀態(tài)空間法
2.2.1 問題狀態(tài)描述
2.2.2 狀態(tài)圖示法
2.2.3 狀態(tài)空間表示舉例
2.3 問題歸約法
2.3.1 問題歸約描述
2.3.2 與或圖表示
2.3.3 問題歸約機理
2.4 謂詞邏輯法
2.4.1 謂詞演算
2.4.2 謂詞公式
2.4.3 置換與合一
2.5 語義網(wǎng)絡法
2.5.1 二元語義網(wǎng)絡的表示
2.5.2 多元語義網(wǎng)絡的表示
2.5.3 連詞和量化的表示
2.5.4 語義網(wǎng)絡的推理過程
2．6 框架表示
2．6．1 框架的構(gòu)成
2．6．2 框架的推理
2．7 面向?qū)ο蟊硎?br />2．7．1 面向?qū)ο蠡A
2．7．2 類與類繼承
2．7．3 面向?qū)ο蟊硎镜膶嵗?br />2．8 劇本表示
2．8．1 劇本的構(gòu)成
2．8．2 劇本的推理
2．9 過程式表示
第3章 搜索原理
3．1 盲目搜索
3．1．1 圖搜索策略
3．1．2 寬度優(yōu)先搜索
3．1．3 深度優(yōu)先搜索
3．1．4 等代價搜索
3．2 啟發(fā)式搜索
3．2．1 啟發(fā)式搜索策略
．3．2．2 估價函數(shù)”
3．2．3 有序搜索
3．2．4 A*算法
3．3 博弈樹搜索
3．3．1 博弈概述
3．3．2 極小極大分析法
3．3．3 α-β剪枝技術(shù)
3．4 遺傳算法
3．4．1 遺傳算法的結(jié)構(gòu)
3．4．2 遺傳算法的基本原理
3．4．3 遺傳算法的收斂性
3．4．4 遺傳算法的性能
3．4．5 進化算法
3．4．6 遺傳算法展望
3．5 模擬退火算法
3．5．1 模擬退火算法的模型
3．5．2 模擬退火算法的簡單應用
3．5．3 模擬退火算法的參數(shù)控制問題
第4章 推理技術(shù)
4．1 消解原理
4．1．1 化為子句集
4．1．2 消解推理規(guī)則
4．1．3 含有變量的消解式
4．1．4 消解反演求解過程
4．2 規(guī)則演繹系統(tǒng)
4．2．1 規(guī)則正向演繹系統(tǒng)
4．2．2 規(guī)則逆向演繹系統(tǒng)
4．2．3 規(guī)則雙向演繹系統(tǒng)
4．3 產(chǎn)生式系統(tǒng)
4．3．1 產(chǎn)生式系統(tǒng)的組成及表示
4．3．2 正向與反向推理
4．4 不確定性推理
4．4．1 概率推理
4．4．2 貝葉斯推理
4．4．3 模糊邏輯推理與可能性理論
4．5 非單調(diào)推理
4．5．1 缺省推理
4．5．2 非單調(diào)推理系統(tǒng)
第5章 機器學習
5．1 機器學習的研究意義與發(fā)展歷史
5．1．1 機器學習的定義和研究意義
5．1．2 機器學習的發(fā)展史
5．2 機器學習的主要策略與基本結(jié)構(gòu)
5．3 常見的幾種學習方法
5．3．1 機械學習
5．3．2 基于解釋的學習
5．3．3 基于事例的學習
5．3．4 基于概念的學習
5．3．5 基于類比的學習
5．3．6 歸納學習
5．3．7 強化學習
5．4 基于神經(jīng)網(wǎng)絡的學習
5．4．1 神經(jīng)網(wǎng)絡的組成與特性
5．4．2 基于反向傳播網(wǎng)絡的學習
5．4．3 基于Hopfield網(wǎng)絡的學習
5．4．4 基于神經(jīng)網(wǎng)絡的推理
第6章 規(guī)劃系統(tǒng)
6．1 規(guī)劃的作用與任務
6．1．1 規(guī)劃的概念
6．1．2 規(guī)劃的作用與主要問題
6．2 基于謂詞邏輯的規(guī)劃
6．2．1 規(guī)劃世界模型的謂詞邏輯表示
6．2．2 基于謂詞邏輯規(guī)劃的基本過程
6．3 STRIPS規(guī)劃系統(tǒng)
6．3．1 積木世界的機器人規(guī)劃
6．3．2 STRIPS規(guī)劃系統(tǒng)
6．4 分層規(guī)劃
6．4．1 長度優(yōu)先搜索
6．4．2 NOAH規(guī)劃系統(tǒng)
第7章 專家系統(tǒng)
7．1 專家系統(tǒng)概述
7．1．1 專家系統(tǒng)的一般特點
7．1．2 專家系統(tǒng)的結(jié)構(gòu)與類型
7．2 基于規(guī)則的專家系統(tǒng)
7．2．1 基于規(guī)則的專家系統(tǒng)的基本結(jié)構(gòu)
7．2．2 基于規(guī)則的專家系統(tǒng)舉例
7．3 基于框架的專家系統(tǒng)
7．3．1 基于框架的專家系統(tǒng)的概念
7．3．2 基于框架的專家系統(tǒng)舉例
7．4 基于模型的專家系統(tǒng)
7．4．1 基于模型的專家系統(tǒng)的概念
7．4．2 基于模型的專家系統(tǒng)舉例
7．5 專家系統(tǒng)的設計、評價與開發(fā)
7．5．1 專家系統(tǒng)的設計
7．5．2 專家系統(tǒng)的評價
7．5．3 專家系統(tǒng)的開發(fā)工具
7．6 專家系統(tǒng)設計舉例
7．6．1 專家知識的描述
7．6．2 知識的使用
7．6．3 決策的解釋
7．6．4 MYCIN系統(tǒng)概述
第8章 自然語言理解
8．1 語言及其理解的一般問題
8．1．1 語言和語言理解
8．1．2 自然語言理解研究的進展
8．1．3 自然語言理解過程的層次
8．2 句法和語法的自動分析
8．2．1 句法模式匹配和轉(zhuǎn)移網(wǎng)絡
8．2．2 擴充轉(zhuǎn)移網(wǎng)絡
8．2．3 詞匯功能語法
8．2．4 語義的解析
8．3 語言理解
8．3．1 簡單句的理解方法
8．3．2 復合句的理解方法
8．4 機器翻譯
8．5 語音識別
8．5．1 語音識別的發(fā)展歷史
8．5．2 語音識別的基本原理
8．5．3 語音識別中的難點
8．5．4 語音識別的關(guān)鍵技術(shù)
8．6 應用舉例
8．6．1 自然語言自動理解系統(tǒng)
8．6．2 機器翻譯系統(tǒng)ARIANE
8．6．3 自然語言問答系統(tǒng)
第9章 智能控制
9．1 智能控制概述
9．1．1 智能控制的產(chǎn)生和發(fā)展
9．1．2 智能控制的定義
9．2 智能控制的研究領域
9．3 智能控制的學科結(jié)構(gòu)理論
9．3．1 二元結(jié)構(gòu)理論
9．3．2 三元結(jié)構(gòu)理論
9．3．3 四元結(jié)構(gòu)理論
9．4 智能控制的特點與系統(tǒng)一般結(jié)構(gòu)
9．4．1 智能控制的特點
9．4．2 智能控制系統(tǒng)的一般結(jié)構(gòu)
9．5 智能控制系統(tǒng)
9．5．1 遞階智能控制系統(tǒng)
9．5．2 專家控制系統(tǒng)
9．5．3 模糊控制系統(tǒng)
9．5．4 學習控制系統(tǒng)
9．5．5 神經(jīng)控制系統(tǒng)
9．5．6 進化控制系統(tǒng)
第10章 人工智能程序設計
10．1 符號和邏輯處理編程語言
10．2 LISP語言
10．2．1 LISP的特點和數(shù)據(jù)結(jié)構(gòu)
10．2．2 LISP的基本函數(shù)
10．2．3 遞歸和迭代
10．2．4 LISP編程舉例
10．3 PROLOG語言
10．3．1 語法與數(shù)據(jù)結(jié)構(gòu)
10．3．2 PROLOG程序設計原理
10．3．3 PROLOG編程舉例
10．4 專用開發(fā)工具與人工智能機
附錄 網(wǎng)絡課程使用說明
參考文獻