人工智能及其應用（第二版）

     目錄
   序
   前言
   第一章 緒論
    1.1 人工智能
    1.1.1 人工智能的定義
    1.1.2 人工智能的起源與發(fā)展
    1.1.3 人類智能的計算機模擬
    1.2 人工智能的研究與應用領域
    1.2.1 問題求解
    1.2.2 邏輯推理與定理證明
    1.2.3 自然語言理解
    1.2.4 自動程序設計
    1.2.5 專家系統(tǒng)
    1.2.6 機器學習
    1.2.7 人工神經(jīng)網(wǎng)絡
    1.2.8 機器人學
    1.2.9 模式識別
    1.2.10 機器視覺
    1.2.11 智能控制
    1.2.12 智能檢索
    1.2.13 智能調度與指揮
    1.2.14 系統(tǒng)與語言工具
    1.3 本書概要
   第二章 知識表示方法
    2.1 狀態(tài)空間法
    2.1.1 問題狀態(tài)描述
    2.1.2 狀態(tài)圖示法
    2.1.3 狀態(tài)空間表示舉例
    2.2 問題歸約法
    2.2.1 問題歸約描述
    2.2.2 與或圖表示
    2.2.3 問題歸約機理
    2.3 謂詞邏輯法
    2.3.1 謂詞演算
    2.3.2 謂詞公式
    2.3.3 置換與合一
    2.4 語義網(wǎng)絡法
    2.4.1 二元語義網(wǎng)絡的表示
    2.4.2 多元語義網(wǎng)絡的表示
    2.4.3 連接詞和量化的表示
    2.4.4 語義網(wǎng)絡的推理過程
    2.5 框架（frame）表示
    2.5.1 框架的構成
    2.5.2 框架的推理
    2.6 劇本（script）表示
    2.6.1 劇本的構成
    2.6.2 劇本的推理
    2.7 過程（procedure）表示
    2.8 小結
    習題
   第三章 一般搜索原理
    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
    3.2.5 雙向搜索
    3.3 消解原理
    3.3.1 化為子句集
    3.3.2 消解推理規(guī)則
    3.3.3 含有變量的消解式
    3.3.4 消解反演求解過程
    3.3.5 含狀態(tài)項的回答語句的求取
    3.4 通用問題求解系統(tǒng)
    3.4.1 通用問題求解原理
    3.4.2 差別操作符表
    3.5 小結
    習題
   第四章 高級求解技術
    4.1 規(guī)則演繹系統(tǒng)
    4.1.1 規(guī)則正向演繹系統(tǒng)
    4.1.2 規(guī)則逆向演繹系統(tǒng)
    4.1.3 規(guī)則雙向演繹系統(tǒng)
    4.2 系統(tǒng)組織技術
    4.2.1 議程表
    4.2.2 黑板法
    4.2.3 △－極小搜索法
    4.3 不確定性推理
    4.3.1 關于證據(jù)的不確定性
    4.3.2 關于結論的不確定性
    4.3.3 多個規(guī)則支持同一事
    實時的不確定性
    4.4 非單調推理
    4.4.1 缺省推理
    4.4.2 非單調推理系統(tǒng)
    4.5 小結
    習題
   第五章 專家系統(tǒng)
    5.1 產(chǎn)生式系統(tǒng)
    5.1.1 產(chǎn)生式系統(tǒng)的組成
    5.1.2 產(chǎn)生式系統(tǒng)的表示
    5.1.3 產(chǎn)生式系統(tǒng)示例
    5.2 專家系統(tǒng)
    5.2.1 專家系統(tǒng)的定義與類型
    5.2.2 專家系統(tǒng)的一般特點
    5.2.3 專家系統(tǒng)的結構
    5.2.4 專家系統(tǒng)的建造步驟
    與設計技巧
    5.2.5 專家系統(tǒng)的評價
    5.3 專家系統(tǒng)開發(fā)工具
    5.3.1 骨架型開發(fā)工具
    5.3.2 語言型開發(fā)工具
    5.3.3 構造輔助工具
    5.3.4 支撐環(huán)境
    5.4 專家系統(tǒng)設計舉例
    5.4.1 專家知識的描述
    5.4.2 知識的使用
    5.4.3 決策的解釋
    5.5 專家系統(tǒng)實例——MYCIN剖析
    5.5.1 MYCIN概述
    5.5.2 咨詢子系統(tǒng)
    5.5.3 靜態(tài)數(shù)據(jù)庫
    5.5.4 動態(tài)數(shù)據(jù)庫
    5.5.5 非精確推理
    5.5.6 控制策略
    5.6 新一代專家系統(tǒng)
    5.6.1 新一代專家系統(tǒng)的特征
    5.6.2 分布式專家系統(tǒng)
    5.6.3 協(xié)同式專家系統(tǒng)
    5.7 小結
    習題
   第六章 機器學習
    6.1 機器學習的定義、研究意義
    與發(fā)展歷史
    6.1.1 機器學習的定義和研
    究意義
    6.1.2 機器學習的發(fā)展史
    6.2 機器學習的主要策略與基本結構
    6.2.1 機器學習的主要策略
    6.2.2 機器學習系統(tǒng)的基本結構
    6.3 機械學習
    6.3.1 機械學習的模式及
    主要問題
    6.3.2 機械學習應用舉例
    6.4 基于解釋經(jīng)驗的學習
    6.4.1 解釋學習的基本原理
    6.4.2 學習形式與功能
    6.4.3 解釋學習的匹配
    6.5 基于事例的學習
    6.5.1 原經(jīng)驗的記錄與檢索
    6.5.2 最鄰近物體的尋求
    6.6 基于概念的學習
    6.6.1 類型定義
    6.6.2 分類程序
    6.7 基于類比的學習
    6.8 基于神經(jīng)網(wǎng)絡的學習
    6.8.1 神經(jīng)網(wǎng)絡的組成與特性
    6.8.2 基于反向傳播網(wǎng)絡的學習
    6.8.3 基于Hopfield網(wǎng)絡的學習
    6.9 小結
    習題
   第七章 機器人規(guī)劃
    7.1 機器人規(guī)劃的作用與任務
    7.1.1 規(guī)劃的作用與問題分
    解途徑
    7.1.2 機器人規(guī)劃系統(tǒng)的任
    務與方法
    7.2 積木世界的機器人規(guī)劃
    7.2.1 積木世界的機器人問題
    7.2.2 用F規(guī)則求解規(guī)劃序列
    7.3 STRIPS規(guī)劃系統(tǒng)
    7.3.1 STRIPS系統(tǒng)的組成
    7.3.2 STRIPS系統(tǒng)規(guī)劃過程
    7.3.3 含有多重解答的規(guī)劃
    7.4 具有學習能力的規(guī)劃系統(tǒng)
    7.4.1 PULP－I系統(tǒng)的結構與
    操作方式
    7.4.2 PULP－I的世界模型與
    規(guī)劃結果
    7.5 分層規(guī)劃
    7.5.1 長度優(yōu)先搜索
    7.5.2 NOAH規(guī)劃系統(tǒng)
    7.6 基于專家系統(tǒng)的機器人規(guī)劃
    7.6.1 系統(tǒng)結構和規(guī)劃機理
    7.6.2 ROPES機器人規(guī)劃系統(tǒng)
    7.7 太空構件裝配順序規(guī)劃系統(tǒng)
    7.7.1 太空構件裝配及其順
    序規(guī)劃
    7.7.2 三維結構裝配順序規(guī)
    劃示例
    7.8 小結
    習題
   第八章 機器視覺
    8.1 圖象的理解與分析
    8.1.1 視覺信息的表達方法
    8.1.2 邊緣距離的計算
    8.1.3 表面方向的計算
    8.2 積木世界的景物分析
    8.2.1 積木世界景物的線條標示
    方法
    8.2.2 無斷裂和陰影時三面頂點
    的標示方法
    8.2.3 有斷裂和陰影時線條圖的
    分析
    8.3 視覺的知識表示與控制策略
    8.3.1 視覺信息的語義網(wǎng)絡表示
    8.3.2 位置網(wǎng)絡表示
    8.3.3 視覺系統(tǒng)的控制策略
    8.4 物體形狀的分析與識別
    8.4.1 復雜形狀物體的表示
    8.4.2 三維物體的形狀描述
    8.4.3 物體形狀識別方法
    8.5 機器人視覺系統(tǒng)舉例
    8.5.1 EYECOMⅡ機器人視
    覺系統(tǒng)
    8.5.2 機器人三維視覺系統(tǒng)
    8.6 小結
    習題
   第九章 自然語言理解
    9.1 語言及其理解的一般問題
    9.1.1 語言與語言理解
    9.1.2 自然語言理解研究的進展
    9.1.3 自然語言理解過程的層次
    9.2 句法和語義的自動分析
    9.2.1 句法模式匹配和轉移網(wǎng)絡
    9.2.2 擴充轉移網(wǎng)絡
    9.2.3 詞匯功能語法（LFG）
    9.2.4 語義的解析
    9.3 句子的自動理解
    9.3.1 簡單句的理解方法
    9.3.2 復合句的理解方法
    9.4 語言的自動生成
    9.5 文本的自動翻譯——機器翻譯
    9.6 自然語言理解系統(tǒng)的主要模型
    9.7 自然語言理解系統(tǒng)應用舉例
    9.7.1 自然語言自動理解系統(tǒng)
    9.7.2 機器翻譯系統(tǒng)ARIANE
    9.7.3 自然語言問答系統(tǒng)
    9.8 小結
    習題
   第十章 智能控制
    10.1 智能控制的發(fā)展與定義
    10.1.1 智能控制的產(chǎn)生與發(fā)展
    10.1.2 智能控制的定義
    10.2 智能控制的結構理論與特點
    10.2.1 智能控制的結構理論
    10.2.2 智能控制器的一般結構
    10.2.3 智能控制的特點
    10.3 智能控制的研究領域
    10.4 智能控制系統(tǒng)
    10.4.1 分級遞階智能控制系統(tǒng)
    10.4.2 專家控制系統(tǒng)
    10.4.3 模糊控制系統(tǒng)
    10.4.4 學習控制系統(tǒng)
    10.4.5 神經(jīng)控制系統(tǒng)
    10.5 智能控制應用示例
    10.6 小結
    習題
   第十一章 人工智能程序設計
    11.1 邏輯型編程語言
    11.2 LISP語言
    11.2.1 LISP的特點和數(shù)據(jù)結構
    11.2.2 LISP的基本函數(shù)
    11.2.3 遞歸與迭代
    11.2.4 LISP編程舉例
    11.3 PROLOG語言
    11.3.1 語法與數(shù)據(jù)結構
    11.3.2 PROLOG程序設計原理
    11.3.3 PROLOG編程舉例
    11.4 關系數(shù)據(jù)庫
    11.4.1 關系數(shù)據(jù)模型
    11.4.2 關系模型的操作語言
    11.5 專用開發(fā)工具
    11.6 人工智能機
    11.7 小結
    習題
   第十二章 人工智能的爭論與展望
    12.1 關于人工智能的爭論
    12.1.1 人工智能的主要學派
    12.1.2 對人工智能理論的爭論
    12.1.3 對人工智能方法的爭論
    12.1.4 對人工智能技術路線的
    爭論
    12.2 人工智能對人類的影響
    12.2.1 人工智能對經(jīng)濟的影響
    12.2.2 人工智能對社會的影響
    12.2.3 人工智能對文化的影響
    12.3 對人工智能的展望
    12.3.1 更新的理論框架
    12.3.2 更好的技術集成
    12.3.3 更成熟的應用方法
    12.4 結束語
    參考文獻
    名詞術語
    ABOUTTHEBOOK‘
    CONTENTS