人工智能學習輔導與實驗指導

第1章 緒論
　1.1 學習目標與要求
　1.2 知識要點
　　1.2.1 人工智能的概念
　　1.2.2 人工智能程序和通常計算機程序的比較
　　1.2.3 人工智能的三個主要目標
　　1.2.4 人工智能發(fā)展史
　　1.2.5 研究領(lǐng)域
　1.3 習題解析
　1.4 自測題及部分參考答案
　　1.4.1 自測題
　　1.4.2 部分參考答案
第2章 知識表達技術(shù)
　2.1 學習目標與要求
　2.2 知識要點
　　2.2.1 知識的概念與含義
　　2.2.2 知識類型和知識模型的變換
　　2.2.3 狀態(tài)空間表達法
　　2.2.4 與/或圖表達法
　　2.2.5 知識的邏輯表達方法
　　2.2.6 語義網(wǎng)絡(luò)表達法
　　2.2.7 產(chǎn)生式系統(tǒng)
　　2.2.8 框架表達法
　　2.2.9 特征表表達法
　　2.2.10 面向?qū)ο蟮谋硎?br />　2.3 習題解析
　2.4 自測題及部分參考答案
　　2.4.1 自測題
　　2.4.2 部分參考答案
第3章 基本的問題求解方法
　3.1 學習目標與要求
　3.2 基本內(nèi)容
　　3.2.1 搜索的概念
　　3.2.2 狀態(tài)空間搜索概述
　　3.2.3 盲目的圖搜索策略
　　3.2.4 啟發(fā)式圖搜索策略
　　3.2.5 與/或圖搜索
　　3.2.6 博弈樹搜索
　　3.2.7 通用問題求解技術(shù)簡述
　3.3 習題解析
　3.4 自測題及部分參考答案
　　3.4.1 自測題
　　3.4.2 部分參考答案
第4章 基本的推理技術(shù)
　4.1 學習目標與要求
　4.2 知識要點
　　4.2.1 推理技術(shù)概述
　　4.2.2 歸結(jié)反演系統(tǒng)
　　4.2.3 基于規(guī)則的演繹推理
　4.3 習題解析
　4.4 自測題及部分參考答案
　　4.4.1 自測題
　　4.4.2 部分參考答案
第5章 不精確推理
　5.1 學習目標與要求
　5.2 知識要點
　　5.2.1 不精確推理的概念、需要解決的基本問題及推理模型
　　5.2.2 概率方法
　　5.2.3 主觀Bayes方法
　　5.2.4 可信度方法
　　5.2.5 模糊推理
　5.3 習題解析
　5.4 自測題及部分參考答案
　　5.4.1 自測題
　　5.4.2 部分參考答案
第6章 Visual Prolog語言
第7章 專家系統(tǒng)
第8章 機器學習
第9章 人工神經(jīng)網(wǎng)絡(luò)
第10章 Agent簡介及人工智能的爭論與展望
附錄A Visual Prolog語言程序設(shè)計實驗指導
附錄B 基于VP設(shè)計專家系統(tǒng)的案例
附錄C 同等學力人員申請碩士學位計算機科學與技術(shù)學科綜合水平全國統(tǒng)一考試大綱與指南（第二版）人工智能部分
附錄D 計算機科學與技術(shù)人工智能考試真題
附錄E 計算機科學與技術(shù)人工智能考試真題參考答案
參考文獻