人工智能及其應用

第 1章 　緒論 1
1.1 人工智能的起源與發(fā)展 1
1.1.1 孕育階段 2
1.1.2 形成階段 2
1.1.3 發(fā)展階段 2
1.2 人工智能的研究目標和內容 3
1.2.1 人工智能的研究目標 3
1.2.2 人工智能研究的基本內容 4
1.3 人工智能研究的主要途徑 5
1.3.1 人工智能研究的特點 5
1.3.2 研究人工智能的方法 5
1.4 人工智能的研究與應用領域 7
1.4.1 自動定理證明 7
1.4.2 博弈 7
1.4.3 專家系統(tǒng) 8
1.4.4 機器視覺 8
1.4.5 人工神經網(wǎng)絡 9
小結 9
思考與練習 10
第 2章 　知識 表示方法 11
2.1 狀態(tài)空間表示 12
2.1.1 問題狀態(tài)描述 12
2.1.2 狀態(tài)圖示法 13
2.2 問題歸約表示 16
2.2.1 問題歸約描述 16
2.2.2 與或圖表示 17
2.3 謂詞邏輯表示 19
Ⅰ
人工智能及其應用
2.3.1 謂詞演算 20
2.3.2 謂詞公式 20
2.3.3 置換與合一 22
2.4 語義網(wǎng)絡表示 22
2.4.1 二元語義網(wǎng)絡的表示 23
2.4.2 多元語義網(wǎng)絡的表示 24
2.4.3 語義網(wǎng)絡的推理過程 24
2.5 框架表示 26
2.5.1 框架的構成 26
2.5.2 框架的推理 29
2.6 腳本表示法 31
2.6.1 腳本的定義與組成 31
2.6.2 用腳本表示知識的步驟 33
2.6.3 用腳本表示知識的推理方法 33
2.6.4 腳本表示法的特點 34
2.7 面向對象的知識表示 34
2.7.1 面向對象的基本概念 34
2.7.2 面向對象的知識表示 35
2.7.3 面向對象方法學的主要觀點 36
小結 36
思考與練習 37
第 3章 　確定 性推理 38
3.1 圖搜索策略 38
3.2 盲目搜索 39
3.3 啟發(fā)式搜索 44
3.4 消解原理 49
3.5 規(guī)則演繹系統(tǒng) __________54
3.6 產生式系統(tǒng) 59
小結 63
思考與練習 64
第 4章 　非經 典推理 65
4.1 經典推理和非經典推理 65
4.2 不確定性推理 66
4.3 概率推理 67
4.4 主觀貝葉斯方法 69
4.5 可信度方法 73
4.6 證據(jù)理論 76
小結 79
思考與練習 80
第 5章 　機器 學習 81
5.1 機器學習概述 81
5.1.1 機器學習的概念 81
5.1.2 機器學習的發(fā)展過程 82
5.1.3 機器學習系統(tǒng)的基本模型 82
5.1.4 機器學習的主要策略 83
5.1.5 機器學習的問題 84
5.2 記憶學習 85
5.2.1 概念 85
5.2.2 學習模型 85
5.3 歸納學習 85
5.3.1 示例學習 85
5.3.2 決策樹學習 88
5.4 基于神經網(wǎng)絡的學習 93
5.4.1 神經元與神經網(wǎng)絡 93
5.4.2 前向神經網(wǎng)絡 97
5.4.3 動態(tài)神經網(wǎng)絡 102
5.4.4 徑向基神經網(wǎng)絡 105
5.4.5 CMAC神經網(wǎng)絡 107
5.4.6 Hopfield神經網(wǎng)絡 110
小結 115
思考與練習 115
第 6章 　智能 算法及其應用 116
6.1 遺傳算法 116
6.1.1 遺傳算法概述 116
6.1.2 遺傳算法研究與應用 123
6.2 粒子群優(yōu)化算法 126
6.2.1 粒子群優(yōu)化概述 127
6.2.2 粒子群優(yōu)化算法研究與應用 135
6.3 蟻群算法 140
6.3.1 蟻群算法的生物基礎 141
6.3.2 旅行商問題 142
6.3.3 基于TSP問題的螞蟻系統(tǒng) (AS) 143
6.3.4 基于TSP的蟻群系統(tǒng) (ACS) 145
6.3.5 最大最小螞蟻系統(tǒng) (MMAS) 146
6.3.6 蟻群算法與機器人路徑規(guī)劃 149
6.4 人工魚群算法 153
6.4.1 人工魚群算法概述 154
6.4.2 人工魚群算法研究與應用 158
小結 161
思考與練習 161
參考文獻 162