现代人工智能技术

封面

版权信息

前言

第1章 绪论

1.1 人工智能的基本概念

1.1.1 智能的概念

1.1.2 智能的特征

1.1.3 人工智能

1.2 人工智能发展简史

1.2.1 孕育

1.2.2 形成

1.2.3 发展

1.3 人工智能的基本原理及方法

1.3.1 知识表示

1.3.2 机器感知

1.3.3 机器思维

1.3.4 机器学习

1.4 人工智能的主要研究及应用领域

1.4.1 自动定理证明

1.4.2 博弈

1.4.3 模式识别

1.4.4 机器视觉

1.4.5 自然语言理解

1.4.6 智能信息检索

1.4.7 数据挖掘

1.4.8 专家系统

1.4.9 机器人

1.4.10 组合优化

1.4.11 人工神经网络

1.4.12 分布式人工智能与多智能体

1.5 小结

思考题

第2章 知识表达

2.1 知识与知识表达的概念

2.1.1 知识的概念

2.1.2 知识的特征

2.1.3 知识的表示

2.2 一阶谓词逻辑表示法

2.2.1 命题

2.2.2 谓词

2.2.3 谓词公式

2.2.4 谓词公式的性质

2.2.5 一阶谓词逻辑知识表示法

2.2.6 一阶谓词逻辑表示法的特点

2.3 产生式表示法

2.3.1 产生式

2.3.2 产生式系统

2.3.3 产生式系统的例子——动物识别系统

2.3.4 产生式表示法的特点

2.4 框架表示法

2.4.1 框架的一般结构

2.4.2 用框架表示知识的例子

2.4.3 框架表示法的特点

2.5 小结

思考题

第3章 确定性推理方法

3.1 推理的基本概念

3.1.1 推理的定义

3.1.2 推理方式及其分类

3.1.3 推理的方向

3.1.4 冲突消解策略

3.2 自然演绎推理

3.3 谓词公式化为子句集的方法

3.4 鲁滨逊归结原理

3.5 归结反演

3.6 小结

思考题

第4章 智能算法及其应用

4.1 进化算法的产生与发展

4.1.1 进化算法的概念

4.1.2 进化算法的生物背景

4.1.3 进化算法的设计原则

4.2 遗传算法

4.2.1 遗传算法的基本思想

4.2.2 遗传算法的发展历史

4.2.3 编码

4.2.4 实数编码和浮点数编码

4.2.5 群体设定

4.2.6 适应度函数

4.2.7 选择

4.2.8 交叉

4.2.9 变异

4.2.10 遗传算法的一般步骤

4.2.11 遗传算法的特点

4.3 遗传算法的改进算法

4.3.1 改进算法

4.3.2 双种群遗传算法

4.3.3 自适应遗传算法

4.4 粒子群优化算法

4.4.1 粒子群优化算法的基本原理

4.4.2 粒子群优化算法的参数分析

4.5 蚁群算法

4.5.1 基本蚁群算法模型

4.5.2 蚁群算法的参数选择

4.6 小结

思考题

第5章 机器学习

5.1 机器学习简介

5.1.1 专业术语

5.1.2 分类