人工智能导论PDF电子书下载

查看更多关于的内容

第一章 绪论 1

1·1 人工智能的产生和发展简史 1

一、孕育期（1956年以前） 1

二、形成期（1956年～1961年） 2

三、发展期（1961年至今） 4

1·2 人工智能的学科范畴 6

一、人工智能的研究目标 6

二、人工智能的核心课题 7

三、人工智能研究中的学派 9

四、人工智能的基本技术 11

五、人工智能研究的特点 12

1·3 人工智能的具体研究领域 13

一、模式识别 13

二、物景分析 15

三、自然语言理解 16

四、数据库的智能检索 17

五、博弈 18

六、自动定理证明 18

七、自动程序设计 19

八、专家系统 20

九、自然语言生成 21

十、机器人 21

十一、人工智能的应用和发展方向 22

1·4 研究智能科学的意义 23

一、当前许多学科发展的需要 23

二、第二次科学革命中的核心课题 25

三、人类社会进化新阶段的要求 28

思考题 31

第二章 预备知识 32

2·1 命题逻辑 32

一、命题和命题定律 32

二、范式 36

三、命题逻辑中的推论规则 40

2·2 谓词逻辑 40

一、一阶谓词和量词 40

二、含有量词的等价式和蕴含式 45

三、谓词逻辑中的推论规则 46

四、谓词公式的范式 48

2·3 集合和关系 49

一、集合及其基本运算 49

二、二元关系 52

三、模糊集合的一般概念 56

2·4 形式语言 60

一、四类等价的模型 60

二、语言和文法的分型 61

三、各型语言的实例 84

2·5 自动机 66

一、一般概念 66

二、逻辑自动机 68

三、有穷自动机 70

四、图灵机 75

2·6 可计算性 79

一、图灵可计算函数 79

二、递归函数 80

三、递归集合 84

四、过程和算法 85

习题 86

第三章 知识表示技术 89

3·1 适当的表示对问题求解是至关重要的 89

3·2 基于图的各种表示法 94

一、用状态空间表示问题 94

二、用与／或图表示知识 100

三、用语义网络表示概念 105

3·3 基于谓词逻辑的表示法 113

一、用谓词逻辑表示状态 113

二、用谓词逻辑表示操作 116

三、用谓词逻辑表示知识单元 118

3·4 其他各种表示法 120

一、产生式表示法 120

二、特性表表示法 123

三、框架表示法 126

习题 129

第四章 使用算法的推理技术 131

4·1 王浩算法 132

4·2 海伯伦定理 137

一、公式的解释 137

二、子句集合 140

三、子句集的海伯伧全域 142

四、海伯伧定理及其改进 145

4·3 鲁滨逊消解原理 148

一、命题逻辑中的消解原理 149

二、代换与合一 151

三、谓词逻辑中的消解原理 153

4·4 消解原理的改进 156

一、问题的提出 156

二、删除策略 158

三、锁消解 160

四、线性消解 161

五、语义消解 163

4·5 吴文俊算法 164

一、引言 164

二、几何问题的代数化 165

三、初等几何定理的判定算法 167

习题 169

第五章 使用启发的推理技术 171

5·1 基本概念 171

一、启发的必要性 171

二、算法的局限性 173

三、隐式图的搜索过程 175

四、搜索效率 176

5·2 基本搜索策略 177

一、广度优先搜索 177

二、深度优先搜索 181

三、有界深度优先搜索 183

四、代价推进搜索 188

5·3 启发式搜索的基本原理 192

一、估计函数和启发信息 192

二、局部择优搜索 193

三、最好优先搜索 196

5·4 与／或树的启发式搜索 198

一、与／或树求解中的特殊问题 198

二、与／或树的最好优先搜索 201

三、博弈树的启发式搜索 204

5·5 利用规划的启发式搜索 212

一、规划可以进一步减缓组合爆炸 212

二、基本规划 215

三、多层规划 218

5·6 启发式搜索过程的可采纳性和复杂性 221

习题 225

第六章 产生式系统 227

6·1 产生式系统的基本原理 227

一、产生式系统的组成和分类 227

二、返回追踪决策产生式系统 229

三、图搜索决策产生式系统 234

四、可交换的产生式系统 236

五、可分解的产生式系统 237

六、高阶的产生式系统 240

6·2 用产生式系统求解问题 240

一、基于消解原理的产生式系统 240

二、基于规则的推理系统 243

习题 248

第七章 意识胞思维模型概述 249

7·1 模型的基本原理 249

一、印象、概念和概念空间 249

二、纵向推理及其可信度 250

三、横向决策推理 252

四、回溯推理及其可信度 254

五、概念隶属度的变迁 255

六、规划与联想 257

7·2 模型的机器实现 258

一、用意识胞表示知识 258

二、系统总框图和意识控制流程 259

三、意识胞的激活 261

四、转移激活的分类和系统的不同状态 262

五、联想的终止及反应的选择或组合 263

六、系统自检和系统斟酌 264

七、学习功能的实现 265

习题 266

第八章 人工智能语言及其程序设计初步 267

8·1 几种主要的人工智能语言 267

8·2 LISP语言 268

一、基本概念 268

二、基本LISP函数 274

三、构造新函数 278

8·3 常用LISP系统函数 281

一、符号处理函数类 281

二、算术逻辑运算函数类 285

三、以函数为变元的函数类 287

8·4 LISP程序 287

8·5 简单实例 292

一、符号模式匹配程序 292

二、解梵塔问题程序 295

三、定理证明程序 297

四、解九连环问题程序 302

习题 309

主要参考文献 310

查看更多关于的内容