人工智能及其应用

11.4.3 基于移动Agent的web检索原型系统开发

11.4.2 基于移动Agent的Web信息检索系统

11.4.1 传统的Web信息检索

11.4 信息检索

11.3.2 基于蚁群算法的旅行商路径搜索

11.3.1 路径规划概述

11.3 路径规划

11.2 故障诊断

11.1.2 基于人工神经网络的矿产资源预测

11.1.1 基本预测方法

11.1 系统预测

第11章 人工智能应用

10.7.2 自动规划技术的实用化

10.7.1 非经典规划技术的开发

10.7 自动规划技术的新进展

10.6 部分排序规划技术

2.NOAH规划系统

1. 长度优先搜索

10.5 分层规划

10.4 图规划

10.3.3 STRIPS规划的搜索过程

10.3.2 STRIPS规划知识的表示

10.3.1 积木世界的机器人的问题

10.3 STRIPS规划

10.2.2 Green方法

10.2.1 GPS

10.2 早期的自动规划技术

5. 规划的状态空间表示法描述

4. 简单规划描述语言

3. 问题分解途径及方法

2. 规划的概念及作用

1. 经典规划技术的发展

10.1 规划技术基本概念

第10章 规划系统

9.7.2 最好属性的选择

9.7.1 ID3算法

9.7 决策树学习

9.6.2 寻找最优策略

9.6.1 强化学习的关键因素

9.6 强化学习

9.5.4 基于解释的详细说明法

9.5.3 解释与泛化交替进行的学习方法

9.5.2 解释学习的一般步骤

9.5.1 解释学习的空间描述

9.5 解释学习

9.4 类比学习

9.3.3 实例学习方法的分类

9.3.2 实例学习的基本策略

9.3.1 基本理论

9.3 实例学习

9.2.2 机器学习的主要策略

9.2.1 机器学习的基本结构

9.2 机器学习的基本结构和主要策略

9.1 概述

第9章 机器学习

8.7 信息检索

2. 语音识别

1. 信号处理

8.6 语音识别

8.5.5 机器翻译评价

8.5.4 基于统计的机器翻译

8.5.3 基于实例的机器翻译

8.5.2 基于规则的机器翻译

8.5.1 机器翻译基本方法

8.5 机器翻译

8.4.2 MARGIE系统

8.4.1 自然语言自动理解系统

8.4 自然语言理解系统应用举例

8.3.2 格文法

8.3.1 语义文法

8.3 语义分析

8.2.7 基于统计方法的句法分析方法

8.2.6 词汇功能语法

8.2.5 句法分析的确定性算法

8.2.4 句法模式匹配和转移网络

8.2.3 句法分析的策略

8.2.2 乔姆斯基体系

8.2.1 文法和语言的形式定义

8.2 句法分析

4. 自然语言理解过程的层次

3. 自然语言理解研究的发展

2. 自然语言理解的困难

1. 自然语言的构成

8.1 自然语言理解的一般问题

第8章 自然语言理解

7.7.3 Agent系统开发的语言

7.7.2 AOP框架

7.7.1 AOP与OOP的区别

7.7 面向Agent的程序设计

7.6.2 移动Agent的发展

7.6.1 移动Agent的基本概念

7.6 移动Agent

7.5.4 Multi-Agent规划

7.5.3 Multi-Agent协商

7.5.2 Multi-Agent系统的协调和协作

7.5.1 Multi-Agent系统的模型和结构

7.5 Multi-Agent系统

7.4.3 Agent的通信语言

7.4.2 通信的类型和方式

7.4.1 言语行为

7.4 Agent通信

7.3.2 Agent结构的分类

7.3.1 Agent的基本结构

7.3 Agent的结构

7.2.3 效用理论

7.2.2 Agent BDI模型

7.2.1 Agent的心智要素及其性质

7.2 Agent的理论模型

7.1.2 Agent的基本概念

7.1.1 分布式人工智能

7.1 Agent概述

第7章 Agent及Multi-Agent系统

6.8.4 描述逻辑的扩展

6.8.3 描述逻辑中的推理

6.8.2 描述逻辑的语言规则

6.8.1 描述逻辑的基本概念

6.8 描述逻辑

6.7.4 定性进程方法

6.7.3 定性模拟法

6.7.2 定性方程法

6.7.1 定性推理概述

6.7 定性推理方法

6.6.2 空间推理

6.6.1 基于区间的时间推理

6.6 时间推理与空间推理

6.5.3 语义描述方法

6.5.2 关联式方法

6.5.1 贝叶斯网络

6.5 不确定性推理

6.4.4 真值维持系统

6.4.3 自认识逻辑

6.4.2 限定推理

6.4.1 默认推理

6.4 非单调逻辑

6.3.3 知道逻辑和信念逻辑

6.3.2 时态逻辑

6.3.1 基本模态逻辑

6.3 模态逻辑

6.2.2 多值逻辑

6.2.1 三值逻辑

6.2 三值逻辑与多值逻辑

6.1.5 模糊逻辑推理

6.1.4 模糊逻辑规则

6.1.3 模糊向量及其运算

6.1.2 模糊关系及其合成

6.1.1 模糊集合及其运算

6.1 模糊逻辑

第6章 高级知识表示和知识推理

5.6.7 免疫计算

5.6.6 粒子群优化算法

5.6.5 蚁群优化算法

5.6.4 人工生命

5.6.3 遗传编程

5.6.2 进化编程

5.6.1 进化策略

5.6 其他高级搜索算法

5.5.4 Hopfield网络

5.5.3 BP神经网络

5.5.2 感知机

5.5.1 人工神经网络的基本概念

5.5 人工神经网络

5.4.3 模拟退火算法特点

5.4.2 模拟退火算法实现步骤

5.4.1 模拟退火算法的基本思想

5.4 模拟退火算法

5.3.4 遗传算法的特点

5.3.3 模式定理

5.3.2 遗传算法的实现步骤

5.3.1 遗传算法的基本思想

5.3 遗传算法

5.2.4 禁忌搜索的特点

5.2.3 禁忌搜索算法的收敛性

5.2.2 禁忌搜索的算法流程

5.2.1 禁忌搜索的基本思想

5.2 禁忌搜索

5.1.2 最优化问题的求解

5.1.1 最优化问题的概念

5.1 最优化问题

第5章 高级搜索

4.4.3 主观贝叶斯方法

4.4.2 确定性理论

4.4.1 不确定性推理的基本问题

4.4 不确定性推理方法

4.3.4 王浩算法

4.3.3 Boyer-Moore定理证明方法

4.3.2 Bledsoe自然演绎法

4.3.1 基于规则的演绎推理

4.3 非归结演绎推理

4.2.3 归结反演

4.2.2 归结原理

4.2.1 Herbrand理论

4.2 归结演绎推理

4. 确定性推理和不确定性推理

3. 单调推理和非单调推理

2. 演绎推理、归纳推理和默认推理

1. 经典推理和非经典推理

4.1 推理的概念

第4章 知识推理

3.4.3 约束满足问题

3.4.2 手段-目标分析法

3.4.1 生成-测试法

3.4 通用问题的求解方法

3.3.4 博弈问题的启发式搜索策略

3.3.3 与/或图的启发式搜索策略

3.3.2 与/或图的盲目搜索策略

3.3.1 与/或图搜索的一般过程

3.3 与/或图搜索

3.2.3 启发式搜索策略

3.2.2 盲目搜索策略

3.2.1 状态空间搜索的一般过程

3.2 状态空间搜索

3.1.2 搜索的分类

3.1.1 基本概念

3.1 搜索的概念

第3章 搜索技术

2.8.4 Petri网表示法

2.8.3 过程表示法

2.8.2 面向对象的表示法

2.8.1 脚本表示法

2.8 其他表示方法

2.7.5 框架表示法的特点

2.7.4 框架系统的问题求解过程

2.7.3 框架网络

2.7.2 框架系统中的预定义槽名

2.7.1 框架的基本结构

2.7 框架表示法

2.6.4 语义网络表示法的特点

2.6.3 语义网络的问题求解过程

2.6.2 语义网络表示知识的方法

2.6.1 语义网络的概念和结构

2.6 语义网络表示法

2.5.4 产生式表示法的特点

2.5.3 产生式系统的推理方式和控制策略

2.5.2 产生式系统的组成

2.5.1 产生式的基本形式

2.5 产生式表示法

2.4.4 一阶谓词逻辑表示法的特点

2.4.3 一阶谓词逻辑表示方法

2.4.2 一阶谓词逻辑

2.4.1 命题逻辑

2.4 一阶谓词逻辑表示法

2.3.2 与/或图的表示

2.3.1 问题归约

2.3 与/或图表示法

2. 状态空间图

1. 状态及状态空间

2.2 状态空间表示法

2.1.2 知识的表示方法

2.1.1 知识的概念

2.1 基本概念

第2章 知识表示

1.5 人工智能相关网站介绍

13. 智能规划

12. 智能控制

11. 软计算

10. 计算机视觉

9. 博弈

8. 模式识别

7. 机器人学

6. 分布式人工智能

5. 自动程序设计

4. 自动定理证明

3. 机器学习

2. 自然语言理解

1. 专家系统

1.4 人工智能的研究与应用领域

4. 连接主义学派

3. 行为主义学派

2. 逻辑学派

1. 认知学派

1.3 人工智能的研究途径和方法

4. 第四阶段——知识工程与专家系统（1980年至今）

3. 第三阶段——发展和实用化阶段（1971—1980年）

2. 第二阶段——人工智能基础技术的研究和形成（1956—1970年）

1. 第一阶段——孕育期（1956年以前）

1.2 人工智能的发展简史

1.1.3 人工智能的研究目标

1.1.2 人工智能的定义

1.1.1 人工智能的哲学思考

1.1 人工智能的基本概念

第1章 绪论

前言

版权信息

封面

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 人工智能的哲学思考

1.1.2 人工智能的定义

1.1.3 人工智能的研究目标

1.2 人工智能的发展简史

1. 第一阶段——孕育期（1956年以前）

2. 第二阶段——人工智能基础技术的研究和形成（1956—1970年）

3. 第三阶段——发展和实用化阶段（1971—1980年）

4. 第四阶段——知识工程与专家系统（1980年至今）

1.3 人工智能的研究途径和方法

1. 认知学派

2. 逻辑学派

3. 行为主义学派

4. 连接主义学派

1.4 人工智能的研究与应用领域

1. 专家系统

2. 自然语言理解

3. 机器学习

4. 自动定理证明

5. 自动程序设计

6. 分布式人工智能

7. 机器人学

8. 模式识别

9. 博弈

10. 计算机视觉

11. 软计算

12. 智能控制

13. 智能规划

1.5 人工智能相关网站介绍

第2章 知识表示

2.1 基本概念

2.1.1 知识的概念

2.1.2 知识的表示方法

2.2 状态空间表示法

1. 状态及状态空间

2. 状态空间图

2.3 与/或图表示法

2.3.1 问题归约

2.3.2 与/或图的表示

2.4 一阶谓词逻辑表示法

2.4.1 命题逻辑

2.4.2 一阶谓词逻辑

2.4.3 一阶谓词逻辑表示方法

2.4.4 一阶谓词逻辑表示法的特点

2.5 产生式表示法

2.5.1 产生式的基本形式

2.5.2 产生式系统的组成

2.5.3 产生式系统的推理方式和控制策略

2.5.4 产生式表示法的特点

2.6 语义网络表示法

2.6.1 语义网络的概念和结构

2.6.2 语义网络表示知识的方法

2.6.3 语义网络的问题求解过程

2.6.4 语义网络表示法的特点

2.7 框架表示法

2.7.1 框架的基本结构

2.7.2 框架系统中的预定义槽名

2.7.3 框架网络

2.7.4 框架系统的问题求解过程

2.7.5 框架表示法的特点

2.8 其他表示方法

2.8.1 脚本表示法

2.8.2 面向对象的表示法

2.8.3 过程表示法

2.8.4 Petri网表示法

第3章 搜索技术

3.1 搜索的概念

3.1.1 基本概念

3.1.2 搜索的分类

3.2 状态空间搜索

3.2.1 状态空间搜索的一般过程

3.2.2 盲目搜索策略

3.2.3 启发式搜索策略

3.3 与/或图搜索

3.3.1 与/或图搜索的一般过程

3.3.2 与/或图的盲目搜索策略

3.3.3 与/或图的启发式搜索策略

3.3.4 博弈问题的启发式搜索策略

3.4 通用问题的求解方法

3.4.1 生成-测试法

3.4.2 手段-目标分析法

3.4.3 约束满足问题

第4章 知识推理

4.1 推理的概念

1. 经典推理和非经典推理

2. 演绎推理、归纳推理和默认推理

3. 单调推理和非单调推理

4. 确定性推理和不确定性推理

4.2 归结演绎推理

4.2.1 Herbrand理论

4.2.2 归结原理

4.2.3 归结反演

4.3 非归结演绎推理

4.3.1 基于规则的演绎推理

4.3.2 Bledsoe自然演绎法

4.3.3 Boyer-Moore定理证明方法

4.3.4 王浩算法

4.4 不确定性推理方法

4.4.1 不确定性推理的基本问题

4.4.2 确定性理论

4.4.3 主观贝叶斯方法

第5章 高级搜索

5.1 最优化问题

5.1.1 最优化问题的概念

5.1.2 最优化问题的求解

5.2 禁忌搜索

5.2.1 禁忌搜索的基本思想

5.2.2 禁忌搜索的算法流程

5.2.3 禁忌搜索算法的收敛性

5.2.4 禁忌搜索的特点

5.3 遗传算法

5.3.1 遗传算法的基本思想

5.3.2 遗传算法的实现步骤

5.3.3 模式定理

5.3.4 遗传算法的特点

5.4 模拟退火算法

5.4.1 模拟退火算法的基本思想

5.4.2 模拟退火算法实现步骤

5.4.3 模拟退火算法特点

5.5 人工神经网络

5.5.1 人工神经网络的基本概念

5.5.2 感知机

5.5.3 BP神经网络

5.5.4 Hopfield网络

5.6 其他高级搜索算法

5.6.1 进化策略

5.6.2 进化编程

5.6.3 遗传编程

5.6.4 人工生命

5.6.5 蚁群优化算法

5.6.6 粒子群优化算法

5.6.7 免疫计算

第6章 高级知识表示和知识推理

6.1 模糊逻辑

6.1.1 模糊集合及其运算

6.1.2 模糊关系及其合成

6.1.3 模糊向量及其运算

6.1.4 模糊逻辑规则

6.1.5 模糊逻辑推理

6.2 三值逻辑与多值逻辑

6.2.1 三值逻辑

6.2.2 多值逻辑

6.3 模态逻辑

6.3.1 基本模态逻辑

6.3.2 时态逻辑

6.3.3 知道逻辑和信念逻辑

6.4 非单调逻辑

6.4.1 默认推理

6.4.2 限定推理

6.4.3 自认识逻辑

6.4.4 真值维持系统

6.5 不确定性推理

6.5.1 贝叶斯网络

6.5.2 关联式方法

6.5.3 语义描述方法

6.6 时间推理与空间推理

6.6.1 基于区间的时间推理

6.6.2 空间推理

6.7 定性推理方法

6.7.1 定性推理概述

6.7.2 定性方程法

6.7.3 定性模拟法

6.7.4 定性进程方法

6.8 描述逻辑

6.8.1 描述逻辑的基本概念

6.8.2 描述逻辑的语言规则

6.8.3 描述逻辑中的推理

6.8.4 描述逻辑的扩展

第7章 Agent及Multi-Agent系统

7.1 Agent概述

7.1.1 分布式人工智能

7.1.2 Agent的基本概念

7.2 Agent的理论模型

7.2.1 Agent的心智要素及其性质

7.2.2 Agent BDI模型

7.2.3 效用理论

7.3 Agent的结构

7.3.1 Agent的基本结构

7.3.2 Agent结构的分类

7.4 Agent通信

7.4.1 言语行为

7.4.2 通信的类型和方式

7.4.3 Agent的通信语言

7.5 Multi-Agent系统

7.5.1 Multi-Agent系统的模型和结构

7.5.2 Multi-Agent系统的协调和协作

7.5.3 Multi-Agent协商

7.5.4 Multi-Agent规划

7.6 移动Agent

7.6.1 移动Agent的基本概念

7.6.2 移动Agent的发展

7.7 面向Agent的程序设计

7.7.1 AOP与OOP的区别

7.7.2 AOP框架

7.7.3 Agent系统开发的语言

第8章 自然语言理解

8.1 自然语言理解的一般问题

1. 自然语言的构成

2. 自然语言理解的困难

3. 自然语言理解研究的发展

4. 自然语言理解过程的层次

8.2 句法分析

8.2.1 文法和语言的形式定义

8.2.2 乔姆斯基体系

8.2.3 句法分析的策略

8.2.4 句法模式匹配和转移网络

8.2.5 句法分析的确定性算法

8.2.6 词汇功能语法

8.2.7 基于统计方法的句法分析方法

8.3 语义分析

8.3.1 语义文法

8.3.2 格文法

8.4 自然语言理解系统应用举例

8.4.1 自然语言自动理解系统

8.4.2 MARGIE系统

8.5 机器翻译

8.5.1 机器翻译基本方法

8.5.2 基于规则的机器翻译

8.5.3 基于实例的机器翻译

8.5.4 基于统计的机器翻译

8.5.5 机器翻译评价

8.6 语音识别

1. 信号处理

2. 语音识别

8.7 信息检索

第9章 机器学习

9.1 概述

9.2 机器学习的基本结构和主要策略

9.2.1 机器学习的基本结构

9.2.2 机器学习的主要策略

9.3 实例学习

9.3.1 基本理论

9.3.2 实例学习的基本策略

9.3.3 实例学习方法的分类

9.4 类比学习

9.5 解释学习

9.5.1 解释学习的空间描述

9.5.2 解释学习的一般步骤

9.5.3 解释与泛化交替进行的学习方法

9.5.4 基于解释的详细说明法

9.6 强化学习

9.6.1 强化学习的关键因素

9.6.2 寻找最优策略

9.7 决策树学习

9.7.1 ID3算法

9.7.2 最好属性的选择

第10章 规划系统

10.1 规划技术基本概念

1. 经典规划技术的发展

2. 规划的概念及作用

3. 问题分解途径及方法

4. 简单规划描述语言

5. 规划的状态空间表示法描述

10.2 早期的自动规划技术

10.2.1 GPS

10.2.2 Green方法

10.3 STRIPS规划

10.3.1 积木世界的机器人的问题

10.3.2 STRIPS规划知识的表示

10.3.3 STRIPS规划的搜索过程

10.4 图规划

10.5 分层规划

1. 长度优先搜索

2.NOAH规划系统

10.6 部分排序规划技术

10.7 自动规划技术的新进展

10.7.1 非经典规划技术的开发

10.7.2 自动规划技术的实用化

第11章 人工智能应用

11.1 系统预测

11.1.1 基本预测方法

11.1.2 基于人工神经网络的矿产资源预测

11.2 故障诊断

11.3 路径规划

11.3.1 路径规划概述

11.3.2 基于蚁群算法的旅行商路径搜索

11.4 信息检索

11.4.1 传统的Web信息检索

11.4.2 基于移动Agent的Web信息检索系统

11.4.3 基于移动Agent的web检索原型系统开发