人工智能原理认知与应用研究

封面

版权信息

作者简介

前言

第1章 人工智能概述

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 人工智能的发展简史

1.2.1 孕育（1956年前）

1.2.2 形成（1956—1969年）

1.2.3 艰难发展（1970—2010年）

1.2.4 大数据驱动人工智能发展（2011年至今）

1.3 人工智能研究的基本内容

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

1.3.5 机器行为

1.4 人工智能的主要研究领域

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 数据挖掘与知识发现

1.4.8 专家系统

1.4.9 自动程序设计

1.4.10 机器人

1.4.11 组合优化问题

1.4.12 人工神经网络

1.4.13 分布式人工智能与多智能体

1.4.14 智能控制

1.4.15 智能仿真

1.4.16 智能CAD

1.4.17 智能CAI

1.4.18 智能管理与智能决策

1.4.19 智能多媒体系统

1.4.20 智能操作系统

1.4.21 智能计算机系统

1.4.22 智能通信

1.4.23 智能网络系统

1.4.24 人工生命

第2章 知识表示与知识图谱

2.1 知识与知识表示的概念

2.1.1 知识的概念

2.1.2 知识的特性

2.1.3 知识的分类

2.1.4 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方法

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 语义网络表示法

2.5.1 语义网络

2.5.2 基本命题的语义网络表示

2.5.3 连接词在语义网络中的表示方法

2.5.4 变元和量词在语义网络中的表示方法

2.5.5 语义网络表示法示例

2.5.6 语义网络的推理过程

2.5.7 语义网络表示法的特点

2.6 知识图谱

2.6.1 知识图谱的定义

2.6.2 知识图谱的架构与构建

2.6.3 知识抽取

2.6.4 知识图谱的典型应用

第3章 搜索推理技术

3.1 图搜索策略

3.2 无信息搜索

3.2.1 宽度优先搜索

3.2.2 深度优先搜索

3.2.3 等代价搜索

3.3 启发式搜索

3.3.1 启发式搜索策略和估价函数

3.3.2 有序搜索

3.4 消解原理

3.4.1 子句集的求取

3.4.2 消解推理规则

3.4.3 含有变量的消解式

3.4.4 消解反演求解过程

3.5 规则演绎系统

3.5.1 规则正向演绎系统

3.5.2 规则逆向演绎系统

3.5.3 规则双向演绎系统

3.6 不确定性推理

3.6.1 不确定性的表示与度量