人工智能

　　本书是一本人工智能（AI）领域最新的教科书，2003年由PALGRAVE MACMILLAN出版社出版。本书的特点是实用，通过结合许多实例，例如工业和娱乐机器人的制造、宇宙飞船的自动控制、信用卡欺诈检测、保护网络免受黑客攻击、计算机以似人的方式下棋等，探讨了在实际应用中用到的一系列AI技术。对于近几年来取得显著进展的一些主题，书中做了最新的处理，如对应用广泛的贝叶斯网络进行了相当深入的讨论，对作为AI重要工具的神经网络给予了相当的篇幅。在论述的深度上，力求做到既足够深入使得读者能够着手实现AI技术，又不至于太艰涩而使读者无法接受。全书的内容自包含，要求读者具备的数学基础很少；每一章末尾还附有练习题和推荐补充读物；教师和学生所需要的更多材料都可以从Web站点联机获得。基于以上特点，本书不失为一本最新的、实用的、易读的、生动的AI导论和教科书。本书适合于计算机、自动化等专业的本科生作为人工智能课程的教材，也适合于希望获得对AI的实际理解以便在工作中应用的各类专业人员阅读。

　　RobCallan，是一位人工智能与模式识别领域的知名专家，最初的航空航天工业部门工作，后到大学里教过多年的人工智能课程，最近又回到航天工业界，本书是他写的第四本书，也是第三本较重要的教科书。他目前主要研究的工作是AL技术在飞行器诊断和预后的健康管理中的应用。译者简介：黄厚宽，教授，博士生导师，1963年毕业于北京大学数力系六年制数学专业，1966年哈尔滨军事工程学院应用数学研究生毕业，1983-1985年在美国亚拉巴马大学和佛罗里达大学信息研究中心任访问教授。现任北京交通大学计算机与信息技术学院学要主委员会主任，中国计算机学会人工智能与模式识别专委会副主任兼秘书长等。

第一部分    引        论第1章    引论1.1    人工智能从实验室中浮现1.2    什么是人工智能应用程序1.3    什么是人工智能1.4    不同的智能模型1.5    表示第二部分    逻辑和搜索第2章    逻辑2.1    命题逻辑2.2    谓词演算2.3    小结第3章    搜索3.1    引言3.2    一些经典的人工智能问题3.3    基于树的算法3.4    用函数最优化表示搜索3.5    小结第4章    自动逻辑推理4.1    命题逻辑中的归结4.2    FOPC中的归结4.3    Prolog4.4    小结第三部分    不 确 定 性第5章    贝叶斯网络（I）5.1    引言5.2    基础概率论综述5.3    贝叶斯网络5.4    小结第6章    贝叶斯网络（II）6.1    构造簇树6.2    量化连接树6.3    处理证据6.4    不精确推理6.5    小结第7章    其他不确定性方法7.1    模糊逻辑7.2    Dempster-Shafer 理论7.3    非数值方法7.4    小结第四部分    行 动 决 策第8章    决策网络8.1    非干预行动8.2    干预行动 8.3    测试决策8.4    信息价值 8.5    有关效益值的一点说明8.6    小结第9章    规划（I）9.1    简单规划描述语言9.2　派生规划9.3    将实施规划作为简单搜索过程9.4    图规划9.5    小结第10章  规划（II）10.1    有表现力的表达10.2    不确定情况下的行动10.3    使用基于知识方法的规划器10.4    讨论10.5    小结第五部分    学        习第11章    学习引论11.1    学习中的元素11.2    目标函数的表示11.3    学习任务的类型11.4    学习即是搜索11.5    假设空间中的学习偏置11.6    更深入的问题 11.7    小结第12章    决策树学习12.1    简介12.2    ID3算法12.3    有关决策树学习的一些问题12.4    小结第13章    归纳逻辑程序设计13.1    简介13.2    假设的产生13.3    归纳推理 13.4    FOIL算法13.5    逆向归结（逆向蕴含）13.6    q-包含13.7    具有逆向蕴含的ILP系统的实际实现13.8    小结第14章    强化学习14.1    简介14.2    强化学习的关键元素14.3    最优策略的计算14.4    Q-学习14.5    小结第15章    神经网络（I）15.1    基本成分15.2    基本概念15.3    线性与非线性问题15.4    反向传播学习15.5    字符分类示例15.6    小结第16章    神经网络（II）16.1    使用相似性度量发现簇16.2    自组织特征映射16.3    用于聚类的模型生成器16.4    径向基函数网络16.5    小结 第17章    遗传算法17.1    一些术语17.2    一个较完整的算法17.3    假设表示17.4    模式定理与隐含的并行机制17.5    遗传算法的其他方面17.6    小结第六部分    自然语言理解与感知第18章    自然语言处理（Ⅰ）18.1    自然语言理解的阶段 18.2    语言的各部分 18.3    分析结构18.4    语义分析18.5    语境分析 18.6   小结第19章    自然语言处理（Ⅱ）19.1    图表分析器19.2    文法与属性19.3    语义学19.4    量化和中介逻辑形式19.5    上下文19.6    NLP的统计学方法19.7    小结第20章    语音处理20.1    组成单词读音的基本单元20.2    信号处理20.3    识别20.4    隐马尔可夫模型20.5    小结第21章    视觉21.1    图像21.2    物体和图像之间的基本数学关系21.3　视觉线索21.4    形状描述21.5    边缘检测21.6    分割21.7    提取边界21.8    对物体进行分类21.9   小结第七部分    代理、哲学和应用第22章    代理22.1    代理第23章    人工智能的哲学23.1    什么是哲学23.2    强人工智能与弱人工智能23.3    思维机器23.4    图灵测试23.5    我们是否用语言思考第24章    人工智能的若干应用24.1    宇宙飞船的自主控制24.2    使用O-Plan的层次式任务规划24.3    帮助机场操作的决策支持工具24.4    新闻报道中的文本提取24.5    航班信息会话接口24.6    人脸识别24.7    医学诊断中的成像24.8    数据挖掘24.9    从非结构数据获取信息24.10  欺诈检测24.11  给予机器常识24.12  管理飞行器安全24.13  贝叶斯推理增长的作用24.14  机器人附录A    Prolog简介参考文献