人工智能基础（新世纪网络课程）

　　《人工智能基础》是国家教育部立项建设的优秀网络课程“人工智能网络课程”的配套教材。全书共10章，主要内容：绪论、知识表示、搜索原理、推理技术、机器学习、规划系统、专家系统、自然语言理解、智能控制、人工智能程序设计。附录中给出了人工智能网络课程使用指南。《人工智能基础》可作为本科学校和高职高专学校计算机相关专业的“人工智能”课程教材或教学参考书，还可供从事人工智能研究、开发与应用的科技工作者学习参考。建议读者尽可能结合“人工智能网络课程”进行学习和训练，充分利用该网络课程提供的丰富教学资源。

暂缺《人工智能基础（新世纪网络课程）》作者简介

第1章 绪论
1.1 人工智能的定义与发展
1.1.1 人工智能的定义
1.1.2 人工智能的起源与发展
1.2 人类智能与人工智能
1.2.1 研究认知过程的任务
1.2.2 智能信息处理系统的假设
1.2.3 人类智能的计算机模拟
1.3 人工智能的学派及其争论
1.3.1 人工智能的主要学派
1.3.2 对人工智能基本理论的争论
1.3.3 对人工智能技术路线的争论
1.4 人工智能的研究与应用领域
1.4.1 问题求解
1.4.2 逻辑推理与定理证明
1.4.3 自然语言理解
1.4.4 自动程序设计
1.4.5 专家系统
1.4.6 机器学习
1.4.7 人工神经网络
1.4.8 机器人学
1.4.9 模式识别
1.4.10 机器视觉
1.4.11 智能控制
1.4.12 智能检索
1.4.13 智能调度与指挥
1.4.14 分布式人工智能与Agent
1.4.15 计算智能与进化计算
1.4.16 数据挖掘与知识发现
1.4.17 人工生命
1.4.18 系统与语言工具
1.5 人工智能对人类的影响
1.5.1 人工智能对经济的影响
1.5.2 人工智能对社会的影响
1.5.3 人工智能对文化的影响
1.6 对人工智能的展望
1.6.1 更新的理论框架
1.6.2 更好的技术集成
1.6.3 更成熟的应用方法
第2章 知识表示
2.1 概述
2.2 状态空间法
2.2.1 问题状态描述
2.2.2 状态图示法
2.2.3 状态空间表示举例
2.3 问题归约法
2.3.1 问题归约描述
2.3.2 与或图表示
2.3.3 问题归约机理
2.4 谓词逻辑法
2.4.1 谓词演算
2.4.2 谓词公式
2.4.3 置换与合一
2.5 语义网络法
2.5.1 二元语义网络的表示
2.5.2 多元语义网络的表示
2.5.3 连词和量化的表示
2.5.4 语义网络的推理过程
2．6 框架表示
2．6．1 框架的构成
2．6．2 框架的推理
2．7 面向对象表示
2．7．1 面向对象基础
2．7．2 类与类继承
2．7．3 面向对象表示的实例
2．8 剧本表示
2．8．1 剧本的构成
2．8．2 剧本的推理
2．9 过程式表示
第3章 搜索原理
3．1 盲目搜索
3．1．1 图搜索策略
3．1．2 宽度优先搜索
3．1．3 深度优先搜索
3．1．4 等代价搜索
3．2 启发式搜索
3．2．1 启发式搜索策略
．3．2．2 估价函数”
3．2．3 有序搜索
3．2．4 A*算法
3．3 博弈树搜索
3．3．1 博弈概述
3．3．2 极小极大分析法
3．3．3 α-β剪枝技术
3．4 遗传算法
3．4．1 遗传算法的结构
3．4．2 遗传算法的基本原理
3．4．3 遗传算法的收敛性
3．4．4 遗传算法的性能
3．4．5 进化算法
3．4．6 遗传算法展望
3．5 模拟退火算法
3．5．1 模拟退火算法的模型
3．5．2 模拟退火算法的简单应用
3．5．3 模拟退火算法的参数控制问题
第4章 推理技术
4．1 消解原理
4．1．1 化为子句集
4．1．2 消解推理规则
4．1．3 含有变量的消解式
4．1．4 消解反演求解过程
4．2 规则演绎系统
4．2．1 规则正向演绎系统
4．2．2 规则逆向演绎系统
4．2．3 规则双向演绎系统
4．3 产生式系统
4．3．1 产生式系统的组成及表示
4．3．2 正向与反向推理
4．4 不确定性推理
4．4．1 概率推理
4．4．2 贝叶斯推理
4．4．3 模糊逻辑推理与可能性理论
4．5 非单调推理
4．5．1 缺省推理
4．5．2 非单调推理系统
第5章 机器学习
5．1 机器学习的研究意义与发展历史
5．1．1 机器学习的定义和研究意义
5．1．2 机器学习的发展史
5．2 机器学习的主要策略与基本结构
5．3 常见的几种学习方法
5．3．1 机械学习
5．3．2 基于解释的学习
5．3．3 基于事例的学习
5．3．4 基于概念的学习
5．3．5 基于类比的学习
5．3．6 归纳学习
5．3．7 强化学习
5．4 基于神经网络的学习
5．4．1 神经网络的组成与特性
5．4．2 基于反向传播网络的学习
5．4．3 基于Hopfield网络的学习
5．4．4 基于神经网络的推理
第6章 规划系统
6．1 规划的作用与任务
6．1．1 规划的概念
6．1．2 规划的作用与主要问题
6．2 基于谓词逻辑的规划
6．2．1 规划世界模型的谓词逻辑表示
6．2．2 基于谓词逻辑规划的基本过程
6．3 STRIPS规划系统
6．3．1 积木世界的机器人规划
6．3．2 STRIPS规划系统
6．4 分层规划
6．4．1 长度优先搜索
6．4．2 NOAH规划系统
第7章 专家系统
7．1 专家系统概述
7．1．1 专家系统的一般特点
7．1．2 专家系统的结构与类型
7．2 基于规则的专家系统
7．2．1 基于规则的专家系统的基本结构
7．2．2 基于规则的专家系统举例
7．3 基于框架的专家系统
7．3．1 基于框架的专家系统的概念
7．3．2 基于框架的专家系统举例
7．4 基于模型的专家系统
7．4．1 基于模型的专家系统的概念
7．4．2 基于模型的专家系统举例
7．5 专家系统的设计、评价与开发
7．5．1 专家系统的设计
7．5．2 专家系统的评价
7．5．3 专家系统的开发工具
7．6 专家系统设计举例
7．6．1 专家知识的描述
7．6．2 知识的使用
7．6．3 决策的解释
7．6．4 MYCIN系统概述
第8章 自然语言理解
8．1 语言及其理解的一般问题
8．1．1 语言和语言理解
8．1．2 自然语言理解研究的进展
8．1．3 自然语言理解过程的层次
8．2 句法和语法的自动分析
8．2．1 句法模式匹配和转移网络
8．2．2 扩充转移网络
8．2．3 词汇功能语法
8．2．4 语义的解析
8．3 语言理解
8．3．1 简单句的理解方法
8．3．2 复合句的理解方法
8．4 机器翻译
8．5 语音识别
8．5．1 语音识别的发展历史
8．5．2 语音识别的基本原理
8．5．3 语音识别中的难点
8．5．4 语音识别的关键技术
8．6 应用举例
8．6．1 自然语言自动理解系统
8．6．2 机器翻译系统ARIANE
8．6．3 自然语言问答系统
第9章 智能控制
9．1 智能控制概述
9．1．1 智能控制的产生和发展
9．1．2 智能控制的定义
9．2 智能控制的研究领域
9．3 智能控制的学科结构理论
9．3．1 二元结构理论
9．3．2 三元结构理论
9．3．3 四元结构理论
9．4 智能控制的特点与系统一般结构
9．4．1 智能控制的特点
9．4．2 智能控制系统的一般结构
9．5 智能控制系统
9．5．1 递阶智能控制系统
9．5．2 专家控制系统
9．5．3 模糊控制系统
9．5．4 学习控制系统
9．5．5 神经控制系统
9．5．6 进化控制系统
第10章 人工智能程序设计
10．1 符号和逻辑处理编程语言
10．2 LISP语言
10．2．1 LISP的特点和数据结构
10．2．2 LISP的基本函数
10．2．3 递归和迭代
10．2．4 LISP编程举例
10．3 PROLOG语言
10．3．1 语法与数据结构
10．3．2 PROLOG程序设计原理
10．3．3 PROLOG编程举例
10．4 专用开发工具与人工智能机
附录 网络课程使用说明
参考文献