人工智能导论

本书是作者在多年从事人工智能教学基础上吸收了现有人工智能教材中的精华而形成的具有自身特色的教材。本书系统介绍了人工智能的基本原理、方法和技术，并反映了国内外人工智能研究领域的最新进展。 全书共8章。第1章阐述了人工智能的基本概念、研究和应用概况以及最新进展；第2、3章介绍人工智能基本原理、方法和技术，主要包括问题求解的基本方法和知识表示；第4、5章介绍人工智能的基本推理技术，包括经典逻辑推理和不确定性推理及非单调推理；第6章讨论了计算智能理论，包括模糊计算、神经网络计算和遗传算法；第7、8章讨论了专家系统和机器学习等研究领域的有关概念和系统构成技术。 本书可作为高等院校计算机科学与技术专业或相关专业高年级本科生和研究生教材，也可供从事人工智能研究和应用的科技工作者及同等学力申请硕士学位人员参考。

暂缺《人工智能导论》作者简介

第1章
绪论
1.1 人工智能概述
1.2 人工智能的研究目标及基本内容
1.3 人工智能的发展历程
1.4 人工智能的主要研究与应用领域
习题
第2章 问题求解的基本原理
2.1 概述
2.2 盲目搜索策略
2.3 启发式搜索策略
2.4 与/或树的搜索策略
2.5 博弈树搜索策略
2.6 约束满足搜索策略
习题
第3章 知识表示
3.1 基本概念
3.2 一阶谓词逻辑表示法
3.3 产一式表示法
3.4 框架表示法
3.5 语义网络表示法
3.6 面向对象表示法
3.7 Petri网表示法
习题
第4章 经典逻辑推理
4.1 概述
4.2 命题逻辑推理
4.3 谓词逻辑推理
4.4 归结的完备性和合理性
4.5 基于规则的演绎推理
习题
第5章 高级知识推理
5.1 经典逻辑系统的局限性
5.2 非单调推理
5.3 不确定性推理
习题
第6章 计算智能
6.1 计算智能概述
6.2 模糊计算
6.3 神经计算
6.4 进化计算
习题
第7章 专家系统
7.1 专家系统概述
7.2 问题求解的组织结构
7.3 知识获取
7.4 开发专家系统
7.5 专家系统开发工具
7.6 专家系统实例----MYCIN剖析
7.7 专家系统进展
习题
第8章 机器学习
8.1 机器学习概述
8.2 机械学习
8.3 指导式学习
8.4 类比学习
8.5 解释学习
8.6 归纳学习
习题
参考文献