<內容簡介>
 
本書系統地介紹了人工智能的基本原理、方法和應用技術，全面反映了國內外人工智能研究領域的進展和發展方向。全書共12章。第1章簡要介紹了人工智能的概況。第2~6章闡述了人工智能的基本原理和方法，重點論述了知識表示、自動推理、機器學習和神經網絡等。第7章和第8章介紹了專家系統、自然語言處理等應用技術。第9~11章闡述了當前人工智能的研究熱點，包括分佈式人工智能與智能體、智能機器人和因特網智能等。第12章探討了類腦智能，展望人工智能的發展。本書力求科學性、實用性和先進性，可讀性好。內容由淺入深、循序漸進，條理清晰，讓學生在有限的時間內掌握人工智能的基本原理與應用技術，提高對人工智能習題的求解能力。本書可以作為高等院校計算機科學與技術、自動化等相關專業的研究生和高年級本科生的人工智能課程教材，也可以供從事人工智能研究與應用的科技人員學習參考。

<目錄>
 
出版說明
前言
第1章緒論1 1
什麼是人工智能1 2人
工智能的起源與發展歷史1 3
人工智能研究的基本內容1 3 1
認知建模1 3 2知識表示1 3 3
自動推理1 3 4機器學習1 4
人工智能研究的主要學派1 4 1
符號主義1 4 2
連接主義1 4 3
行為主義1 5
人工智能的應用1 6
小結和展望習題
第2章知識表示2 1
概述2 2
謂詞邏輯2 3
產生式系統2 4
語義網絡2 4 1
語義網絡的概念和結構2 4 2
複雜知識的表示2 4 3
常用的語義聯繫2 5框架2 5 1框架結構2 5 2框架網絡2 5 3推理方法2 6狀態空間2 7面向對象的知識表示2 8腳本2 8 1腳本描述2 8 2概念依賴關係2 9本體2 10小結習題第3章自動推理3 1概述3 2三段論推理3 3盲目搜索3 3 1深度優先搜索3 3 2寬度優先搜索3 3 3迭代加深搜索3 4回溯策略3 5啟發式搜索3 5 1啟發性信息和評估函數3 5 2爬山算法3 5 3模擬退火算法3 5 4好優先算法3 5 5通用圖搜索算法3 5 6A*算法3 5 7迭代加深A*算法3 6與或圖啟發式搜索3 6 1問題歸約的描述3 6 2與或圖表示3 6 3AO*算法3 7博弈搜索3 7 1極大極小過程3 7 2 α - ​​β過程3 8歸結演繹推理3 8 1子句型3 8 2置換和合一3 8 3合一算法3 8 4歸結式3 8 5歸結反演3 8 6答案的提取3 8 7歸結反演的搜索策略3 9產生式系統3 9 1產生式系統的基本結構3 9 2正向推理3 9 3反向推理3 9 4混合推理3 10自然演繹推理3 11非單調推理3 11 1默認推理3 11 2限制推理3 12小結習題第4章不確定性推理4 1概述4 1 1不確定性知識分類4 1 2不確定性推理的基本問題4 1 3不確定性推理方法分類4 2可信度方法4 2 1建造醫學專家系統時的問題4 2 2可信度模型4 2 3確定性方法的說明4 3主觀貝葉斯方法4 3 1貝葉斯公式4 3 2知識不確定性的表示4 3 3證據不確定性的表示4 3 4組合證據不確定性的計算4 3 5不確定性的傳遞算法4 3 6結論不確定性的合成4 4證據理論4 4 1假設的不確定性4 4 2證據的組 ​​合函數4 4 3規則的不確定性4 4 4不確定性的組合4 5模糊邏輯和模糊推理4 5 1模糊集合及其運算4 5 2語言變量4 5 3模糊邏輯4 5 4模糊推理4 6小結習題第5章機器學習5 1機器學習概述5 1 1簡單的學習模型5 1 2什麼是機器學習5 1 3機器學習的研究概況5 2歸納學習5 2 1歸納學習的基本概念5 2 2變型空間學習5 2 3決策樹5 3類比學習5 3 1 ​​相似性5 3 2轉換類比5 3 3基於案例的推理5 3 4遷移學習5 4統計學習5 4 1邏輯回歸5 4 2支持向量機5 4 3提升方法5 5強化學習5 5 1強化學習模型5 5 2學習自動機5 5 3自適應動態程序設計5 5 4Q-學習5 6進化計算5 6 1達爾文進化算法5 6 2遺傳算法5 6 3進化策略5 6 4進化規劃5 7群體智能5 7 1蟻群算法5 7 2粒子群優化5 8知識發現5 9小結習題第6章神經網絡6 1概述6 2神經信息處理的基本原理