人工智能：复杂问题求解的结构和策略（目录）

更多内容敬请期待

------------------------------------------------------------

主要内容

第一部 人工智能：起源和范围

1 AI：早期的历史和应用

1.1 从亚当到ENIAC：对智能，知识和人工的看法

1.2 AI应用领域概览

1.3 人工智能摘要

第二部 用于表示和搜索的人工智能

2 谓词演算

2.0 介绍

2.1 命题演算

2.2 谓词演算

2.3 利用推理法则产生谓词演算表达式

2.4 应用：一个基于逻辑的商业顾问

3 状态空间搜索的结构和策略

3.0 介绍

3.1 图论

3.2 状态空间搜索的策略

3.3 利用谓词演算使用状态空间实现推理的描述

4 Heuristic Search

4 启发式搜索

4.0 介绍

4.1 Hill-Climbing and Dynamic Programming

4.1 爬山算法和动态程序设计

4.2 The Best-First Search Algorithm

4.2 首次最适用搜索算法

4.3 适应性，单调性和知识性

4.4 在游戏中使用启发

4.5 Complexity Issues

4.5 复杂度论题

5 Stochastic Methods

5 随机方法

5.0 介绍

5.1 The Elements of Counting

5.1 计数原理

5.2 Elements of Probability Theory

5.2 概率论原理

5.3 随机性方法论的应用

5.4 Bayes' Theorem

5.4 贝叶斯法则

6 构建状态空间搜索的控制算法

6.0 介绍

6.1 基于递归的搜索

6.2 产品系统

6.3 问题解法的黑板体系结构

第三部 表示与智能：AI的挑战

7 知识的表示法

7.0 Issues in Knowledge Representation

7.0 知识表示法中的论题

7.1 AI表示法方案的历史梗概

7.2 概念图：一个网络语言

7.3 显式表示法的取舍

7.4 基于代理和分布式的问题解法

8 问题解法的强方法

8.0 介绍

8.1 专家系统技术的概览

8.2 Rule-Based Expert Systems

8.2 基于规则的专家系统

8.3 基于模式，基于案例，和混杂式系统

8.4 计划

9 Reasoning in Uncertain Situations

9 非确定性状态推理

9.0 介绍

9.2 基于逻辑的诱导式推理

9.2 诱导：逻辑的取舍

9.3 非确定性的随机方案

第四部 机器学习

10 Machine Learning: Symbol-Based

10 机器学习：基于符号

10.0 介绍

10.1 基于符号式学习的框架

10.2 Version Space Search

10.2 版本空间搜索

10.3 ID3决策树的归纳算法

10.4 归纳偏移和可学习性

10.5 知识和学习

10.6 无监督式学习

10.7 Reinforcement Learning

10.7 加强学习

11 Machine Learning: Connectionist

11 机器学习：联结主义

11.0 介绍

11.1 联结网络的基础

11.2 Perceptron Learning

11.2 感知机学习

11.2 背景传播式学习

11.4 Competitive Learning

11.4 竞争式学习

11.5 Hebbian一致式学习

11.6 Attractor Networks or "Memories"

11.6 吸引子网络或“记忆”

12 机器学习：关系和涌现

12.0 学习的关系和涌现模型

12.1 The Genetic Algorithm

12.1 遗传算法

12.2 分类系统和遗传算法程序设计

12.3 人工生命以及基于关系的学习

第五部 AI问题解法的优势课题

13 Automated Reasoning

12 自动机推理

13.0 定理证明方面的弱方法介绍

13.1 通用问题求解机和微分表

13.2 定理证明解析

13.3 PROLOG和自动机推理

13.4 自动机推理中的深层次问题

14 Understanding Natural Language

14 自然语言理解

14.0 自然语言理解问题

14.1 语言解构：符号分析

14.2 语法

14.3 带有ATN剖析器的语法和知识

14.4 语言分析的随机工具

14.5 自然语言应用

第六部 人工智能的语言和程序设计技术

15 Prolog的介绍

15.0 介绍

15.1 Syntax for Predicate Calculus Programming

15.2 谓词演算程序设计的语法

15.2 Abstract Data Types (ADTs) in PROLOG

15.2 PROLOG中抽象数据类型（ADTs）

15.3 PROLOG中的一个产品系统实例

15.4 设计交叉选择搜索策略

15.5 一个PROLOG计划机

15.6 PROLOG：元谓词，类型和一致性

15.7 PROLOG中的元解释器

15.8 PROLOG中的学习算法

15.9 PROLOG中的自然语言处理

16 Lisp介绍

16.0 介绍

16.1 LISP：概览

16.2 LISP中的搜索：农民，狼，山羊和卷心菜问题的功能设计

16.3 高序函数和抽象

16.4 Search Strategies in LISP

16.4 LISP中的搜索策略

16.5 Pattern Matching in LISP

16.5 LISP中的模式匹配

16.6 A Recursive Unification Function

16.6 一个递归一致的函数

16.7 解释器和嵌入式语言

16.8 LISP中的逻辑程序设计

16.9 流和延时评价

16.10 LISP中的一个专家系统Shell

16.11 LISP中的语义网络和继承

16.12 使用CLOS进行面向对象程序设计

16.13 LISP中的学习：ID3算法

第七部 尾声

17 面对经验主义质询的人工智能

17.0 介绍

17.1 人工智能：一个修订的定义

17.2 智能系统科学

17.3 AI:当前的挑战和未来的发展方向



更多内容