绪论
0．1 人工智能的研究目标
0．2 人工智能发展简史
0．3 人工智能研究的课题
第一章 产生式系统
1．1 产生式系统的组成部分
1．2 产生式系统的基本过程
1．3 产生式系统的控制策略
1．4 问题的表示
1．5 产生式系统的类型
1．6 小结
习题
第二章 产生式系统的搜索策略
2．1 回溯策略(backtracking strategies)
2．2 图搜索策略
2．3 无信息图搜索过程
2．4 启发式图搜索过程
2．5 按索算法讨论
2．6 小结
习题
第三章 可分解产生式系统的搜索策略
3．1 与或图的搜索
3．2 与或图的启发式按索算法ao
3．3 博弈树的搜索
3．4 小结
习题
第四章 人工智能中的调词演算及应用
4．1 一阶谓词演算的基本体系
4．2 归结(消解resolution)
4.3 归结反演系统(refutation)
4，4 基于归结法的问答系统
4．5 基于归结的自动程序综合
4．6 基于归结的问题求解方法
4，7 基于规则的正向演绎系统
4．8 基于规则的逆向演绎系统
4．9 基于规则的演绎系统的几个问题
4．10 小结
习题
第五章 人工智能系统规划方法
5.1 规划(planning)
5．2 机器人问题求解
5．3 规划的表示问题
5.4 使用目标堆栈的简单规划方法
5．5 用目标集的非线性规划方法
5.6 分层规划方法
5.7 小结
习题
第六章 人工智能语言
6．1 lisp
6.2 planner
6．3 prolog
6.4 专家系统工具
6.5 小结
习题
第七章 知识表示
7．1 单元表示
7．2 语义网络
7．3 概念从属
7．4 框架
7．5 脚本
7．6 过程表示
7．7 小结
习题
第八章 自然语自理解
8．1 引言
8．2 简单句理解
8．3 复合句理解
8．4 语言生成
8．5 机器翻译
8．6 小结
习题
第九章 感知
9．1 感知问题概述
9．2 求解感知问题所使用的技术
9，3 约束满足法
9．4 小结
习题
第十章 学习
10．1 概述
10．2 机器学习的分类
10．3 机械(或死记)学习(rote learning)
20．4 指点或教授学习(learning by being told)
20．5 类比学习(learning by analogy)
10．6 概念学习(concept learning)
10．7 发现学习(discovery as learning)
10.8 小结
习题
参考文献
展开
