人工智能（第3版） / 21世纪高等学校计算机专业实用规划教材
￥59.00定价
作者： 朱福喜
出版时间：2017年1月
出版社：清华大学出版社
- 清华大学出版社
- 9787302458876
- 3-1
- 49892
- 16开
- 2017年1月
- 工学
- 计算机科学与技术
- TP18
- 计算机
- 本专科、高职高专
内容简介
本书系统地阐述了人工智能的基本原理、实现技术及其应用，全面地反映了国内外人工智能研究领域的*进展和发展方向。全书共19章，分为4个部分： 第1部分是搜索与问题求解，用8章的篇幅系统地叙述了人工智能中各种搜索方法求解的原理和方法，内容包括状态空间和传统的图搜索算法、和声算法、禁忌搜索算法、遗传算法、免疫算法、粒子群算法、蚁群算法和Agent技术等；第2部分为知识与推理，用4章的篇幅讨论各种知识表示和处理技术、各种典型的推理技术，还包括非经典逻辑推理技术和非协调逻辑推理技术；第3部分为学习与发现，用3章的篇幅讨论传统的机器学习算法、神经网络学习算法、数据挖掘和知识发现技术；第4部分为领域应用，用3章分别讨论专家系统开发技术和自然语言处理原理和方法。 这些内容能够使读者对人工智能的基本概念和人工智能系统的构造方法有一个比较清楚的认识，对人工智能研究领域里的*成果有所了解。 本书强调先进性、实用性和可读性，可作为计算机、信息处理、自动化和电信等IT相关专业的高年级本科生和研究生学习人工智能的教材，也可供从事计算机科学研究、开发和应用的教学和科研人员参考。
目录
目录
第1章概述
1.1人工智能概述
1.2AI的产生及主要学派
1.3人工智能、专家系统和知识工程
1.4AI模拟智能成功的标准
1.5人工智能应用系统
1.6人工智能的技术特征
习题1
第1部分搜索与问题求解
第2章用搜索求解问题的基本原理
2.1搜索求解问题的基本思路
2.2实现搜索过程的三大要素
2.2.1搜索对象
2.2.2扩展规则
2.2.3目标测试
2.3通过搜索求解问题
2.4问题特征分析
2.4.1问题的可分解性
2.4.2问题求解步骤的撤回
2.4.3问题全域的可预测性
2.4.4问题要求的解的满意度
习题2
第3章搜索的基本策略
3.1盲目搜索方法
3.1.1宽度优先搜索
3.1.2深度优先搜索
3.1.3分支有界搜索
3.1.4迭代加深搜索
3.1.5一个盲目搜索问题的几种实现
3.2启发式搜索
3.2.1启发式信息的表示
3.2.2几种最基本的搜索策略
3.3随机搜索
3.3.1模拟退火法
3.3.2其他典型的随机搜索算法
习题3
第4章图搜索策略
4.1或图搜索策略
4.1.1通用或图搜索算法
4.1.2A算法与A*算法
4.2与/或图搜索
4.2.1问题归约求解方法与“与/或图”
4.2.2与/或图搜索
4.2.3与/或图搜索的特点
4.2.4与/或图搜索算法AO*
4.2.5对AO*算法的进一步观察
4.2.6用AO*算法求解一个智力难题
习题4
第5章博弈与搜索
5.1人机大战
5.1.1国际象棋人机大战
5.1.2围棋人机大战
5.2博弈与对策
5.3极小极大搜索算法
5.3.1极小极大搜索的思想
5.3.2极小极大搜索算法
5.3.3算法分析与举例
5.4α-β剪枝算法
习题5
第6章演化搜索算法
6.1遗传算法的基本概念
6.1.1遗传算法的基本定义
6.1.2遗传算法的基本流程
6.2遗传编码
6.2.1二进制编码
6.2.2Gray编码
6.2.3实数编码
6.2.4有序编码
6.2.5结构式编码
6.3适应值函数
6.4遗传操作
6.4.1选择
6.4.2交叉操作
6.4.3变异操作
6.5初始化群体
6.6控制参数的选取
6.7算法的终止准则
6.8遗传算法的基本理论
6.8.1模式定理
6.8.2隐含并行性
6.8.3构造块假设
6.8.4遗传算法的收敛性
6.9遗传算法简例
6.10遗传算法的应用领域
6.11免疫算法
6.11.1免疫算法的发展
6.11.2免疫算法的基本原理
6.11.3生物免疫系统与人工免疫系统的对应关系
6.11.4免疫算法的基本类型和步骤
6.12典型免疫算法分析
6.12.1阴性选择算法
6.12.2免疫遗传算法
6.12.3克隆选择算法
6.12.4基于疫苗的免疫算法
6.13免疫算法设计分析
6.14免疫算法与遗传算法比较
6.14.1免疫算法与遗传算法的基本步骤比较
6.14.2免疫算法与遗传算法不同之处
6.14.3仿真实验及讨论
6.15免疫算法研究的展望
习题6
第7章群集智能算法
7.1群集智能算法的研究背景
7.2群集智能的基本算法介绍
7.2.1蚁群算法
7.2.2flock算法
7.2.3粒子群算法
7.3集智系统介绍
7.3.1人工鱼
7.3.2Terrarium世界
7.4群集智能的优缺点
习题7
第8章记忆型搜索算法
8.1禁忌搜索算法
8.1.1禁忌搜索算法的基本思想
8.1.2禁忌搜索算法的基本流程
8.1.3禁忌搜索示例
8.1.4禁忌搜索算法的基本要素分析
8.1.5禁忌搜索算法流程的特点
8.1.6禁忌搜索算法的改进
8.2和声搜索算法
8.2.1和声搜索算法简介和原理
8.2.2算法应用
8.2.3算法比较与分析
习题8
第9章基于Agent的搜索
9.1DAI概述
9.2分布式问题求解
9.3Agent的定义
9.3.1Agent的弱定义
9.3.2Agent的强定义
9.4Agent的分类
9.4.1按功能划分
9.4.2按属性划分
9.5Agent通信
9.5.1Agent通信概述
9.5.2言语动作
9.5.3SHADE通信机制
9.6移动Agent
9.6.1移动Agent系统的一般结构
9.6.2移动Agent的分类
9.6.3移动Agent的优点
9.6.4移动Agent的技术难点
9.6.5移动Agent技术的标准化
9.7移动Agent平台的介绍
9.7.1General Magic公司的Odysses
9.7.2IBM公司的Aglet
习题9
第2部分知识与推理
第10章知识表示与处理方法
10.1概述
10.1.1知识和知识表示的含义
10.1.2知识表示方法分类
10.1.3AI对知识表示方法的要求
10.1.4知识表示要注意的问题
10.2逻辑表示法
10.3产生式表示法
10.3.1产生式系统的组成
10.3.2产生式系统的知识表示
10.3.3产生式系统的推理方式
10.3.4产生式规则的选择与匹配
10.3.5产生式表示的特点
10.4语义网络表示法
10.4.1语义网络结构
10.4.2二元语义网络的表示
10.4.3多元语义网络的表示
10.4.4连接词和量词的表示
10.4.5语义网络的推理过程
10.4.6语义网络的一般描述
10.5框架表示法
10.5.1框架理论
10.5.2框架结构
10.5.3框架表示下的推理
10.6过程式知识表示
习题10
第11章谓词逻辑的归结原理及其应用
11.1命题演算的归结方法
11.1.1基本概念
11.1.2命题演算的归结方法
11.2谓词演算的归结
11.2.1谓词演算的基本问题
11.2.2将公式化成标准子句形式的步骤
11.2.3合一算法
11.2.4变量分离标准化
11.2.5谓词演算的归结算法
11.3归结原理
11.3.1谓词演算的基本概念
11.3.2归结方法可靠性证明
11.3.3归结方法的完备性
11.4归结过程的控制策略
11.4.1简化策略
11.4.2支撑集策略
11.4.3线性输入策略
11.4.4几种推理规则及其应用
11.5应用实例
11.5.1归约在逻辑电路设计中的应用
11.5.2利用推理破案的实例
习题11
第12章非经典逻辑的推理
12.1非单调推理
12.1.1单调推理与非单调推理的概念
12.1.2默认逻辑
12.1.3默认逻辑非单调推理系统
12.2DempsterShater（DS）证据理论
12.2.1识别框架
12.2.2基本概率分配函数
12.2.3置信函数Bel(A)
12.2.4置信区间
12.2.5证据的组合函数
12.2.6DS理论的评价
12.3不确定性推理
12.3.1不确定性
12.3.2主观概率贝叶斯方法
12.4MYCIN系统的推理模型
12.4.1理论和实际的背景
12.4.2MYCIN模型
12.4.3MYCIN模型分析
12.4.4MYCIN推理网络的基本模式
12.4.5MYCIN推理模型的评价
12.5模糊推理
12.5.1模糊集论与模糊逻辑
12.5.2Fuzzy聚类分析
12.6基于案例的推理
12.6.1基于案例推理的基本思想
12.6.2案例的表示与组织
12.6.3案例的检索
12.6.4案例的改写
12.7归纳法推理
12.7.1归纳法推理的理论基础
12.7.2归纳法推理的基本概念
12.7.3归纳法推理中的主要难点
12.7.4归纳法推理的应用
习题12
第13章次协调逻辑推理
13.1次协调逻辑的含义
13.1.1传统的人工智能与经典逻辑
13.1.2人工智能中不协调的数据和知识库
13.1.3次协调逻辑
13.2注解谓词演算
13.2.1多真值格
13.2.2注解逻辑
13.2.3注解谓词公式的语义
13.2.4APC中的不协调、非、蕴涵
13.3基于APC的SLDa推导和SLDa反驳
13.3.1SLDa推导和SLDa反驳
13.3.2注解逻辑推理方法
13.3.3注解逻辑推理举例
13.4注解逻辑的归结原理
13.5应用实例
13.6控制策略
习题13
第3部分学习与发现
第14章机器学习
14.1概述
14.1.1机器学习的定义和意义
14.1.2机器学习的研究简史
14.1.3机器学习方法的分类
14.1.4机器学习中的推理方法
14.2归纳学习
14.2.1归纳概念学习的定义
14.2.2归纳概念学习的形式描述
14.2.3归纳概念学习算法的一般步骤
14.2.4归纳概念学习的基本技术
14.3基于解释的学习
14.3.1基于解释学习的基本原理
14.3.2基于解释学习的一般框架
14.3.3基于解释的学习过程
14.4基于类比的学习
14.4.1类比学习的一般原理
14.4.2类比学习的表示
14.4.3类比学习的求解
14.4.4逐步推理和监控的类比学习
习题14
第15章人工神经网络
15.1人工神经网络的特点
15.2人工神经网络的基本原理
15.3人工神经网络的基本结构模式
15.4人工神经网络互连结构
15.5神经网络模型分类
15.6几种基本的神经网络学习算法介绍
15.6.1Hebb型学习
15.6.2误差修正学习方法
15.6.3随机型学习
15.6.4竞争型学习
15.6.5基于记忆的学习
15.6.6结构修正学习
15.7几种典型神经网络简介
15.7.1单层前向网络
15.7.2多层前向网络及BP学习算法
15.7.3Hopfield神经网络
15.8人工神经网络与人工智能其他技术的比较
15.9人工神经网络的应用领域
习题15
第16章数据挖掘与知识发现
16.1数据挖掘
16.1.1数据挖掘的定义与发展
16.1.2数据挖掘研究的主要内容
16.1.3数据挖掘的特点
16.1.4数据挖掘的分类
16.1.5数据挖掘常用的技术
16.1.6数据挖掘过程
16.1.7数据挖掘研究面临的困难
16.1.8关联规则挖掘
16.1.9聚类分析
16.2Web挖掘
16.2.1Web挖掘概述
16.2.2Web内容挖掘
16.2.3Web结构挖掘
16.2.4Web使用挖掘
16.2.5Web数据挖掘的技术难点
16.2.6XML与Web数据挖掘技术
16.3文本挖掘
16.3.1文本挖掘的概念
16.3.2文本挖掘预处理
16.3.3文本挖掘的关键技术
16.3.4文本挖掘系统的评价标准
习题16
第4部分领域应用
第17章专家系统
17.1专家系统概述
17.1.1专家系统的定义
17.1.2专家系统的结构
17.1.3专家系统的特点
17.1.4专家系统的类型
17.1.5几个成功的专家系统简介
17.2专家系统中的知识获取
17.2.1概述
17.2.2知识获取的直接方法
17.2.3知识获取的新进展
17.3专家系统的解释机制
17.3.1预制文本解释法
17.3.2路径跟踪解释法
17.3.3自动程序员解释法
17.3.4策略解释法
17.4专家系统开发工具与环境
17.4.1专家系统开发工具的基本概念
17.4.2专家系统工具JESS
17.4.3JESS中的Rete匹配算法和逆向推理机制
17.5专家系统开发
17.5.1专家系统开发的步骤
17.5.2专家系统开发方法
17.6专家系统开发实例
17.6.1动物识别专家系统
17.6.2MYCIN专家系统
习题17
第18章自然语言处理
18.1语言的组成
18.1.1自然语言的基本要素
18.1.2实词和虚词
18.1.3短语结构
18.2上下文无关语法
18.2.1重写规则
18.2.2语法分析
18.3上下文无关语法分析
18.3.1产生后继状态的算法
18.3.2利用词典
18.3.3建立语法分析树
18.4特殊语法的分析
18.4.1引进特征
18.4.2特征匹配
18.5利用图表的高效语法分析
18.5.1chart数据结构
18.5.2有多种解释的句子
18.6语义解释
18.6.1词的意思
18.6.2利用特征的语义解释
18.6.3词义排歧
18.7生成自然语言
18.8在上下文中的自然语言
18.8.1言语的行为
18.8.2创建引用
18.8.3处理数据库的断言和问题
习题18
第19章智能机器人
19.1智能机器人的定义
19.2智能机器人的分类
19.2.1工业机器人
19.2.2服务机器人
19.2.3军用机器人
19.2.4仿生机器人
19.2.5网络机器人
19.3智能机器人的关键技术
19.3.1导航技术
19.3.2路径规划技术
19.3.3机器人视觉技术
19.3.4智能控制技术
19.3.5智能认知与感知技术
19.3.6多模式网络化交互技术
19.4智能机器人未来的发展
19.4.1人工智能技术的应用
19.4.2云机器人
19.4.3移动技术
19.4.4仿生技术
19.4.5机器人体系结构
习题19
参考文献
第1章概述
1.1人工智能概述
1.2AI的产生及主要学派
1.3人工智能、专家系统和知识工程
1.4AI模拟智能成功的标准
1.5人工智能应用系统
1.6人工智能的技术特征
习题1
第1部分搜索与问题求解
第2章用搜索求解问题的基本原理
2.1搜索求解问题的基本思路
2.2实现搜索过程的三大要素
2.2.1搜索对象
2.2.2扩展规则
2.2.3目标测试
2.3通过搜索求解问题
2.4问题特征分析
2.4.1问题的可分解性
2.4.2问题求解步骤的撤回
2.4.3问题全域的可预测性
2.4.4问题要求的解的满意度
习题2
第3章搜索的基本策略
3.1盲目搜索方法
3.1.1宽度优先搜索
3.1.2深度优先搜索
3.1.3分支有界搜索
3.1.4迭代加深搜索
3.1.5一个盲目搜索问题的几种实现
3.2启发式搜索
3.2.1启发式信息的表示
3.2.2几种最基本的搜索策略
3.3随机搜索
3.3.1模拟退火法
3.3.2其他典型的随机搜索算法
习题3
第4章图搜索策略
4.1或图搜索策略
4.1.1通用或图搜索算法
4.1.2A算法与A*算法
4.2与/或图搜索
4.2.1问题归约求解方法与“与/或图”
4.2.2与/或图搜索
4.2.3与/或图搜索的特点
4.2.4与/或图搜索算法AO*
4.2.5对AO*算法的进一步观察
4.2.6用AO*算法求解一个智力难题
习题4
第5章博弈与搜索
5.1人机大战
5.1.1国际象棋人机大战
5.1.2围棋人机大战
5.2博弈与对策
5.3极小极大搜索算法
5.3.1极小极大搜索的思想
5.3.2极小极大搜索算法
5.3.3算法分析与举例
5.4α-β剪枝算法
习题5
第6章演化搜索算法
6.1遗传算法的基本概念
6.1.1遗传算法的基本定义
6.1.2遗传算法的基本流程
6.2遗传编码
6.2.1二进制编码
6.2.2Gray编码
6.2.3实数编码
6.2.4有序编码
6.2.5结构式编码
6.3适应值函数
6.4遗传操作
6.4.1选择
6.4.2交叉操作
6.4.3变异操作
6.5初始化群体
6.6控制参数的选取
6.7算法的终止准则
6.8遗传算法的基本理论
6.8.1模式定理
6.8.2隐含并行性
6.8.3构造块假设
6.8.4遗传算法的收敛性
6.9遗传算法简例
6.10遗传算法的应用领域
6.11免疫算法
6.11.1免疫算法的发展
6.11.2免疫算法的基本原理
6.11.3生物免疫系统与人工免疫系统的对应关系
6.11.4免疫算法的基本类型和步骤
6.12典型免疫算法分析
6.12.1阴性选择算法
6.12.2免疫遗传算法
6.12.3克隆选择算法
6.12.4基于疫苗的免疫算法
6.13免疫算法设计分析
6.14免疫算法与遗传算法比较
6.14.1免疫算法与遗传算法的基本步骤比较
6.14.2免疫算法与遗传算法不同之处
6.14.3仿真实验及讨论
6.15免疫算法研究的展望
习题6
第7章群集智能算法
7.1群集智能算法的研究背景
7.2群集智能的基本算法介绍
7.2.1蚁群算法
7.2.2flock算法
7.2.3粒子群算法
7.3集智系统介绍
7.3.1人工鱼
7.3.2Terrarium世界
7.4群集智能的优缺点
习题7
第8章记忆型搜索算法
8.1禁忌搜索算法
8.1.1禁忌搜索算法的基本思想
8.1.2禁忌搜索算法的基本流程
8.1.3禁忌搜索示例
8.1.4禁忌搜索算法的基本要素分析
8.1.5禁忌搜索算法流程的特点
8.1.6禁忌搜索算法的改进
8.2和声搜索算法
8.2.1和声搜索算法简介和原理
8.2.2算法应用
8.2.3算法比较与分析
习题8
第9章基于Agent的搜索
9.1DAI概述
9.2分布式问题求解
9.3Agent的定义
9.3.1Agent的弱定义
9.3.2Agent的强定义
9.4Agent的分类
9.4.1按功能划分
9.4.2按属性划分
9.5Agent通信
9.5.1Agent通信概述
9.5.2言语动作
9.5.3SHADE通信机制
9.6移动Agent
9.6.1移动Agent系统的一般结构
9.6.2移动Agent的分类
9.6.3移动Agent的优点
9.6.4移动Agent的技术难点
9.6.5移动Agent技术的标准化
9.7移动Agent平台的介绍
9.7.1General Magic公司的Odysses
9.7.2IBM公司的Aglet
习题9
第2部分知识与推理
第10章知识表示与处理方法
10.1概述
10.1.1知识和知识表示的含义
10.1.2知识表示方法分类
10.1.3AI对知识表示方法的要求
10.1.4知识表示要注意的问题
10.2逻辑表示法
10.3产生式表示法
10.3.1产生式系统的组成
10.3.2产生式系统的知识表示
10.3.3产生式系统的推理方式
10.3.4产生式规则的选择与匹配
10.3.5产生式表示的特点
10.4语义网络表示法
10.4.1语义网络结构
10.4.2二元语义网络的表示
10.4.3多元语义网络的表示
10.4.4连接词和量词的表示
10.4.5语义网络的推理过程
10.4.6语义网络的一般描述
10.5框架表示法
10.5.1框架理论
10.5.2框架结构
10.5.3框架表示下的推理
10.6过程式知识表示
习题10
第11章谓词逻辑的归结原理及其应用
11.1命题演算的归结方法
11.1.1基本概念
11.1.2命题演算的归结方法
11.2谓词演算的归结
11.2.1谓词演算的基本问题
11.2.2将公式化成标准子句形式的步骤
11.2.3合一算法
11.2.4变量分离标准化
11.2.5谓词演算的归结算法
11.3归结原理
11.3.1谓词演算的基本概念
11.3.2归结方法可靠性证明
11.3.3归结方法的完备性
11.4归结过程的控制策略
11.4.1简化策略
11.4.2支撑集策略
11.4.3线性输入策略
11.4.4几种推理规则及其应用
11.5应用实例
11.5.1归约在逻辑电路设计中的应用
11.5.2利用推理破案的实例
习题11
第12章非经典逻辑的推理
12.1非单调推理
12.1.1单调推理与非单调推理的概念
12.1.2默认逻辑
12.1.3默认逻辑非单调推理系统
12.2DempsterShater（DS）证据理论
12.2.1识别框架
12.2.2基本概率分配函数
12.2.3置信函数Bel(A)
12.2.4置信区间
12.2.5证据的组合函数
12.2.6DS理论的评价
12.3不确定性推理
12.3.1不确定性
12.3.2主观概率贝叶斯方法
12.4MYCIN系统的推理模型
12.4.1理论和实际的背景
12.4.2MYCIN模型
12.4.3MYCIN模型分析
12.4.4MYCIN推理网络的基本模式
12.4.5MYCIN推理模型的评价
12.5模糊推理
12.5.1模糊集论与模糊逻辑
12.5.2Fuzzy聚类分析
12.6基于案例的推理
12.6.1基于案例推理的基本思想
12.6.2案例的表示与组织
12.6.3案例的检索
12.6.4案例的改写
12.7归纳法推理
12.7.1归纳法推理的理论基础
12.7.2归纳法推理的基本概念
12.7.3归纳法推理中的主要难点
12.7.4归纳法推理的应用
习题12
第13章次协调逻辑推理
13.1次协调逻辑的含义
13.1.1传统的人工智能与经典逻辑
13.1.2人工智能中不协调的数据和知识库
13.1.3次协调逻辑
13.2注解谓词演算
13.2.1多真值格
13.2.2注解逻辑
13.2.3注解谓词公式的语义
13.2.4APC中的不协调、非、蕴涵
13.3基于APC的SLDa推导和SLDa反驳
13.3.1SLDa推导和SLDa反驳
13.3.2注解逻辑推理方法
13.3.3注解逻辑推理举例
13.4注解逻辑的归结原理
13.5应用实例
13.6控制策略
习题13
第3部分学习与发现
第14章机器学习
14.1概述
14.1.1机器学习的定义和意义
14.1.2机器学习的研究简史
14.1.3机器学习方法的分类
14.1.4机器学习中的推理方法
14.2归纳学习
14.2.1归纳概念学习的定义
14.2.2归纳概念学习的形式描述
14.2.3归纳概念学习算法的一般步骤
14.2.4归纳概念学习的基本技术
14.3基于解释的学习
14.3.1基于解释学习的基本原理
14.3.2基于解释学习的一般框架
14.3.3基于解释的学习过程
14.4基于类比的学习
14.4.1类比学习的一般原理
14.4.2类比学习的表示
14.4.3类比学习的求解
14.4.4逐步推理和监控的类比学习
习题14
第15章人工神经网络
15.1人工神经网络的特点
15.2人工神经网络的基本原理
15.3人工神经网络的基本结构模式
15.4人工神经网络互连结构
15.5神经网络模型分类
15.6几种基本的神经网络学习算法介绍
15.6.1Hebb型学习
15.6.2误差修正学习方法
15.6.3随机型学习
15.6.4竞争型学习
15.6.5基于记忆的学习
15.6.6结构修正学习
15.7几种典型神经网络简介
15.7.1单层前向网络
15.7.2多层前向网络及BP学习算法
15.7.3Hopfield神经网络
15.8人工神经网络与人工智能其他技术的比较
15.9人工神经网络的应用领域
习题15
第16章数据挖掘与知识发现
16.1数据挖掘
16.1.1数据挖掘的定义与发展
16.1.2数据挖掘研究的主要内容
16.1.3数据挖掘的特点
16.1.4数据挖掘的分类
16.1.5数据挖掘常用的技术
16.1.6数据挖掘过程
16.1.7数据挖掘研究面临的困难
16.1.8关联规则挖掘
16.1.9聚类分析
16.2Web挖掘
16.2.1Web挖掘概述
16.2.2Web内容挖掘
16.2.3Web结构挖掘
16.2.4Web使用挖掘
16.2.5Web数据挖掘的技术难点
16.2.6XML与Web数据挖掘技术
16.3文本挖掘
16.3.1文本挖掘的概念
16.3.2文本挖掘预处理
16.3.3文本挖掘的关键技术
16.3.4文本挖掘系统的评价标准
习题16
第4部分领域应用
第17章专家系统
17.1专家系统概述
17.1.1专家系统的定义
17.1.2专家系统的结构
17.1.3专家系统的特点
17.1.4专家系统的类型
17.1.5几个成功的专家系统简介
17.2专家系统中的知识获取
17.2.1概述
17.2.2知识获取的直接方法
17.2.3知识获取的新进展
17.3专家系统的解释机制
17.3.1预制文本解释法
17.3.2路径跟踪解释法
17.3.3自动程序员解释法
17.3.4策略解释法
17.4专家系统开发工具与环境
17.4.1专家系统开发工具的基本概念
17.4.2专家系统工具JESS
17.4.3JESS中的Rete匹配算法和逆向推理机制
17.5专家系统开发
17.5.1专家系统开发的步骤
17.5.2专家系统开发方法
17.6专家系统开发实例
17.6.1动物识别专家系统
17.6.2MYCIN专家系统
习题17
第18章自然语言处理
18.1语言的组成
18.1.1自然语言的基本要素
18.1.2实词和虚词
18.1.3短语结构
18.2上下文无关语法
18.2.1重写规则
18.2.2语法分析
18.3上下文无关语法分析
18.3.1产生后继状态的算法
18.3.2利用词典
18.3.3建立语法分析树
18.4特殊语法的分析
18.4.1引进特征
18.4.2特征匹配
18.5利用图表的高效语法分析
18.5.1chart数据结构
18.5.2有多种解释的句子
18.6语义解释
18.6.1词的意思
18.6.2利用特征的语义解释
18.6.3词义排歧
18.7生成自然语言
18.8在上下文中的自然语言
18.8.1言语的行为
18.8.2创建引用
18.8.3处理数据库的断言和问题
习题18
第19章智能机器人
19.1智能机器人的定义
19.2智能机器人的分类
19.2.1工业机器人
19.2.2服务机器人
19.2.3军用机器人
19.2.4仿生机器人
19.2.5网络机器人
19.3智能机器人的关键技术
19.3.1导航技术
19.3.2路径规划技术
19.3.3机器人视觉技术
19.3.4智能控制技术
19.3.5智能认知与感知技术
19.3.6多模式网络化交互技术
19.4智能机器人未来的发展
19.4.1人工智能技术的应用
19.4.2云机器人
19.4.3移动技术
19.4.4仿生技术
19.4.5机器人体系结构
习题19
参考文献
