前辅文
 第1章 绪论
  1.1 人工智能的定义和发展
   1.1.1 人工智能的定义
   1.1.2 人工智能的起源与发展
   1.1.3 中国人工智能的发展历程
  1.2 人工智能的研究目标、内容与核心要素
   1.2.1 人工智能的研究目标
   1.2.2 人工智能研究的基本内容
   1.2.3 人工智能的核心要素
  1.3 人工智能的研究与计算方法
   1.3.1 人工智能的研究方法
   1.3.2 人工智能的计算方法
  1.4 人工智能的研究和应用领域
  1.5 本书概括
  习题1
 第2章 知识表示
  2.1 知识及其表示概述
  2.2 状态空间法
   2.2.1 问题状态描述
   2.2.2 状态图示法
   2.2.3 状态空间表示举例
  2.3 问题归约法
   2.3.1 问题归约描述
   2.3.2 与或图表示
   2.3.3 问题归约机理
  2.4 谓词逻辑法
   2.4.1 谓词公式
   2.4.2 谓词演算
   2.4.3 置换与合一
  2.5 语义网络法
   2.5.1 二元语义网络的表示
   2.5.2 多元语义网络的表示
   2.5.3 基于语义网络的知识推理
  2.6 框架表示法
   2.6.1 框架理论及特点
   2.6.2 框架的构成
   2.6.3 框架的推理
  2.7 知识图谱
   2.7.1 知识图谱的定义与架构
   2.7.2 知识图谱的关键技术
   2.7.3 知识图谱的应用领域
  2.8 面向对象表示法
   2.8.1 面向对象的概念
   2.8.2 面向对象表示中的类继承
  2.9 本章 小结
  习题2
 第3章 搜索技术
  3.1 盲目搜索
   3.1.1 图搜索策略
   3.1.2 宽度优先搜索
   3.1.3 深度优先搜索
   3.1.4 等代价搜索
  3.2 启发式搜索
   3.2.1 启发式搜索策略
   3.2.2 有序搜索
   3.2.3 A*算法
  3.3 博弈树搜索
   3.3.1 博弈概述
   3.3.2 极小极大分析法
   3.3.3 α-β剪枝技术
  3.4 遗传算法
   3.4.1 遗传算法的基本原理
   3.4.2 遗传算法的结构
  3.5 模拟退火算法
   3.5.1 模拟退火算法的模型
   3.5.2 模拟退火算法的简单应用
  3.6 免疫算法
   3.6.1 免疫计算概述
   3.6.2 免疫算法的基本原理
   3.6.3 几种免疫算法
  3.7 本章 小结
  习题3
 第4章 推理技术
  4.1 消解原理
   4.1.1 子句集的求取
   4.1.2 消解推理规则
   4.1.3 含有变量的消解式
   4.1.4 消解反演求解过程
  4.2 规则演绎系统
   4.2.1 正向规则演绎系统
   4.2.2 反向规则演绎系统
   4.2.3 双向规则演绎系统
  4.3 产生式系统
   4.3.1 产生式系统的结构
   4.3.2 产生式系统的表示
   4.3.3 产生式系统的推理
  4.4 定性推理
   4.4.1 定性推理概述
   4.4.2 定性模型推理
  4.5 不确定性推理
   4.5.1 确定性与不确定性推理
   4.5.2 概率推理
   4.5.3 贝叶斯推理
   4.5.4 模糊逻辑推理
  4.6 本章 小结
  习题4
 第5章 机器学习
  5.1 机器学习概述
   5.1.1 机器学习的定义和研究意义
   5.1.2 机器学习的发展史
  5.2 机器学习的主要策略与基本结构
  5.3 常见的机器学习方法
   5.3.1 归纳学习
   5.3.2 基于解释的学习
   5.3.3 类比学习
   5.3.4 决策树学习
   5.3.5 强化学习
   5.3.6 支持向量机
   5.3.7 表示学习
  5.4 基于神经网络的学习
   5.4.1 神经计算简介
   5.4.2 基于BP网络的学习
   5.4.3 基于霍普菲尔德神经网络的学习
  5.5 深度学习
   5.5.1 深度学习的定义与特点
   5.5.2 深度学习基础与神经网络
   5.5.3 深度学习的常用模型
  5.6 本章 小结
  习题5
 第6章 专家系统
  6.1 专家系统概述
   6.1.1 专家系统的定义和一般特点
   6.1.2 专家系统的结构与类型
   6.1.3 专家系统的构建步骤
  6.2 基于规则的专家系统
   6.2.1 基于规则的专家系统的基本结构
   6.2.2 基于规则的专家系统的特点
   6.2.3 基于规则的专家系统举例
  6.3 基于框架的专家系统
   6.3.1 基于框架的专家系统的概念
   6.3.2 基于框架的专家系统的继承、槽和方法
   6.3.3 基于框架的专家系统举例
  6.4 基于模型的专家系统
   6.4.1 基于模型的专家系统的概念
   6.4.2 基于模型的专家系统举例
  6.5 专家系统的设计、评价与开发
   6.5.1 专家系统的设计
   6.5.2 专家系统的评价
   6.5.3 专家系统开发工具
  6.6 知识发现
   6.6.1 知识发现的发展和定义
   6.6.2 知识发现的处理过程
   6.6.3 知识发现的方法
  6.7 本章 小结
  习题6
 第7章 自动规划系统
  7.1 自动规划概述
   7.1.1 规划的概念和作用
   7.1.2 规划的分类
  7.2 基于谓词逻辑的规划
   7.2.1 规划世界模型的谓词逻辑表示
   7.2.2 基于谓词逻辑规划的基本过程
  7.3 STRIPS规划系统
   7.3.1 积木世界的机器人规划
   7.3.2 STRIPS规划系统的组成和规划过程
  7.4 基于专家系统的机器人路径规划
  7.5 基于机器学习的智能规划
  7.6 轨迹规划简介
  7.7 本章 小结
  习题7
 第8章 自然语言理解
  8.1 语言及其理解的一般问题
   8.1.1 语言和语言理解
   8.1.2 自然语言理解研究的进展和发展趋势
   8.1.3 自然语言理解过程的层次
  8.2 词法分析
  8.3 句法和语法的自动分析
   8.3.1 句法模式匹配和转移网络
   8.3.2 扩充转移网络
   8.3.3 词汇功能语法
  8.4 语义分析
  8.5 句子理解
   8.5.1 单句的理解方法
   8.5.2 复句的理解方法
  8.6 语料库语言学
  8.7 机器翻译
  8.8 语音识别
   8.8.1 语音识别的发展历史
   8.8.2 语音识别的基本原理
   8.8.3 语音识别的关键技术
   8.8.4 语音识别技术展望
  8.9 基于深度学习的自然语言处理
  8.10 本章 小结
  习题8
 第9章 智能控制
  9.1 智能控制概述
   9.1.1 智能控制的产生和发展
   9.1.2 智能控制的定义
  9.2 智能控制的研究领域
  9.3 智能控制的学科结构理论
   9.3.1 二元结构理论
   9.3.2 三元结构理论
   9.3.3 四元结构理论
  9.4 智能控制的特点与系统一般结构
   9.4.1 智能控制的特点
   9.4.2 智能控制系统的一般结构
  9.5 智能控制系统
   9.5.1 递阶控制系统
   9.5.2 专家控制系统
   9.5.3 模糊控制系统
   9.5.4 学习控制系统
   9.5.5 神经控制系统
  9.6 其他智能控制系统
   9.6.1 进化控制
   9.6.2 免疫控制
   9.6.3 基于Web的控制
  9.7 本章 小结
  习题9
 第10章 人工智能程序设计
  10.1 符号和逻辑处理编程语言
  10.2 LISP语言
   10.2.1 LISP的特点和数据结构
   10.2.2 LISP的基本函数
   10.2.3 递归和迭代
   10.2.4 LISP编程举例
  10.3 PROLOG语言
   10.3.1 语法与数据结构
   10.3.2 PROLOG程序设计原理
   10.3.3 PROLOG编程举例
  10.4 Python语言简介
   10.4.1 基本数据结构
   10.4.2 选择和循环结构
   10.4.3 函数
   10.4.4 数值分析方法
  10.5 专用开发工具与人工智能机
  10.6 本章 小结
  习题10
 参考文献