人工智能教程

第1章　绪论　1.1　什么是人工智能　1.2　人工智能的发展简史趋势　1.3　人工智能的研究方法及基本内容　1.4　人工智能的基本技术　1.5　人工智能的主要研究领域及实践　习题第2章　知识及知识的表示　2.1　概述　2.2　一阶谓词逻辑表示法　2.3　产生式表示法　2.4　框架表示法　2.5　语义网络表示法　2.6　面向对象表示法　习题

第1章　绪论　1.1　什么是人工智能　1.2　人工智能的发展简史趋势　1.3　人工智能的研究方法及基本内容　1.4　人工智能的基本技术　1.5　人工智能的主要研究领域及实践　习题第2章　知识及知识的表示　2.1　概述　2.2　一阶谓词逻辑表示法　2.3　产生式表示法　2.4　框架表示法　2.5　语义网络表示法　2.6　面向对象表示法　习题第3章　经典逻辑推理　3.1　基本概念　3.2　自然演绎推理　3.3　归结演绎推理　3.4　与/或形演绎推理　习题第4章　不确定性推理　4.1　不确定性推理中的基本问题　4.2　不确定性推理方法分类　4.3　概率方法　4.4　主观Bayes方法　4.5　可信度方法　4.6　证据理论　习题第5章　搜索问题求解　5.1　基本概念　5.2　状态空间搜索　5.3　问题归约法　5.4　博弈树搜索　习题第6章　机器学习　6.1　机器学习的概念　6.2　示例学习　6.3　基于解释的学习　6.4　基于案例的推理　6.5　加强学习　习题第7章　遗传算法　7.1　遗传算法简介　7.2　基本遗传算法　7.3　函数优化　　7.4　旅行商问题　习题第8章　数据挖掘　8.1　数据挖掘概述　8.2　数据挖掘技术简介　8.3　关联规则挖掘　8.4　序列模式挖掘　8.5　Web挖掘　8.6　数据挖掘的研究热点与发展趋势　习题第9章　模式识别　9.1　概论　　9.2　统计模式识别　9.3　监督与非监督分类方法　9.4　结构模式识别　9.5　神经网络模式识别　习题参考文献

本书以详尽和丰富的资料，全面阐述了人工智能领域的核心内容，并深入介绍了各个子领域主要的研究方向，是一本综合性的教材。全书共分为9章，包括绪论、知识及知识的表示、经典逻辑推理、不确定性推理、搜索策略、机器学习、遗传算法、数据挖掘以及模式识别等人工智能的基础知识和基本理论。　　本书既详细介绍了大量的基本概念、思想和算法，也描述了各研究方向最前沿的进展。每章都附有思考题和设计题，用于指导学生自学及加深对基本概念和技术的理解与掌握。全书讲述力求浅入深，通俗易懂，理论上具有完整性和系统性，强调基本原理和基本技术，配以大量的实例、图表，易于教学，便于自学。　　本书可以作为信息领域和相关领域的高等院校本科生和研究生的教科书或教学辅导用书，也可以作为相关领域的科研与工程技术人员的参考书。