前言第1章 緒論 1.1 人工智能的起源與發展 1.2 人工智能學術流派 1.3 人工智能的研究與應用領域第2章 知識錶示和推理 2.1 知識和知識錶示的基本概念 2.2 命題邏輯 2.2.1 語法 2.2.2 語義 2.2.3 命題演算形式係統 2.3 謂詞邏輯 2.3.1 語法 2.3.2 語義 2.4 歸結推理 2.4.1 子句集及其簡化 2.4.2 海伯倫定理 2.4.3 Robinson歸結原理 2.4.4 利用Robinson歸結原理實現定理證明 2.4.5 應用歸結原理求解問題 2.5 産生式係統 2.5.1 産生式係統的組成部分 2.5.2 産生式係統的控製策略 2.5.3 産生式係統的推理方式 2.6 語義網絡錶示法 2.6.1 語義網絡的結構 2.6.2 基本命題的語義網絡錶示 2.6.3 語義網絡的知識錶示方法 2.6.4 語義網絡錶示法的特點 2.7 框架錶示法 2.8 狀態空間錶示法 2.9 與或圖錶示法第3章 圖搜索技術 3.1 問題的提齣 3.2 狀態圖搜索 3.2.1 狀態圖搜索分類 3.2.2 窮舉式搜索 3.2.3 啓發式搜索 3.2.4 A算法及A，算法 3.3 與或圖搜索 3.3.1 與或圖 3.3.2 與或圖搜索舉例 3.4 博弈圖搜索 3.4.1 博弈圖 3.4.2 極大極小分析法 3.4.3 剪枝技術第4章 專傢係統 4.1 專傢係統的概述 4.1.1 專傢係統的概念與特點 4.1.2 專傢係統和傳統程序的區彆 4.2 專傢係統的結構 4.3 專傢係統的設計原則與開發過程 4.3.1 專傢係統的設計原則 4.3.2 專傢係統的開發過程 4.4 專傢係統評價 4.5 專傢係統開發工具 4.5.1 骨架型開發工具 4.5.2 語言型開發工具 4.5.3 構造輔助工具 4.5.4 支撐環境 4.6 Prolog語言 4.6.1 Prolog語言的特點 4.6.2 基本Prolog的程序結構 4.6.3 Prolog程序的運行機理 4.6.4 Turbo Prolog程序結構 4.6.5 7urbo Prolog的數據與錶達式 4.6.6 Visual Prolog介紹 4.6.7 PIE：Prolog的推理機第5章 模糊理論及應用 5.1 模糊理論的産生與發展 5.2 模糊理論的數學基礎 5.2.1 經典集閤論的基本概念 5.2.2 模糊集閤的基本概念 5.2.3 模糊關係與復閤運算 5.3 模糊邏輯 5.3.1 模糊條件語句 5.3.2 模糊推理 5.4 模糊控製係統及模糊控製器 5.4.1 模糊控製係統的基本結構 5.4.2 模糊控製器 5.4.3 模糊控製器的設計 5.4.4 模糊PID控製器的設計 5.5 模糊聚類分析與模糊模式識彆 5.5.1 模糊聚類分析 5.5.2 模糊模式識彆第6章 機器學習和神經網絡 6.1 機器學習的基本概念和發展史 6.2 經典機器學習方法 6.3 基於神經網絡的學習 6.3.1 神經網絡概述 6.3.2 人工神經網絡模型 6.3.3 BP神經網絡 6.3.4 RBF神經網絡 6.3.5 CMAC神經網絡 6.3.6 Hopfield神經網絡 6.3.7 模糊神經網絡 6.3.8 其他類型的神經網絡介紹第7章 混沌理論與混沌神經網絡 7.1 混沌研究的起源與發展 7.2 混沌的基本特性 7.3 通往混沌的道路 7.4 混沌的識彆 7.4.1 定性分析法 7.4.2 定量分析法 7.5 混沌應用 7.6 混沌神經網絡 7.6.1 暫態混沌神經網絡 7.6.2 其他類型的混沌神經網絡 7.6.3 G-S混沌神經網絡應用實例第8章 智能優化計算 8.1 優化問題的分類 8.2 優化算法分類 8.3 梯度優化計算 8.4 混沌優化 8.5 模擬退火算法 8.6 遺傳算法 8.6.1 遺傳算法中的關鍵參數與操作 8.6.2 遺傳算法中的基本流程 8.6.3 遺傳算法的改進 8.6.4 遺傳算法的實現 8.7 蟻群算法 8.7.1 蟻群算法的研究現狀 8.7.2 基本蟻群算法的工作原理 8.8 粒子群算法及應用 8.8.1 基本粒子群優化算法 8.8.2 粒子群優化算法的拓撲結構 8.9 魚群算法簡介 8.10 混閤優化計算方法簡介參考文獻
· · · · · · (收起)