文章

人工智能导论与原理 (神经网络、机器学习、自然语言处理)

【人工智能导论课程目录】

绪论

1. 人工智能的研究目标
2. 人工智能发展简史
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
- 课后习题

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 搜索算法讨论
2.6 小结
- 课后习题

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 与或图的启发式搜索算法AO*
3.3 博弈树的搜索
3.4 小结
- 课后习题

第四章 人工智能中的谓词演算及应用

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
- 课后习题

第五章 人工智能语言

5.1 LISP
5.2 PROLOG
5.3 小结
- 课后习题

【人工智能原理课程目录】

第一章 人工智能概述

- 课前索引
- 1.1 人工智能的定义
- 1.2 人工智能的发展史
- 1.3 人工智能成功的实例
- 1.4 人工智能的研究内容
- 1.5 人工智能研究的特点
- 1.6 人工智能相关文献及网站介绍
- 章节小结
- 课后思考题

第二章 归结推理方法

- 课前索引
- 2.1 归结原理概述
- 2.2 命题逻辑的归结
- 2.3 谓词逻辑归结法基础
- 2.4 归结原理
- 2.5 归结过程控制策略
- 2.6 Herbrand定理
- 章节小结
- 课后思考题
- 课后习题

第三章 不确定性推理方法

- 课前索引
- 3.1 概述
- 3.2 确定性方法
- 3.3 主观Bayes方法
- 3.4 证据理论(D-S Theory)
- 3.5 贝叶斯网络
- 章节小结
- 课后思考题
- 课后习题

第四章 知识表示

- 课前索引
- 4.1 概述
- 4.2 表示观
- 4.3 逻辑表示法
- 4.4 产生式表示法
- 4.5 语义网络表示法
- 4.6 框架表示法
- 4.7 面向对象的表示法
- 4.8 直接型知识表示方法
- 4.9 混合型知识表示方法
- 章节小结
- 课后思考题
- 课后习题

第五章 机器学习

- 课前索引
- 5.1 概述
- 5.2 机器学习的分类与基本系统结构
- 5.3 符号学习方法
- 5.4 实例学习方法
- 章节小结
- 课后思考题
- 课后习题

第六章 神经网络

- 课前索引
- 6.1 概述
- 6.2 前馈型人工神经网络
- 6.3 反馈神经网络
- 6.4 自组织竞争人工神经网络
- 6.5 神经网络在模式识别中的应用
- 章节小结
- 课后思考题

第七章 自然语言处理

- 课前索引
- 7.1 概述
- 7.2 句法分析
- 7.3 词性标注
- 章节小结
- 课后思考题
- 课后习题

第八章 智能体

- 课前索引
- 8.1 智能体概述
- 8.2 多智能体
- 8.3 智能体之间的通讯
- 8.4 智能体体系结构
- 章节小结
- 课后思考题

下载地址:http://www.mukedaba.com/thread-2140-1-1.html

1 0

发表评论