最新章節

• 參考文獻
• 11.4.3 基于移動Agent的web檢索原型系統開發
• 11.4.2 基于移動Agent的Web信息檢索系統
• 11.4.1 傳統的Web信息檢索
• 11.4 信息檢索
• 11.3.2 基于蟻群算法的旅行商路徑搜索

• 參考文獻 更新時間：2018-12-27 18:27:57
• 11.4.3 基于移動Agent的web檢索原型系統開發
• 11.4.2 基于移動Agent的Web信息檢索系統
• 11.4.1 傳統的Web信息檢索
• 11.4 信息檢索
• 11.3.2 基于蟻群算法的旅行商路徑搜索
• 11.3.1 路徑規劃概述
• 11.3 路徑規劃
• 11.2 故障診斷
• 11.1.2 基于人工神經網絡的礦產資源預測
• 11.1.1 基本預測方法
• 11.1 系統預測
• 第11章 人工智能應用
• 10.7.2 自動規劃技術的實用化
• 10.7.1 非經典規劃技術的開發
• 10.7 自動規劃技術的新進展
• 10.6 部分排序規劃技術
• 2.NOAH規劃系統
• 1. 長度優先搜索
• 10.5 分層規劃
• 10.4 圖規劃
• 10.3.3 STRIPS規劃的搜索過程
• 10.3.2 STRIPS規劃知識的表示
• 10.3.1 積木世界的機器人的問題
• 10.3 STRIPS規劃
• 10.2.2 Green方法
• 10.2.1 GPS
• 10.2 早期的自動規劃技術
• 5. 規劃的狀態空間表示法描述
• 4. 簡單規劃描述語言
• 3. 問題分解途徑及方法
• 2. 規劃的概念及作用
• 1. 經典規劃技術的發展
• 10.1 規劃技術基本概念
• 第10章 規劃系統
• 9.7.2 最好屬性的選擇
• 9.7.1 ID3算法
• 9.7 決策樹學習
• 9.6.2 尋找最優策略
• 9.6.1 強化學習的關鍵因素
• 9.6 強化學習
• 9.5.4 基于解釋的詳細說明法
• 9.5.3 解釋與泛化交替進行的學習方法
• 9.5.2 解釋學習的一般步驟
• 9.5.1 解釋學習的空間描述
• 9.5 解釋學習
• 9.4 類比學習
• 9.3.3 實例學習方法的分類
• 9.3.2 實例學習的基本策略
• 9.3.1 基本理論
• 9.3 實例學習
• 9.2.2 機器學習的主要策略
• 9.2.1 機器學習的基本結構
• 9.2 機器學習的基本結構和主要策略
• 9.1 概述
• 第9章 機器學習
• 8.7 信息檢索
• 2. 語音識別
• 1. 信號處理
• 8.6 語音識別
• 8.5.5 機器翻譯評價
• 8.5.4 基于統計的機器翻譯
• 8.5.3 基于實例的機器翻譯
• 8.5.2 基于規則的機器翻譯
• 8.5.1 機器翻譯基本方法
• 8.5 機器翻譯
• 8.4.2 MARGIE系統
• 8.4.1 自然語言自動理解系統
• 8.4 自然語言理解系統應用舉例
• 8.3.2 格文法
• 8.3.1 語義文法
• 8.3 語義分析
• 8.2.7 基于統計方法的句法分析方法
• 8.2.6 詞匯功能語法
• 8.2.5 句法分析的確定性算法
• 8.2.4 句法模式匹配和轉移網絡
• 8.2.3 句法分析的策略
• 8.2.2 喬姆斯基體系
• 8.2.1 文法和語言的形式定義
• 8.2 句法分析
• 4. 自然語言理解過程的層次
• 3. 自然語言理解研究的發展
• 2. 自然語言理解的困難
• 1. 自然語言的構成
• 8.1 自然語言理解的一般問題
• 第8章 自然語言理解
• 7.7.3 Agent系統開發的語言
• 7.7.2 AOP框架
• 7.7.1 AOP與OOP的區別
• 7.7 面向Agent的程序設計
• 7.6.2 移動Agent的發展
• 7.6.1 移動Agent的基本概念
• 7.6 移動Agent
• 7.5.4 Multi-Agent規劃
• 7.5.3 Multi-Agent協商
• 7.5.2 Multi-Agent系統的協調和協作
• 7.5.1 Multi-Agent系統的模型和結構
• 7.5 Multi-Agent系統
• 7.4.3 Agent的通信語言
• 7.4.2 通信的類型和方式
• 7.4.1 言語行為
• 7.4 Agent通信
• 7.3.2 Agent結構的分類
• 7.3.1 Agent的基本結構
• 7.3 Agent的結構
• 7.2.3 效用理論
• 7.2.2 Agent BDI模型
• 7.2.1 Agent的心智要素及其性質
• 7.2 Agent的理論模型
• 7.1.2 Agent的基本概念
• 7.1.1 分布式人工智能
• 7.1 Agent概述
• 第7章 Agent及Multi-Agent系統
• 6.8.4 描述邏輯的擴展
• 6.8.3 描述邏輯中的推理
• 6.8.2 描述邏輯的語言規則
• 6.8.1 描述邏輯的基本概念
• 6.8 描述邏輯
• 6.7.4 定性進程方法
• 6.7.3 定性模擬法
• 6.7.2 定性方程法
• 6.7.1 定性推理概述
• 6.7 定性推理方法
• 6.6.2 空間推理
• 6.6.1 基于區間的時間推理
• 6.6 時間推理與空間推理
• 6.5.3 語義描述方法
• 6.5.2 關聯式方法
• 6.5.1 貝葉斯網絡
• 6.5 不確定性推理
• 6.4.4 真值維持系統
• 6.4.3 自認識邏輯
• 6.4.2 限定推理
• 6.4.1 默認推理
• 6.4 非單調邏輯
• 6.3.3 知道邏輯和信念邏輯
• 6.3.2 時態邏輯
• 6.3.1 基本模態邏輯
• 6.3 模態邏輯
• 6.2.2 多值邏輯
• 6.2.1 三值邏輯
• 6.2 三值邏輯與多值邏輯
• 6.1.5 模糊邏輯推理
• 6.1.4 模糊邏輯規則
• 6.1.3 模糊向量及其運算
• 6.1.2 模糊關系及其合成
• 6.1.1 模糊集合及其運算
• 6.1 模糊邏輯
• 第6章 高級知識表示和知識推理
• 5.6.7 免疫計算
• 5.6.6 粒子群優化算法
• 5.6.5 蟻群優化算法
• 5.6.4 人工生命
• 5.6.3 遺傳編程
• 5.6.2 進化編程
• 5.6.1 進化策略
• 5.6 其他高級搜索算法
• 5.5.4 Hopfield網絡
• 5.5.3 BP神經網絡
• 5.5.2 感知機
• 5.5.1 人工神經網絡的基本概念
• 5.5 人工神經網絡
• 5.4.3 模擬退火算法特點
• 5.4.2 模擬退火算法實現步驟
• 5.4.1 模擬退火算法的基本思想
• 5.4 模擬退火算法
• 5.3.4 遺傳算法的特點
• 5.3.3 模式定理
• 5.3.2 遺傳算法的實現步驟
• 5.3.1 遺傳算法的基本思想
• 5.3 遺傳算法
• 5.2.4 禁忌搜索的特點
• 5.2.3 禁忌搜索算法的收斂性
• 5.2.2 禁忌搜索的算法流程
• 5.2.1 禁忌搜索的基本思想
• 5.2 禁忌搜索
• 5.1.2 最優化問題的求解
• 5.1.1 最優化問題的概念
• 5.1 最優化問題
• 第5章 高級搜索
• 4.4.3 主觀貝葉斯方法
• 4.4.2 確定性理論
• 4.4.1 不確定性推理的基本問題
• 4.4 不確定性推理方法
• 4.3.4 王浩算法
• 4.3.3 Boyer-Moore定理證明方法
• 4.3.2 Bledsoe自然演繹法
• 4.3.1 基于規則的演繹推理
• 4.3 非歸結演繹推理
• 4.2.3 歸結反演
• 4.2.2 歸結原理
• 4.2.1 Herbrand理論
• 4.2 歸結演繹推理
• 4. 確定性推理和不確定性推理
• 3. 單調推理和非單調推理
• 2. 演繹推理、歸納推理和默認推理
• 1. 經典推理和非經典推理
• 4.1 推理的概念
• 第4章 知識推理
• 3.4.3 約束滿足問題
• 3.4.2 手段-目標分析法
• 3.4.1 生成-測試法
• 3.4 通用問題的求解方法
• 3.3.4 博弈問題的啟發式搜索策略
• 3.3.3 與/或圖的啟發式搜索策略
• 3.3.2 與/或圖的盲目搜索策略
• 3.3.1 與/或圖搜索的一般過程
• 3.3 與/或圖搜索
• 3.2.3 啟發式搜索策略
• 3.2.2 盲目搜索策略
• 3.2.1 狀態空間搜索的一般過程
• 3.2 狀態空間搜索
• 3.1.2 搜索的分類
• 3.1.1 基本概念
• 3.1 搜索的概念
• 第3章 搜索技術
• 2.8.4 Petri網表示法
• 2.8.3 過程表示法
• 2.8.2 面向對象的表示法
• 2.8.1 腳本表示法
• 2.8 其他表示方法
• 2.7.5 框架表示法的特點
• 2.7.4 框架系統的問題求解過程
• 2.7.3 框架網絡
• 2.7.2 框架系統中的預定義槽名
• 2.7.1 框架的基本結構
• 2.7 框架表示法
• 2.6.4 語義網絡表示法的特點
• 2.6.3 語義網絡的問題求解過程
• 2.6.2 語義網絡表示知識的方法
• 2.6.1 語義網絡的概念和結構
• 2.6 語義網絡表示法
• 2.5.4 產生式表示法的特點
• 2.5.3 產生式系統的推理方式和控制策略
• 2.5.2 產生式系統的組成
• 2.5.1 產生式的基本形式
• 2.5 產生式表示法
• 2.4.4 一階謂詞邏輯表示法的特點
• 2.4.3 一階謂詞邏輯表示方法
• 2.4.2 一階謂詞邏輯
• 2.4.1 命題邏輯
• 2.4 一階謂詞邏輯表示法
• 2.3.2 與/或圖的表示
• 2.3.1 問題歸約
• 2.3 與/或圖表示法
• 2. 狀態空間圖
• 1. 狀態及狀態空間
• 2.2 狀態空間表示法
• 2.1.2 知識的表示方法
• 2.1.1 知識的概念
• 2.1 基本概念
• 第2章 知識表示
• 1.5 人工智能相關網站介紹
• 13. 智能規劃
• 12. 智能控制
• 11. 軟計算
• 10. 計算機視覺
• 9. 博弈
• 8. 模式識別
• 7. 機器人學
• 6. 分布式人工智能
• 5. 自動程序設計
• 4. 自動定理證明
• 3. 機器學習
• 2. 自然語言理解
• 1. 專家系統
• 1.4 人工智能的研究與應用領域
• 4. 連接主義學派
• 3. 行為主義學派
• 2. 邏輯學派
• 1. 認知學派
• 1.3 人工智能的研究途徑和方法
• 4. 第四階段——知識工程與專家系統（1980年至今）
• 3. 第三階段——發展和實用化階段（1971—1980年）
• 2. 第二階段——人工智能基礎技術的研究和形成（1956—1970年）
• 1. 第一階段——孕育期（1956年以前）
• 1.2 人工智能的發展簡史
• 1.1.3 人工智能的研究目標
• 1.1.2 人工智能的定義
• 1.1.1 人工智能的哲學思考
• 1.1 人工智能的基本概念
• 第1章 緒論
• 前言
• 版權信息
• 封面

• 封面
• 版權信息
• 前言
• 第1章 緒論
• 1.1 人工智能的基本概念
• 1.1.1 人工智能的哲學思考
• 1.1.2 人工智能的定義
• 1.1.3 人工智能的研究目標
• 1.2 人工智能的發展簡史
• 1. 第一階段——孕育期（1956年以前）
• 2. 第二階段——人工智能基礎技術的研究和形成（1956—1970年）
• 3. 第三階段——發展和實用化階段（1971—1980年）
• 4. 第四階段——知識工程與專家系統（1980年至今）
• 1.3 人工智能的研究途徑和方法
• 1. 認知學派
• 2. 邏輯學派
• 3. 行為主義學派
• 4. 連接主義學派
• 1.4 人工智能的研究與應用領域
• 1. 專家系統
• 2. 自然語言理解
• 3. 機器學習
• 4. 自動定理證明
• 5. 自動程序設計
• 6. 分布式人工智能
• 7. 機器人學
• 8. 模式識別
• 9. 博弈
• 10. 計算機視覺
• 11. 軟計算
• 12. 智能控制
• 13. 智能規劃
• 1.5 人工智能相關網站介紹
• 第2章 知識表示
• 2.1 基本概念
• 2.1.1 知識的概念
• 2.1.2 知識的表示方法
• 2.2 狀態空間表示法
• 1. 狀態及狀態空間
• 2. 狀態空間圖
• 2.3 與/或圖表示法
• 2.3.1 問題歸約
• 2.3.2 與/或圖的表示
• 2.4 一階謂詞邏輯表示法
• 2.4.1 命題邏輯
• 2.4.2 一階謂詞邏輯
• 2.4.3 一階謂詞邏輯表示方法
• 2.4.4 一階謂詞邏輯表示法的特點
• 2.5 產生式表示法
• 2.5.1 產生式的基本形式
• 2.5.2 產生式系統的組成
• 2.5.3 產生式系統的推理方式和控制策略
• 2.5.4 產生式表示法的特點
• 2.6 語義網絡表示法
• 2.6.1 語義網絡的概念和結構
• 2.6.2 語義網絡表示知識的方法
• 2.6.3 語義網絡的問題求解過程
• 2.6.4 語義網絡表示法的特點
• 2.7 框架表示法
• 2.7.1 框架的基本結構
• 2.7.2 框架系統中的預定義槽名
• 2.7.3 框架網絡
• 2.7.4 框架系統的問題求解過程
• 2.7.5 框架表示法的特點
• 2.8 其他表示方法
• 2.8.1 腳本表示法
• 2.8.2 面向對象的表示法
• 2.8.3 過程表示法
• 2.8.4 Petri網表示法
• 第3章 搜索技術
• 3.1 搜索的概念
• 3.1.1 基本概念
• 3.1.2 搜索的分類
• 3.2 狀態空間搜索
• 3.2.1 狀態空間搜索的一般過程
• 3.2.2 盲目搜索策略
• 3.2.3 啟發式搜索策略
• 3.3 與/或圖搜索
• 3.3.1 與/或圖搜索的一般過程
• 3.3.2 與/或圖的盲目搜索策略
• 3.3.3 與/或圖的啟發式搜索策略
• 3.3.4 博弈問題的啟發式搜索策略
• 3.4 通用問題的求解方法
• 3.4.1 生成-測試法
• 3.4.2 手段-目標分析法
• 3.4.3 約束滿足問題
• 第4章 知識推理
• 4.1 推理的概念
• 1. 經典推理和非經典推理
• 2. 演繹推理、歸納推理和默認推理
• 3. 單調推理和非單調推理
• 4. 確定性推理和不確定性推理
• 4.2 歸結演繹推理
• 4.2.1 Herbrand理論
• 4.2.2 歸結原理
• 4.2.3 歸結反演
• 4.3 非歸結演繹推理
• 4.3.1 基于規則的演繹推理
• 4.3.2 Bledsoe自然演繹法
• 4.3.3 Boyer-Moore定理證明方法
• 4.3.4 王浩算法
• 4.4 不確定性推理方法
• 4.4.1 不確定性推理的基本問題
• 4.4.2 確定性理論
• 4.4.3 主觀貝葉斯方法
• 第5章 高級搜索
• 5.1 最優化問題
• 5.1.1 最優化問題的概念
• 5.1.2 最優化問題的求解
• 5.2 禁忌搜索
• 5.2.1 禁忌搜索的基本思想
• 5.2.2 禁忌搜索的算法流程
• 5.2.3 禁忌搜索算法的收斂性
• 5.2.4 禁忌搜索的特點
• 5.3 遺傳算法
• 5.3.1 遺傳算法的基本思想
• 5.3.2 遺傳算法的實現步驟
• 5.3.3 模式定理
• 5.3.4 遺傳算法的特點
• 5.4 模擬退火算法
• 5.4.1 模擬退火算法的基本思想
• 5.4.2 模擬退火算法實現步驟
• 5.4.3 模擬退火算法特點
• 5.5 人工神經網絡
• 5.5.1 人工神經網絡的基本概念
• 5.5.2 感知機
• 5.5.3 BP神經網絡
• 5.5.4 Hopfield網絡
• 5.6 其他高級搜索算法
• 5.6.1 進化策略
• 5.6.2 進化編程
• 5.6.3 遺傳編程
• 5.6.4 人工生命
• 5.6.5 蟻群優化算法
• 5.6.6 粒子群優化算法
• 5.6.7 免疫計算
• 第6章 高級知識表示和知識推理
• 6.1 模糊邏輯
• 6.1.1 模糊集合及其運算
• 6.1.2 模糊關系及其合成
• 6.1.3 模糊向量及其運算
• 6.1.4 模糊邏輯規則
• 6.1.5 模糊邏輯推理
• 6.2 三值邏輯與多值邏輯
• 6.2.1 三值邏輯
• 6.2.2 多值邏輯
• 6.3 模態邏輯
• 6.3.1 基本模態邏輯
• 6.3.2 時態邏輯
• 6.3.3 知道邏輯和信念邏輯
• 6.4 非單調邏輯
• 6.4.1 默認推理
• 6.4.2 限定推理
• 6.4.3 自認識邏輯
• 6.4.4 真值維持系統
• 6.5 不確定性推理
• 6.5.1 貝葉斯網絡
• 6.5.2 關聯式方法
• 6.5.3 語義描述方法
• 6.6 時間推理與空間推理
• 6.6.1 基于區間的時間推理
• 6.6.2 空間推理
• 6.7 定性推理方法
• 6.7.1 定性推理概述
• 6.7.2 定性方程法
• 6.7.3 定性模擬法
• 6.7.4 定性進程方法
• 6.8 描述邏輯
• 6.8.1 描述邏輯的基本概念
• 6.8.2 描述邏輯的語言規則
• 6.8.3 描述邏輯中的推理
• 6.8.4 描述邏輯的擴展
• 第7章 Agent及Multi-Agent系統
• 7.1 Agent概述
• 7.1.1 分布式人工智能
• 7.1.2 Agent的基本概念
• 7.2 Agent的理論模型
• 7.2.1 Agent的心智要素及其性質
• 7.2.2 Agent BDI模型
• 7.2.3 效用理論
• 7.3 Agent的結構
• 7.3.1 Agent的基本結構
• 7.3.2 Agent結構的分類
• 7.4 Agent通信
• 7.4.1 言語行為
• 7.4.2 通信的類型和方式
• 7.4.3 Agent的通信語言
• 7.5 Multi-Agent系統
• 7.5.1 Multi-Agent系統的模型和結構
• 7.5.2 Multi-Agent系統的協調和協作
• 7.5.3 Multi-Agent協商
• 7.5.4 Multi-Agent規劃
• 7.6 移動Agent
• 7.6.1 移動Agent的基本概念
• 7.6.2 移動Agent的發展
• 7.7 面向Agent的程序設計
• 7.7.1 AOP與OOP的區別
• 7.7.2 AOP框架
• 7.7.3 Agent系統開發的語言
• 第8章 自然語言理解
• 8.1 自然語言理解的一般問題
• 1. 自然語言的構成
• 2. 自然語言理解的困難
• 3. 自然語言理解研究的發展
• 4. 自然語言理解過程的層次
• 8.2 句法分析
• 8.2.1 文法和語言的形式定義
• 8.2.2 喬姆斯基體系
• 8.2.3 句法分析的策略
• 8.2.4 句法模式匹配和轉移網絡
• 8.2.5 句法分析的確定性算法
• 8.2.6 詞匯功能語法
• 8.2.7 基于統計方法的句法分析方法
• 8.3 語義分析
• 8.3.1 語義文法
• 8.3.2 格文法
• 8.4 自然語言理解系統應用舉例
• 8.4.1 自然語言自動理解系統
• 8.4.2 MARGIE系統
• 8.5 機器翻譯
• 8.5.1 機器翻譯基本方法
• 8.5.2 基于規則的機器翻譯
• 8.5.3 基于實例的機器翻譯
• 8.5.4 基于統計的機器翻譯
• 8.5.5 機器翻譯評價
• 8.6 語音識別
• 1. 信號處理
• 2. 語音識別
• 8.7 信息檢索
• 第9章 機器學習
• 9.1 概述
• 9.2 機器學習的基本結構和主要策略
• 9.2.1 機器學習的基本結構
• 9.2.2 機器學習的主要策略
• 9.3 實例學習
• 9.3.1 基本理論
• 9.3.2 實例學習的基本策略
• 9.3.3 實例學習方法的分類
• 9.4 類比學習
• 9.5 解釋學習
• 9.5.1 解釋學習的空間描述
• 9.5.2 解釋學習的一般步驟
• 9.5.3 解釋與泛化交替進行的學習方法
• 9.5.4 基于解釋的詳細說明法
• 9.6 強化學習
• 9.6.1 強化學習的關鍵因素
• 9.6.2 尋找最優策略
• 9.7 決策樹學習
• 9.7.1 ID3算法
• 9.7.2 最好屬性的選擇
• 第10章 規劃系統
• 10.1 規劃技術基本概念
• 1. 經典規劃技術的發展
• 2. 規劃的概念及作用
• 3. 問題分解途徑及方法
• 4. 簡單規劃描述語言
• 5. 規劃的狀態空間表示法描述
• 10.2 早期的自動規劃技術
• 10.2.1 GPS
• 10.2.2 Green方法
• 10.3 STRIPS規劃
• 10.3.1 積木世界的機器人的問題
• 10.3.2 STRIPS規劃知識的表示
• 10.3.3 STRIPS規劃的搜索過程
• 10.4 圖規劃
• 10.5 分層規劃
• 1. 長度優先搜索
• 2.NOAH規劃系統
• 10.6 部分排序規劃技術
• 10.7 自動規劃技術的新進展
• 10.7.1 非經典規劃技術的開發
• 10.7.2 自動規劃技術的實用化
• 第11章 人工智能應用
• 11.1 系統預測
• 11.1.1 基本預測方法
• 11.1.2 基于人工神經網絡的礦產資源預測
• 11.2 故障診斷
• 11.3 路徑規劃
• 11.3.1 路徑規劃概述
• 11.3.2 基于蟻群算法的旅行商路徑搜索
• 11.4 信息檢索
• 11.4.1 傳統的Web信息檢索
• 11.4.2 基于移動Agent的Web信息檢索系統
• 11.4.3 基于移動Agent的web檢索原型系統開發
• 參考文獻 更新時間：2018-12-27 18:27:57