人工智能原理

內容概要

本書介紹了人工智能原理的基本內容，包括自動推理、知識表示、機器學習和自然語言理解等四個部分全書共分十章：依次討論了歸結方法、不確定推理方法、非單調推理方法、定性推理方法、知識表示方法，機器學習的基本概念以及由實例和基本于解釋的學習方法，最后討論了自然語言

書籍目錄

目錄
出版說明
前言
第一章 人工智能概述
1.1 人工智能的誕生和發(fā)展
1.2 什么是人工智能
1.3 90年代初人工智能進展
第二章 歸結推理方法
2.1 命題邏輯的歸結法
2.2 子句形
2.3 Herbrand定理
2.4 歸結原理
2.5 歸結過程的控制策略
2.6 歸結法與prolog語言
2.7 非歸結法
第三章 不確定和非單調推理方法
3.1 概述
3.2 不確定推理方法
3.3 非單調推理方法
3.4 定性推理方法
第四章 知識表示方法
4.1 概述
4.2 邏輯表示法
4.3 產(chǎn)生式表示法
4.4 語義網(wǎng)絡表示法
4.5 框架表示法
4.6 面向對象的表示法
第五章 機器學習
5.1 為什么研究機器學習
5.2 什么是機器學習
5.3 機器學習的發(fā)展歷史
5.4 學習的一種模型
5.5 機器學習的分類
5.6 機器學習的研究目標
5.7 機器學習的特點
第六章 實例學習
6.1 實例學習的兩個空間模型
6.2 實例學習的分類
6.3 學習單個概念
6.4 學習多個概念
6.5 學習多步任務
6.6 基于解釋的學習
第七章 其它學習方法
7.1 記憶學習
7.2 傳授學習
7.3 類比學習
7.4 觀察與發(fā)現(xiàn)學習
第八章 自然語言理解的任務和發(fā)展簡史
8.1 什么叫自然語言理解
8.2 以關鍵詞匹配為主流的早期歷史
8.3 以句法語義分析為主流的中期歷史
8.4 以走向實用化和工程化為特征的近期歷史
第九章 句法分析
9.1 句法分析的地位
9.2 短語結構語言
9.3 喬姆斯基體系
9.4 語言串理論
9.5 轉換語法
9.6 ATN語法
9.7 句法分析的確定性算法
9.8 基于合一的語法理論
9.9 定子句語法
第十章 語義分析
10.1 謂詞－變元
10.2 LFL的形成規(guī)則
10.3 動詞
10.4 名詞
10.5 限定詞
10.6 代詞
10.7 副詞
10.8 形容詞
10.9 介詞
10.10 連詞
10.11 LFL中的非詞義謂詞
10.12 索引算子
參考文獻

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    人工智能原理 PDF格式下載

---