《人工智慧及其套用（第二版）》 是清華大學出版社出版的圖書， ISBN是9787302021278
這是《人工智慧及其套用》一書的第二版。本書系統地介紹人工智慧的基本原理及其套用，全面地反映出國內外人工智慧研究和套用的最新進展。
全書共十二章：第一章敘述人工智慧的概況；第二章到第四章分別研究人工智慧的知識表示方法、一般搜尋原理和高級求解技術；第五章到第十章討論人工智慧的主要套用，包括專家系統、機器學習（含基於神經網路的學習）、機器人規劃、機器視覺、自然語言理解和智慧型控制等；第十一章簡要地介紹人工智慧的程式設計工具；第十二章評述人工智慧各學派的爭論，探討人工智慧對人類各方面的影響，並展望人工智慧的發展。與第一版相比，大部分內容得以更新。本書可作為高等院校有關專業高年級學生和研究生的人工智慧課程教材，也可供從事人工智慧研究和套用的科技工作者參考使用。
基本介紹
- 作者：蔡自興 / 等
- ISBN：9787302021278
- 頁數：443
- 定價：32.50
- 出版社：清華大學出版社
- 出版時間：1996-05
- 裝幀：平裝
作品目錄
目錄
序
前言
第一章 緒論
1.1 人工智慧
1.1.1 人工智慧的定義
1.1.2 人工智慧的起源與發展
1.1.3 人類智慧型的計算機模擬
1.2 人工智慧的研究與套用領域
1.2.1 問題求解
1.2.2 邏輯推理與定理證明
1.2.3 自然語言理解
1.2.4 自動程式設計
1.2.5 專家系統
1.2.6 機器學習
1.2.7 人工神經網路
1.2.8 機器人學
1.2.9 模式識別
1.2.10 機器視覺
1.2.11 智慧型控制
1.2.12 智慧型檢索
1.2.13 智慧型調度與指揮
1.2.14 系統與語言工具
1.3 本書概要
第二章 知識表示方法
2.1 狀態空間法
2.1.1 問題狀態描述
2.1.2 狀態圖示法
2.1.3 狀態空間表示舉例
2.2 問題歸約法
2.2.1 問題歸約描述
2.2.2 與或圖表示
2.2.3 問題歸約機理
2.3 謂詞邏輯法
2.3.1 謂詞演算
2.3.2 謂詞公式
2.3.3 置換與合一
2.4 語義網路法
2.4.1 二元語義網路的表示
2.4.2 多元語義網路的表示
2.4.3 連線詞和量化的表示
2.4.4 語義網路的推理過程
2.5 框架（frame）表示
2.5.1 框架的構成
2.5.2 框架的推理
2.6 劇本（script）表示
2.6.1 劇本的構成
2.6.2 劇本的推理
2.7 過程（procedure）表示
2.8 小結
習題
第三章 一般搜尋原理
3.1 盲目搜尋
3.1.1 圖搜尋策略
3.1.2 寬度優先搜尋
3.1.3 深度優先搜尋
3.1.4 等代價搜尋
3.2 啟發式搜尋
3.2.1 啟發式搜尋策略
3.2.2 估價函式
3.2.3 有序搜尋
3.2.4 A算法
3.2.5 雙向搜尋
3.3 消解原理
3.3.1 化為子句集
3.3.2 消解推理規則
3.3.3 含有變數的消解式
3.3.4 消解反演求解過程
3.3.5 含狀態項的回答語句的求取
3.4 通用問題求解系統
3.4.1 通用問題求解原理
3.4.2 差別操作符表
3.5 小結
習題
第四章 高級求解技術
4.1 規則演繹系統
4.1.1 規則正向演繹系統
4.1.2 規則逆向演繹系統
4.1.3 規則雙向演繹系統
4.2 系統組織技術
4.2.1 議程表
4.2.2 黑板法
4.2.3 △－極小搜尋法
4.3 不確定性推理
4.3.1 關於證據的不確定性
4.3.2 關於結論的不確定性
4.3.3 多個規則支持同一事
實時的不確定性
4.4 非單調推理
4.4.1 預設推理
4.4.2 非單調推理系統
4.5 小結
習題
第五章 專家系統
5.1 產生式系統
5.1.1 產生式系統的組成
5.1.2 產生式系統的表示
5.1.3 產生式系統示例
5.2 專家系統
5.2.1 專家系統的定義與類型
5.2.2 專家系統的一般特點
5.2.3 專家系統的結構
5.2.4 專家系統的建造步驟
與設計技巧
5.2.5 專家系統的評價
5.3 專家系統開發工具
5.3.1 骨架型開發工具
5.3.2 語言型開發工具
5.3.3 構造輔助工具
5.3.4 支撐環境
5.4 專家系統設計舉例
5.4.1 專家知識的描述
5.4.2 知識的使用
5.4.3 決策的解釋
5.5 專家系統實例――MYCIN剖析
5.5.1 MYCIN概述
5.5.2 諮詢子系統
5.5.3 靜態資料庫
5.5.4 動態資料庫
5.5.5 非精確推理
5.5.6 控制策略
5.6 新一代專家系統
5.6.1 新一代專家系統的特徵
5.6.2 分散式專家系統
5.6.3 協同式專家系統
5.7 小結
習題
第六章 機器學習
6.1 機器學習的定義、研究意義
與發展歷史
6.1.1 機器學習的定義和研
究意義
6.1.2 機器學習的發展史
6.2 機器學習的主要策略與基本結構
6.2.1 機器學習的主要策略
6.2.2 機器學習系統的基本結構
6.3 機械學習
6.3.1 機械學習的模式及
主要問題
6.3.2 機械學習套用舉例
6.4 基於解釋經驗的學習
6.4.1 解釋學習的基本原理
6.4.2 學習形式與功能
6.4.3 解釋學習的匹配
6.5 基於事例的學習
6.5.1 原經驗的記錄與檢索
6.5.2 最鄰近物體的尋求
6.6 基於概念的學習
6.6.1 類型定義
6.6.2 分類程式
6.7 基於類比的學習
6.8 基於神經網路的學習
6.8.1 神經網路的組成與特性
6.8.2 基於反向傳播網路的學習
6.8.3 基於Hopfield網路的學習
6.9 小結
習題
第七章 機器人規劃
7.1 機器人規劃的作用與任務
7.1.1 規劃的作用與問題分
解途徑
7.1.2 機器人規劃系統的任
務與方法
7.2 積木世界的機器人規劃
7.2.1 積木世界的機器人問題
7.2.2 用F規則求解規劃序列
7.3 STRIPS規劃系統
7.3.1 STRIPS系統的組成
7.3.2 STRIPS系統規划過程
7.3.3 含有多重解答的規劃
7.4 具有學習能力的規劃系統
7.4.1 PULP－I系統的結構與
操作方式
7.4.2 PULP－I的世界模型與
規劃結果
7.5 分層規劃
7.5.1 長度優先搜尋
7.5.2 NOAH規劃系統
7.6 基於專家系統的機器人規劃
7.6.1 系統結構和規劃機理
7.6.2 ROPES機器人規劃系統
7.7 太空構件裝配順序規劃系統
7.7.1 太空構件裝配及其順
序規劃
7.7.2 三維結構裝配順序規
劃示例
7.8 小結
習題
第八章 機器視覺
8.1 圖象的理解與分析
8.1.1 視覺信息的表達方法
8.1.2 邊緣距離的計算
8.1.3 表面方向的計算
8.2 積木世界的景物分析
8.2.1 積木世界景物的線條標示
方法
8.2.2 無斷裂和陰影時三面頂點
的標示方法
8.2.3 有斷裂和陰影時線條圖的
分析
8.3 視覺的知識表示與控制策略
8.3.1 視覺信息的語義網路表示
8.3.2 位置網路表示
8.3.3 視覺系統的控制策略
8.4 物體形狀的分析與識別
8.4.1 複雜形狀物體的表示
8.4.2 三維物體的形狀描述
8.4.3 物體形狀識別方法
8.5 機器人視覺系統舉例
8.5.1 EYECOMⅡ機器人視
覺系統
8.5.2 機器人三維視覺系統
8.6 小結
習題
第九章 自然語言理解
9.1 語言及其理解的一般問題
9.1.1 語言與語言理解
9.1.2 自然語言理解研究的進展
9.1.3 自然語言理解過程的層次
9.2 句法和語義的自動分析
9.2.1 句法模式匹配和轉移網路
9.2.2 擴充轉移網路
9.2.3 辭彙功能語法（LFG）
9.2.4 語義的解析
9.3 句子的自動理解
9.3.1 簡單句的理解方法
9.3.2 複合句的理解方法
9.4 語言的自動生成
9.5 文本的自動翻譯――機器翻譯
9.6 自然語言理解系統的主要模型
9.7 自然語言理解系統套用舉例
9.7.1 自然語言自動理解系統
9.7.2 機器翻譯系統ARIANE
9.7.3 自然語言問答系統
9.8 小結
習題
第十章 智慧型控制
10.1 智慧型控制的發展與定義
10.1.1 智慧型控制的產生與發展
10.1.2 智慧型控制的定義
10.2 智慧型控制的結構理論與特點
10.2.1 智慧型控制的結構理論
10.2.2 智慧型控制器的一般結構
10.2.3 智慧型控制的特點
10.3 智慧型控制的研究領域
10.4 智慧型控制系統
10.4.1 分級遞階智慧型控制系統
10.4.2 專家控制系統
10.4.3 模糊控制系統
10.4.4 學習控制系統
10.4.5 神經控制系統
10.5 智慧型控制套用示例
10.6 小結
習題
第十一章 人工智慧程式設計
11.1 邏輯型程式語言
11.2 LISP語言
11.2.1 LISP的特點和數據結構
11.2.2 LISP的基本函式
11.2.3 遞歸與疊代
11.2.4 LISP編程舉例
11.3 PROLOG語言
11.3.1 語法與數據結構
11.3.2 PROLOG程式設計原理
11.3.3 PROLOG編程舉例
11.4 關係資料庫
11.4.1 關係數據模型
11.4.2 關係模型的操作語言
11.5 專用開發工具
11.6 人工智慧機
11.7 小結
習題
第十二章 人工智慧的爭論與展望
12.1 關於人工智慧的爭論
12.1.1 人工智慧的主要學派
12.1.2 對人工智慧理論的爭論
12.1.3 對人工智慧方法的爭論
12.1.4 對人工智慧技術路線的
爭論
12.2 人工智慧對人類的影響
12.2.1 人工智慧對經濟的影響
12.2.2 人工智慧對社會的影響
12.2.3 人工智慧對文化的影響
12.3 對人工智慧的展望
12.3.1 更新的理論框架
12.3.2 更好的技術集成
12.3.3 更成熟的套用方法
12.4 結束語
參考文獻
名詞術語
ABOUTTHEBOOK‘
CONTENTS
序
前言
第一章 緒論
1.1 人工智慧
1.1.1 人工智慧的定義
1.1.2 人工智慧的起源與發展
1.1.3 人類智慧型的計算機模擬
1.2 人工智慧的研究與套用領域
1.2.1 問題求解
1.2.2 邏輯推理與定理證明
1.2.3 自然語言理解
1.2.4 自動程式設計
1.2.5 專家系統
1.2.6 機器學習
1.2.7 人工神經網路
1.2.8 機器人學
1.2.9 模式識別
1.2.10 機器視覺
1.2.11 智慧型控制
1.2.12 智慧型檢索
1.2.13 智慧型調度與指揮
1.2.14 系統與語言工具
1.3 本書概要
第二章 知識表示方法
2.1 狀態空間法
2.1.1 問題狀態描述
2.1.2 狀態圖示法
2.1.3 狀態空間表示舉例
2.2 問題歸約法
2.2.1 問題歸約描述
2.2.2 與或圖表示
2.2.3 問題歸約機理
2.3 謂詞邏輯法
2.3.1 謂詞演算
2.3.2 謂詞公式
2.3.3 置換與合一
2.4 語義網路法
2.4.1 二元語義網路的表示
2.4.2 多元語義網路的表示
2.4.3 連線詞和量化的表示
2.4.4 語義網路的推理過程
2.5 框架（frame）表示
2.5.1 框架的構成
2.5.2 框架的推理
2.6 劇本（script）表示
2.6.1 劇本的構成
2.6.2 劇本的推理
2.7 過程（procedure）表示
2.8 小結
習題
第三章 一般搜尋原理
3.1 盲目搜尋
3.1.1 圖搜尋策略
3.1.2 寬度優先搜尋
3.1.3 深度優先搜尋
3.1.4 等代價搜尋
3.2 啟發式搜尋
3.2.1 啟發式搜尋策略
3.2.2 估價函式
3.2.3 有序搜尋
3.2.4 A算法
3.2.5 雙向搜尋
3.3 消解原理
3.3.1 化為子句集
3.3.2 消解推理規則
3.3.3 含有變數的消解式
3.3.4 消解反演求解過程
3.3.5 含狀態項的回答語句的求取
3.4 通用問題求解系統
3.4.1 通用問題求解原理
3.4.2 差別操作符表
3.5 小結
習題
第四章 高級求解技術
4.1 規則演繹系統
4.1.1 規則正向演繹系統
4.1.2 規則逆向演繹系統
4.1.3 規則雙向演繹系統
4.2 系統組織技術
4.2.1 議程表
4.2.2 黑板法
4.2.3 △－極小搜尋法
4.3 不確定性推理
4.3.1 關於證據的不確定性
4.3.2 關於結論的不確定性
4.3.3 多個規則支持同一事
實時的不確定性
4.4 非單調推理
4.4.1 預設推理
4.4.2 非單調推理系統
4.5 小結
習題
第五章 專家系統
5.1 產生式系統
5.1.1 產生式系統的組成
5.1.2 產生式系統的表示
5.1.3 產生式系統示例
5.2 專家系統
5.2.1 專家系統的定義與類型
5.2.2 專家系統的一般特點
5.2.3 專家系統的結構
5.2.4 專家系統的建造步驟
與設計技巧
5.2.5 專家系統的評價
5.3 專家系統開發工具
5.3.1 骨架型開發工具
5.3.2 語言型開發工具
5.3.3 構造輔助工具
5.3.4 支撐環境
5.4 專家系統設計舉例
5.4.1 專家知識的描述
5.4.2 知識的使用
5.4.3 決策的解釋
5.5 專家系統實例――MYCIN剖析
5.5.1 MYCIN概述
5.5.2 諮詢子系統
5.5.3 靜態資料庫
5.5.4 動態資料庫
5.5.5 非精確推理
5.5.6 控制策略
5.6 新一代專家系統
5.6.1 新一代專家系統的特徵
5.6.2 分散式專家系統
5.6.3 協同式專家系統
5.7 小結
習題
第六章 機器學習
6.1 機器學習的定義、研究意義
與發展歷史
6.1.1 機器學習的定義和研
究意義
6.1.2 機器學習的發展史
6.2 機器學習的主要策略與基本結構
6.2.1 機器學習的主要策略
6.2.2 機器學習系統的基本結構
6.3 機械學習
6.3.1 機械學習的模式及
主要問題
6.3.2 機械學習套用舉例
6.4 基於解釋經驗的學習
6.4.1 解釋學習的基本原理
6.4.2 學習形式與功能
6.4.3 解釋學習的匹配
6.5 基於事例的學習
6.5.1 原經驗的記錄與檢索
6.5.2 最鄰近物體的尋求
6.6 基於概念的學習
6.6.1 類型定義
6.6.2 分類程式
6.7 基於類比的學習
6.8 基於神經網路的學習
6.8.1 神經網路的組成與特性
6.8.2 基於反向傳播網路的學習
6.8.3 基於Hopfield網路的學習
6.9 小結
習題
第七章 機器人規劃
7.1 機器人規劃的作用與任務
7.1.1 規劃的作用與問題分
解途徑
7.1.2 機器人規劃系統的任
務與方法
7.2 積木世界的機器人規劃
7.2.1 積木世界的機器人問題
7.2.2 用F規則求解規劃序列
7.3 STRIPS規劃系統
7.3.1 STRIPS系統的組成
7.3.2 STRIPS系統規划過程
7.3.3 含有多重解答的規劃
7.4 具有學習能力的規劃系統
7.4.1 PULP－I系統的結構與
操作方式
7.4.2 PULP－I的世界模型與
規劃結果
7.5 分層規劃
7.5.1 長度優先搜尋
7.5.2 NOAH規劃系統
7.6 基於專家系統的機器人規劃
7.6.1 系統結構和規劃機理
7.6.2 ROPES機器人規劃系統
7.7 太空構件裝配順序規劃系統
7.7.1 太空構件裝配及其順
序規劃
7.7.2 三維結構裝配順序規
劃示例
7.8 小結
習題
第八章 機器視覺
8.1 圖象的理解與分析
8.1.1 視覺信息的表達方法
8.1.2 邊緣距離的計算
8.1.3 表面方向的計算
8.2 積木世界的景物分析
8.2.1 積木世界景物的線條標示
方法
8.2.2 無斷裂和陰影時三面頂點
的標示方法
8.2.3 有斷裂和陰影時線條圖的
分析
8.3 視覺的知識表示與控制策略
8.3.1 視覺信息的語義網路表示
8.3.2 位置網路表示
8.3.3 視覺系統的控制策略
8.4 物體形狀的分析與識別
8.4.1 複雜形狀物體的表示
8.4.2 三維物體的形狀描述
8.4.3 物體形狀識別方法
8.5 機器人視覺系統舉例
8.5.1 EYECOMⅡ機器人視
覺系統
8.5.2 機器人三維視覺系統
8.6 小結
習題
第九章 自然語言理解
9.1 語言及其理解的一般問題
9.1.1 語言與語言理解
9.1.2 自然語言理解研究的進展
9.1.3 自然語言理解過程的層次
9.2 句法和語義的自動分析
9.2.1 句法模式匹配和轉移網路
9.2.2 擴充轉移網路
9.2.3 辭彙功能語法（LFG）
9.2.4 語義的解析
9.3 句子的自動理解
9.3.1 簡單句的理解方法
9.3.2 複合句的理解方法
9.4 語言的自動生成
9.5 文本的自動翻譯――機器翻譯
9.6 自然語言理解系統的主要模型
9.7 自然語言理解系統套用舉例
9.7.1 自然語言自動理解系統
9.7.2 機器翻譯系統ARIANE
9.7.3 自然語言問答系統
9.8 小結
習題
第十章 智慧型控制
10.1 智慧型控制的發展與定義
10.1.1 智慧型控制的產生與發展
10.1.2 智慧型控制的定義
10.2 智慧型控制的結構理論與特點
10.2.1 智慧型控制的結構理論
10.2.2 智慧型控制器的一般結構
10.2.3 智慧型控制的特點
10.3 智慧型控制的研究領域
10.4 智慧型控制系統
10.4.1 分級遞階智慧型控制系統
10.4.2 專家控制系統
10.4.3 模糊控制系統
10.4.4 學習控制系統
10.4.5 神經控制系統
10.5 智慧型控制套用示例
10.6 小結
習題
第十一章 人工智慧程式設計
11.1 邏輯型程式語言
11.2 LISP語言
11.2.1 LISP的特點和數據結構
11.2.2 LISP的基本函式
11.2.3 遞歸與疊代
11.2.4 LISP編程舉例
11.3 PROLOG語言
11.3.1 語法與數據結構
11.3.2 PROLOG程式設計原理
11.3.3 PROLOG編程舉例
11.4 關係資料庫
11.4.1 關係數據模型
11.4.2 關係模型的操作語言
11.5 專用開發工具
11.6 人工智慧機
11.7 小結
習題
第十二章 人工智慧的爭論與展望
12.1 關於人工智慧的爭論
12.1.1 人工智慧的主要學派
12.1.2 對人工智慧理論的爭論
12.1.3 對人工智慧方法的爭論
12.1.4 對人工智慧技術路線的
爭論
12.2 人工智慧對人類的影響
12.2.1 人工智慧對經濟的影響
12.2.2 人工智慧對社會的影響
12.2.3 人工智慧對文化的影響
12.3 對人工智慧的展望
12.3.1 更新的理論框架
12.3.2 更好的技術集成
12.3.3 更成熟的套用方法
12.4 結束語
參考文獻
名詞術語
ABOUTTHEBOOK‘
CONTENTS
