人工智能技術導論(PPT 187頁)

主要內容
第一章 人工智能概述
什麼是人工智能
什麼是人的智能
為什麼要研究人工智能
人工智能的目標
人工智能的表現形式
人工智能的研究途徑與方法
人工智能的分支領域
人工智能的基本技術
人工智能的發展概況
當前發展趨勢
第二章 基於謂詞邏輯的機器推理
一些命題的表示
謂詞公式
部分邏輯蘊含式（p59-p60)
自然演繹推理
子句集
命題邏輯中的歸結原理
替換與合一
謂詞邏輯中的歸結原理
歸結反演
歸結反演舉例
應用歸結原理求解
歸結策略
歸結策略
第四章 圖搜索技術
狀態圖
狀態圖搜索
搜索算法
窮舉式搜索
啟發式搜索
啟發式搜索算法
加權狀態圖搜索
啟發式搜索的A算法和A*算法
狀態圖問題求解
與或圖
與或圖搜索
與或樹搜索
啟發式與或樹搜索
希望樹
與或樹的有序搜索過程
博弈樹搜索
極小極大分析法
剪枝技術
第五章 產生式係統
產生式規則
產生式係統
產生式係統的運行過程
產生式係統的正向推理
動物分類正向推理樹
產生式係統的反向推理
動物分類反向推理樹
衝突消解策略
知識表示
知識的概念
框架的概念
框架之間的關係
框架的表達能力
基於框架的推理
框架表示法的優點
框架表示法的缺點
語義網絡的概念
語義網絡的實例
語義網絡的表達能力
基於語義網絡的推理及優缺點
第七章 不確定性處理
不確定性知識的表示
MYCIN中使用的信度
模糊知識的表示
多值邏輯
非單調邏輯
不確定性推理的一般模式
確定性理論
模糊集合與模糊邏輯
模糊集合
模糊集合的表示方法
第九章 機器學習
機器學習係統
機器學習的分類
記憶學習
Sameul的跳棋程序
機械學習係統所需的能力
傳授學習
演繹學習
類比學習
類比學習的過程
示例學習
發現學習
解釋學習
生物神經元的結構
大腦處理信息的特點
人工神經元
常見的特征函數
神經網絡
分層前向網絡
反饋前向網絡
互連前向網絡
神經網絡的學習
權值修正規則
遺傳算法(Genetic Algorithm)
生物學的相關概念及原理
生物學的基本概念和術語
生物學的基本概念和術語
遺傳算法的基本思想
遺傳算法的一般流程
需考慮的問題
優化準則的確定
遺傳算法舉例
用遺傳算法求解TSP問題

..............................