欢迎来到天天文库
浏览记录
ID:20566256
大小:45.00 KB
页数:7页
时间:2018-10-13
《高级人工智能 史忠植》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、编号:8106高级人工智能ADVANCEDARTIFICIALINTELLIGENCE类型:AB学时/学分:60/3,机时:20预修课程数理逻辑、人工智能原理教学目的和要求(1)了解人工智能前沿研究领域(2)了解人工智能最新研究成果(3)掌握基本思想和关键技术(4)培养人工智能研究能力内容提要和简要目录本课讲授和讨论人工智能前沿研究领域的主要思想和关键技术。主要内容有非单调逻辑、自动推理、机器学习、分布式人工智能、人工思维、人工生命、大规模并行人工智能等。简要目录第一章绪论1.1人工智能的认知问题1.2思维的层次模型1.3符号智能1.4人工智能的发展概况1.5人工智能的研究方法1.5
2、.1认知学派1.5.2逻辑学派1.5.3行为学派1.6自动推理1.7机器学习1.8分布式人工智能1.9人工思维模型1.10知识系统第二章人工智能逻辑2.1逻辑-----重要的形式工具2.1.1逻辑程序设计2.1.2关于知识的表示与推理2.2非单调逻辑2.3默认逻辑72.4限定逻辑2.5自认知逻辑2.5.1Moore系统${calL}_{B}$2.5.2$calOcalL$逻辑2.5.3标准型定理2.5.4$diamondsuit-$记号以及稳定扩张的一种判定过程2.6真值维护系统2.7情景演算的逻辑基础2.7.1刻划情景演算的多类逻辑$bfLR$2.7.2$bfLR$中的
3、基本动作理论2.7.3多类逻辑$bfLR$的改进第三章约束推理3.1概述3.2回溯法3.3约束传播3.4约束传播在树搜索中的作用3.5智能回溯与真值维护3.6变量例示次序与赋值次序3.7局部修正搜索法3.8基于图的回跳法3.9基于影响的回跳法3.10约束关系运算的处理3.10.1恒等关系的单元共享策略3.10.2区间传播3.10.3不等式图3.10.4不等式推理3.11约束推理系统COPS第四章定性推理4.1概述4.2定性推理的基本方法4.3定性模型推理4.4定性进程推理4.5定性仿真推理4.5.1定性状态转换4.5.2QSIM算法4.6代数方法4.7几何空间定性推理4.7.1空间
4、逻辑4.7.2空间时间关系描述4.7.3空间和时间逻辑的应用4.7.4Randell算法第五章基于范例推理5.1概述75.2基于范例学习的一般过程5.3范例的表示5.3.1语义记忆单元5.3.2记忆网5.4基于记忆网的范例检索5.4.1检索问题5.4.2语义记忆单元和范例检索5.4.3检索信息集与源范例的对应5.4.4单概念的范例检索算法AS5.4.5多概念的范例检索算法AM5.5相似性关系5.5.1语义相似性5.5.2结构相似性5.5.3目标特征5.5.4个体相似性5.5.5相似性计算5.5.6优选过程5.5.7约束满足理论5.6范例复用5.6.1类比映射5.6.2类比转换5.7范
5、例保存5.8基于范例的规划设计程序5.9范例库维护5.10基于范例推理的洪水预报系统FOREZ第六章归纳学习6.1概述6.2归纳学习的逻辑基础6.2.1归纳学习的一般模式6.2.2概念获取的条件6.2.3问题背景知识6.2.4选择型和构造型泛化规则6.3偏置变换6.4变型空间方法6.4.1消除候选元素算法6.4.2两种改进算法6.5AQ归纳学习算法6.6产生与测试方法6.7决策树学习6.7.1CLS学习算法6.7.2ID3学习算法6.7.3ID4学习算法6.7.4ID5学习算法76.8归纳学习的计算理论6.8.1Gold学习理论6.8.2模型推理系统6.8.3Valiant学习理论第
6、七章类比学习7.1什么是类比学习7.2类比的形式定义7.3基于抽象的有用类比推理7.4转换类比7.4.1手段--目的分析的问题求解模型7.4.2类比求解问题计算模型7.4.3问题求解状态变换7.4.4转换类比学习系统7.4.5类比学习的泛化规则7.5派生类比7.6因果关系型类比学习7.6.1类比匹配技术与相似性度量概述7.6.2知识表示7.6.3类比匹配7.6.4抽取问题的特征7.6.5相似度的计算方法7.6.6最佳对应关系匹配7.7联想类比学习7.7.1联想类比7.7.2联想类比条件7.8约束满足类比7.8.1三类约束7.8.2约束满足理论7.8.3ACME第八章解释学习8.1概述
7、8.2解释学习模型8.3解释泛化学习方法8.3.1基本原理8.3.2解释与泛化交替进行8.4全局取代解释泛化方法8.5解释特化学习方法8.6解释泛化的逻辑程序8.6.1工作原理8.6.2元解释器8.6.3实验例子8.7基于知识块的SOAR系统78.8可操作性标准8.8.1PRODIGY的效用问题8.8.2SOAR系统的可操作性8.8.3MRS-EBG的可操作性8.8.4META-LEX的处理方法8.9不完全领域知识下的解释学习8.9.1不完全领域知识8.9
此文档下载收益归作者所有