人工智能是研究解释和模拟人类智能、智能行为及其规律的一门前沿和交叉学科。目前市面上“人工智能”课程主教材已有多种不同的版本,但是辅导用书和实验用书比较缺乏。
本书主要是“人工智能”课程的配套教材。内容涉及知识表示、基本问题求解、基本推理方法、Visual Prolog语言、专家系统、机器学习、人工神经网络、Agent等方面。本书对人工智能的知识要点进行了归纳,对典型例题进行了深入解析,并提供了一些自测题及部分参考答案,设计了Visual Prolog等编程实验并有相应的提示,给出一个实现专家系统的小案例,*后的附录是近几年同等学力申请计算机硕士学位人工智能考试真题及参考答案。
本书内容符合**相关课程标准,适合计算机专业本科高年级学生学习参考,也适合作为研究生入学考试的备考资料。

第1章 绪论
1.1 学习目标与要求
1.2 知识要点
1.2.1 人工智能的概念
1.2.2 人工智能程序和通常计算机程序的比较
1.2.3 人工智能的三个主要目标
1.2.4 人工智能发展史
1.2.5 研究领域
1.3 习题解析
1.4 自测题及部分参考答案
1.4.1 自测题
1.4.2 部分参考答案
第2章 知识表达技术
2.1 学习目标与要求
2.2 知识要点
2.2.1 知识的概念与含义
2.2.2 知识类型和知识模型的变换
2.2.3 状态空间表达法
2.2.4 与/或图表达法
2.2.5 知识的逻辑表达方法
2.2.6 语义网络表达法
2.2.7 产生式系统
2.2.8 框架表达法
2.2.9 特征表表达法
2.2.10 面向对象的表示
2.3 习题解析
2.4 自测题及部分参考答案
2.4.1 自测题
2.4.2 部分参考答案
第3章 基本的问题求解方法
3.1 学习目标与要求
3.2 基本内容
3.2.1 搜索的概念
3.2.2 状态空间搜索概述
3.2.3 盲目的图搜索策略
3.2.4 启发式图搜索策略
3.2.5 与/或图搜索
3.2.6 博弈树搜索
3.2.7 通用问题求解技术简述
3.3 习题解析
3.4 自测题及部分参考答案
3.4.1 自测题
3.4.2 部分参考答案
第4章 基本的推理技术
4.1 学习目标与要求
4.2 知识要点
4.2.1 推理技术概述
4.2.2 归结反演系统
4.2.3 基于规则的演绎推理
4.3 习题解析

4.4 自测题及部分参考答案
4.4.1 自测题
4.4.2 部分参考答案
第5章 不**推理
5.1 学习目标与要求
5.2 知识要点
5.2.1 不**推理的概念、需要解决的基本问题及推理模型
5.2.2 概率方法
5.2.3 主观Bayes方法
5.2.4 可信度方法
5.2.5 模糊推理
5.3 习题解析
5.4 自测题及部分参考答案
5.4.1 自测题
5.4.2 部分参考答案
第6章 Visual Prolog语言
6.1 学习目标与要求
6.2 知识要点
6.2.1 Prolog语言概述
6.2.2 Prolog语言的结构
6.2.3 Prolog推理机PIE
6.2.4 Prolog语言的程序控制
6.2.5 谓词!的讨论
6.2.6 Visual Prolog的GUI程序设计
6.2.7 编程技巧
6.3 习题解析
6.4 自测题及部分参考答案
6.4.1 自测题
6.4.2 部分参考答案
第7章 专家系统
7.1 学习目标与要求
7.2 知识要点
7.2.1 专家系统的定义与分类
7.2.2 专家系统的结构与工作原理
7.2.3 知识获取
7.2.4 专家系统的建立
7.2.5 专家系统的开发工具
7.2.6 专家系统开发环境
7.3 习题解析
7.4 自测题及部分参考答案
7.4.1 自测题
7.4.2 部分参考答案
第8章 机器学习
8.1 学习目标与要求
8.2 知识要点
8.2.1 机器学习概述
8.2.2 机械学习
8.2.3 相关产生式学习系统
8.2.4 示例学习
8.2.5 类比学习

8.2.6 几种类比学习系统介绍
8.2.7 归纳学习
8.3 习题解析
8.4 自测题及部分参考答案
8.4.1 自测题
8.4.2 部分参考答案
第9章 人工神经网络
9.1 学习目标与要求
9.2 知识要点
9.2.1 人工神经网络概述
9.2.2 人工神经元模型
9.2.3 人工神经网络结构及工作方式
9.2.4 神经网络的学习方法
9.2.5 前馈型神经网络
9.2.6 神经联想记忆与H……

本书主要是“人工智能”课程的配套教材。内容涉及知识表示、基本问题求解、基本推理方法、Visual Prolog语言、专家系统、机器学习、人工神经网络、Agent等方面。本书内容适合计算机专业本科高年级学生学习参考,也适合作为研究生入学考试的备考资料。