本书是普通高等教育“十一五”**级规划教材《人工智能教程》的配套参考书,本书对《人工智能教程》各章中的学习要点和基本知识点进行了总结,并通过例题解析,讲解人工智能习题的求解步骤和方法。对教材中的大多数习题都给出参考解答。全书共分10章,和《人工智能教程》的内容相对应。
本书可作为高等学校计算机科学与技术专业及其相关专业本科生或硕士研究生学习“人工智能原理”课程的教学参考书或自学用书,也可作为同等学力人员申请硕士学位计算机科学与技术学科考试的参考用书,还可供参加其他考试的相关人员参考。

第1章 绪论
1.1 基本知识点
1.1.1 人工智能的诞生及发展
1.1.2 人工智能的定义
1.1.3 人工智能的研究内容
1.1.4 人工智能研究的方法及途径
1.1.5 人工智能的研究及应用领域
1.2 例题分析
1.3 练习题
1.4 解题指导与习题解答
第2章 知识表示方法
2.1 基本知识点
2.1.1 知识及其表示
2.1.2 一阶谓词逻辑表示法
2.1.3 产生式表示法
2.1.4 语义网络表示法
2.1.5 框架表示法
2.1.6 面向对象的表示法
2.1.7 状态空间表示法
2.2 例题分析
2.2.1 一阶谓词公式表示知识的举例
2.2.2 语义网络表示知识举例
2.2.3 框架表示知识举例
2.2.4 状态空间表示知识举例
2.3 练习题
2.4 解题指导与习题解答
第3章 确定性推理方法
3.1 基本知识点
3.1.1 谓词公式的永真性和可满足性
3.1.2 置换与合一
3.1.3 归结推理方法
3.1.4 利用归结原理进行定理证明
3.1.5 应用归结原理进行问题求解
3.1.6 归结过程的控制策略
3.2 例题分析
3.3 练习题
3.4 解题指导与习题解答
第4章 不确定推理方法
4.1 基本知识点
4.1.1 不确定推理概述
4.1.2 可信度方法
4.1.3 主观Bayes方法
4.1.4 证据理论
4.2 例题分析
4.3 练习题
4.4 解题指导与习题解答
第5章 状态空间搜索策略
5.1 基本知识点
5.1.1 盲目搜索策略
5.1.2 启发式搜索策略
5.2 例题分析
5.3 练习题
5.4 解题指导与习题解答
第6章 机器学习
6.1 基本知识点
6.1.1 机器学习概述
6.1.2 机器学习系统的基本模型
6.1.3 机械学习
6.1.4 传授式学习
6.1.5 类比学习
6.1.6 归纳学习
6.1.7 基于解释的学习
6.1.8 ID3判定树算法
6.2 例题分析
6.3 练习题
6.4 解题指导与习题解答
第7章 自然语言理解
7.1 基本知识点
7.1.1 自然语言及其理解
7.1.2 词法分析
7.1.3 句法分析
7.1.4 语义分析
7.1.5 大规模真实文本的处理
7.2 例题分析
7.3 练习题
7.4 解题指导与习题解答
第8章 专家系统
8.1 基本知识点
8.1.1 专家系统概述
8.1.2 专家系统的基本结构
8.1.3 知识获取
8.1.4 专家系统的设计与建造
8.1.5 专家系统的评价
8.1.6 专家系统开发工具
8.1.7 新一代专家系统的发展
8.2 例题分析
8.3 练习题
8.4 解题指导与习题解答
第9章 神经网络与遗传算法
9.1 基本知识点
9.1.1 人工神经网络概述
9.1.2 基于反向传播的网络模型
9.1.3 Hopfield网络模型
9.1.4 遗传算法的概念与原理
9.2 例题分析
9.3 练习题
9.4 解题指导与习题解答
第10章 数据挖掘与Agent技术
10.1 基本知识点
10.1.1 数据挖掘的概念与研究内容
10.1.2 数据挖掘的功能与作用
10.1.3 数据挖掘的模型与算法
10.1.4 数据挖掘的过程
10.1.5 数据挖掘的研究热点与发展趋势
10.1.6 Agent的定义与体系结构
10.1.7 多Agent系统
10.1.8 面向Agent的软件技术
10.1.9 Agent技术所面临的挑战
10.2 例题分析
10.3 练习题
10.4 解题指导与习题解答
附录A《计算机科学与技术》综合考试真题
附录B《计算机科学与技术》综合考试真题参考解答
参考文献

本书是普通高等教育“十一五”**级规划教材((人工智能教程》的配套参考书,由10章构成,每章均包括基本知识点、例题分析、练习题及解题指导与习题解答等部分。
本书在给出《人工智能教程》各个章节学习要点和基本知识点的基础上,对各类习题的求解步骤和方法进行了总结,使人工智能习题的求解变得有章可循、易于实现。