人工智能原理

1 (p1): 第一章 人工智能概述
1 (p1-2): 1.1 人工智能的诞生和发展
3 (p1-3): 出版说明
5 (p2): 前言
5 (p2-2): 1.2 什么是人工智能
7 (p2-3): 1.3 90年代初人工智能进展
11 (p3): 第二章 归结推理方法
11 (p3-2): 2.1 命题逻辑的归结法
14 (p3-3): 2.2 子句形
26 (p3-4): 2.3 Herbrand定理
40 (p3-5): 2.4 归结原理
57 (p3-6): 2.5 归结过程的控制策略
64 (p3-7): 2.6 归结法与prolog语言
68 (p3-8): 2.7 非归结法
82 (p4): 第三章 不确定和非单调推理方法
82 (p4-2): 3.1 概述
87 (p4-3): 3.2 不确定推理方法
116 (p4-4): 3.3 非单调推理方法
130 (p4-5): 3.4 定性推理方法
145 (p5): 第四章 知识表示方法
145 (p5-2): 4.1 概述
148 (p5-3): 4.2 逻辑表示法
151 (p5-4): 4.3 产生式表示法
155 (p5-5): 4.4 语义网络表示法
164 (p5-6): 4.5 框架表示法
168 (p5-7): 4.6 面向对象的表示法
170 (p5-8): 5.1 为什么研究机器学习
170 (p6): 第五章 机器学习
172 (p6-2): 5.2 什么是机器学习
174 (p6-3): 5.3 机器学习的发展历史
176 (p6-4): 5.4 学习的一种模型
178 (p6-5): 5.5 机器学习的分类
182 (p6-6): 5.6 机器学习的研究目标
183 (p6-7): 5.7 机器学习的特点
185 (p7): 第六章 实例学习
185 (p7-2): 6.1 实例学习的两个空间模型
195 (p7-3): 6.2 实例学习的分类
196 (p7-4): 6.3 学习单个概念
213 (p7-5): 6.4 学习多个概念
221 (p7-6): 6.5 学习多步任务
236 (p7-7): 6.6 基于解释的学习
255 (p8): 第七章 其它学习方法
255 (p8-2): 7.1 记忆学习
257 (p8-3): 7.2 传授学习
259 (p8-4): 7.3 类比学习
267 (p8-5): 7.4 观察与发现学习
307 (p8-6): 8.1 什么叫自然语言理解
307 (p9): 第八章 自然语言理解的任务和发展简史
309 (p9-2): 8.2 以关键词匹配为主流的早期历史
319 (p9-3): 8.3 以句法-语义分析为主流的中期历史
329 (p9-4): 8.4 以走向实用化和工程化为特征的近期历史
333 (p10): 第九章 句法分析
333 (p10-2): 9.1 句法分析的地位
336 (p10-3): 9.2 短语结构语言
341 (p10-4): 9.3 乔姆斯基体系
348 (p10-5): 9.4 语言串理论
363 (p10-6): 9.5 转换语法
381 (p10-7): 9.6 ATN语法
393 (p10-8): 9.7 句法分析的确定性算法
400 (p10-9): 9.8 基于合一的语法理论
411 (p10-10): 9.9 定子句语法
423 (p11): 第十章 语义分析
423 (p11-2): 10.1 谓词-变元
424 (p11-3): 10.2 LFL的形成规则
425 (p11-4): 10.3 动词
427 (p11-5): 10.4 名词
428 (p11-6): 10.5 限定词
432 (p11-7): 10.6 代词
433 (p11-8): 10.7 副词
436 (p11-9): 10.8 形容词
437 (p11-10): 10.9 介词
439 (p11-11): 10.10 连词
441 (p11-12): 10.11 LFL中的非词义谓词
443 (p11-13): 10.12 索引算子
446 (p11-14): 参考文献 Nei rong bao gua : zi dong tui li (gui jie fang fa, bu que ding tui li, fei dan diao tui li, ding xing tui li), zhi shi biao shi, ji qi xue xi he zi ran yu yan li jie deng si ge bu fen 本书包括自动推理, 知识表示, 机器学习和自然语言理解4部分, 依次讨论了归纳方法, 非单调推理方法, 定性推理方法, 知识表示方法,…