人工智能导论与原理 （神经网络、机器学习、自然语言处理）
103851;【人工智能导论课程目录】绪论
1. 人工智能的研究目标
2. 人工智能发展简史
3. 人工智能研究的课题
第一章 产生式系统
1.1 产生式系统的组成部分
1.2 产生式系统的基本过程
1.3 产生式系统的控制策略
1.4 问题的表示
1.5 产生式系统的类型
1.6 小结
- 课后习题
第二章 产生式系统的搜索策略
2.1 回溯策略（Backtracking Strategies）
2.2 图搜索策略
2.3 无信息图搜索过程
2.4 启发式图搜索过程
2.5 搜索算法讨论
2.6 小结
- 课后习题
第三章 可分解产生式系统的搜索策略
3.1 与或图的搜索
3.2 与或图的启发式搜索算法AO*
3.3 博弈树的搜索
3.4 小结
- 课后习题
第四章 人工智能中的谓词演算及应用
4.1 一阶谓词演算的基本体系
4.2 归结（消解Resolution）
4.3 归结反演系统（Refutation）
4.4 基于归结法的问答系统
4.5 基于归结的自动程序综合
4.6 基于归结的问题求解方法
4.7 基于规则的正向演绎系统
4.8 基于规则的逆向演绎系统
4.9 基于规则的演绎系统的几个问题
4.10 小结
- 课后习题
第五章 人工智能语言
5.1 LISP
5.2 PROLOG
5.3 小结
- 课后习题
【人工智能原理课程目录】
第一章 人工智能概述
- 课前索引
- 1.1 人工智能的定义
- 1.2 人工智能的发展史
- 1.3 人工智能成功的实例
- 1.4 人工智能的研究内容
- 1.5 人工智能研究的特点
- 1.6 人工智能相关文献及网站介绍
- 章节小结
- 课后思考题
第二章 归结推理方法
- 课前索引
- 2.1 归结原理概述
- 2.2 命题逻辑的归结
- 2.3 谓词逻辑归结法基础
- 2.4 归结原理
- 2.5 归结过程控制策略
- 2.6 Herbrand定理
- 章节小结
- 课后思考题
- 课后习题
第三章 不确定性推理方法
- 课前索引
- 3.1 概述
- 3.2 确定性方法
- 3.3 主观Bayes方法
- 3.4 证据理论（D-S Theory）
- 3.5 贝叶斯网络
- 章节小结
- 课后思考题
- 课后习题
第四章 知识表示
- 课前索引
- 4.1 概述
- 4.2 表示观
- 4.3 逻辑表示法
- 4.4 产生式表示法
- 4.5 语义网络表示法
- 4.6 框架表示法
- 4.7 面向对象的表示法
- 4.8 直接型知识表示方法
- 4.9 混合型知识表示方法
- 章节小结
- 课后思考题
- 课后习题
第五章 机器学习
- 课前索引
- 5.1 概述
- 5.2 机器学习的分类与基本系统结构
- 5.3 符号学习方法
- 5.4 实例学习方法
- 章节小结
- 课后思考题
- 课后习题
第六章 神经网络
- 课前索引
- 6.1 概述
- 6.2 前馈型人工神经网络
- 6.3 反馈神经网络
- 6.4 自组织竞争人工神经网络
- 6.5 神经网络在模式识别中的应用
- 章节小结
- 课后思考题
第七章 自然语言处理
- 课前索引
- 7.1 概述
- 7.2 句法分析
- 7.3 词性标注
- 章节小结
- 课后思考题
- 课后习题
第八章 智能体
- 课前索引
- 8.1 智能体概述
- 8.2 多智能体
- 8.3 智能体之间的通讯
- 8.4 智能体体系结构
- 章节小结
- 课后思考题
课程大小:
QQ截图20160707150017.png
(16.31 KB, 下载次数: 50)
2016-7-7 15:00 上传
点击文件名下载附件
下载地址：
本资源来源于 网络 付费网站付费收集而来, 随时收集更新资源本站专注搜集和分享各种付费网站资源,感谢您的信任
资源下载地址:
**** Hidden Message *****
本站所有资源都来源于网络收集,网友提供或者交换而来!
如果侵犯了您的权益,请及时联系客服,我们即刻删除!
页:
[1]