人工智能导论与原理 神经网络、机器学习、自然语言处理，资源教程下载

课程名称

人工智能导论与原理  神经网络、机器学习、自然语言处理，资源教程下载

课程目录

绪论

人工智能的研究目标

人工智能发展简史

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