《人工智能》讲义下载

<TABLE height=269 cellSpacing=0 borderColorDark=#ccccff cellPadding=0 width="95%" borderColorLight=#ccccff border=1><TR><TD width="71%"><P align=center><B>讲义</B></TD><TD width="29%"><P align=center><B>阅读材料</B></TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/2004第一章%20引言1-2.ppt" target="_blank" >第一讲 引言 A</A></TD><TD width="29%">　</TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/2004第一章%20引言3-4.ppt" target="_blank" >第二讲 引言 B</A></TD><TD width="29%"></TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/2004search_MAR08.ppt" target="_blank" >第三,四讲 启发式搜索</A></TD><TD width="29%"></TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/0%202004chpt3-A.ppt" target="_blank" >第五讲 知识 语义网A</A></TD><TD width="29%"></TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/0%202004chpt3-B.ppt" target="_blank" >第六讲 知识 语义网B</A></TD><TD width="29%">     <a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/0%20%202004习题分析和期中复习.ppt" target="_blank" >习题分析和期中复习</A></TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/0%202004chpt3-C%20ALC.ppt" target="_blank" >第七讲 知识 语义网C</A></TD><TD width="29%"><P align=center></TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/0%202004chpt3-D%20OAA.ppt" target="_blank" >第八讲 知识 语义网D</A></TD><TD width="29%"><P align=center><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/leipzig%20%20description%20logic.pdf" target="_blank" >DL LOGIC</A></TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/0%202004chpt3-E%20PLANNING.ppt" target="_blank" >第九讲 知识 语义网E</A></TD><TD width="29%"><P align=center><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/BaaderSattler-StudiaLogica.rar" target="_blank" >DL LOGIC</A></TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/2004第3章F－%20RDF%20OWL.ppt" target="_blank" >第十讲 </A><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/workAndABC.ppt" target="_blank" >习题和ABC EVENT MODEL</A></TD><TD width="29%"><P align=center><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/ABC%20EventModel.rdfs" target="_blank" >ABC event model</A></TD></TR><TR><TD width="71%"><FONT color=#0000ff><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/0%202004chpt3-E%20PLANNINGb.ppt" target="_blank" >第十一讲 知识 语义网 Planning B</A></FONT> </TD><TD width="29%"><FONT color=#ff0000>     new</FONT>  <a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/OAA.zip" target="_blank" >OAA</A> <a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/ontoHomework.ppt" target="_blank" >Ontology习题</A> </TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/2004第4章A不确定.ppt" target="_blank" >第十二讲 不确定推理</A> </TD><TD width="29%">　 </TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/2004第4章B%20因果网%20条件概率.ppt" target="_blank" >第十三讲 因果网</A> </TD><TD width="29%">　 </TD></TR><TR><TD width="71%"><a href="http://gis.pku.edu.cn/Course/AICourse/TechDoc04/2004第5章C%20D%20E.ppt" target="_blank" >第十四讲 机器学习</A></TD><TD width="29%"><P align=center>　 </TD></TR></TABLE></B><B></B><B>课程简介</B><B>（一）《人工智能》是研究</B>1． 如何让计算机具有替代人脑很大一部分思维推理过程的能力；让计算机具有丰富的知识，和人相类似的，对事件和环境的理性rational反映能力。2． 特别是，研究如何用计算机解决需要人的复杂智慧才能解决的问题，寻找 难解问题类的合理近似解的通用算法；3． 研究怎样才能使计算机的各种应用系统更加坚固，理性地对付系统自己在运行时可能出现的各种 例外情况。4． 人工智能课程的研究方法不侧重它的哲学范畴问题，所采取的研究方法是 数理逻辑、概率统计、和 工程分析设计等理性分析方法。<B>（二）本课程有先修课要求：</B>数理逻辑，概率统计，和 面向对象技术；<B>（三）本课程的基本教学要求是，</B>1． 掌握 基于一阶谓词逻辑的语义网络知识表达，2． 掌握通用启发式搜索的主要算法，并会使用它们；3． 掌握构建不确定知识应用推理模型的基本方法；4． 掌握 归纳学习和数据挖掘的基本方法，并会应用。<B></B><B>课程大纲</B>1.  引言: 1.1 人工智能的研究目标 1.2 典型问题举例 1.3 Agent 及其特性 1.4 AI的历史发展 　2.  启发式搜索算法; 2.1  通用问题求解，启发式搜索; 2.2  A*  算法及其特点;2.3  爬山法和模拟退火法；2.4  遗传进化计算；习题 1 3.  知识和推理，知识表达的逻辑基础；       3.1  基于知识的agents，知识和逻辑推理       3.2  演绎推理系统——归谬消解法       3.3  建造知识库，现实世界的概念模型；       3.4  Softbot, 常用Agent类型特性剖析       3.5  规划问题              习题 2  （agent开发平台）4.  不确定知识和推理;      4.1  知识的不确定性      4.2  概率推理系统, 因果信念网络      4.3  效用理论，信息的价值，辅助决策系统;              习题3 （写阅读报告）5.  学习，改善自己的行为;5.1  归纳推理，小样本统计学习方法；5.2  数据挖掘，熵，决策树学习；           5.2  神经网络学习；5.3  信念网络学习；

<img src="images/post/smile/dvbbs/em01.gif" /><img src="images/post/smile/dvbbs/em01.gif" /><img src="images/post/smile/dvbbs/em01.gif" />