第一章绪论
1、智能是由知识与智力组成。知识是一切智能行为的基础，智力是获取知识并运用知识求解问题的能力。
Q;
2、把非Q并入到公式集F中，得到{F,非Q};
3、把{F,非Q}化为子句集S；
4、应用归结原理对S中的子句进行归结，并把每次归结得到的归结式都并入S中。如此反复进行，若出现空子句，则终止归结，此时就证明了Q为真。
为推理机提供求解问题所需的知识。知识库管理系统负责对知识库中的知识进行组织、检索、维护等。推理机是专家系统的“思维”机构，是构成专家系统的核心部分。任务是模拟领域专家的思维过程，并执行对问题的求解。
2、智能的特征:具有感知能力;记忆与思维能力;具有学
习能力与自适应能力;具有行为能力。
3、人工智能：用人工的方法在智能计算机上实现的智能，
它是人类智能在计算机上实现的模拟。 第五章不确定与非单调推理
1、不确定推理：就是从不确定性的初始证据出发，通过
运用不确定的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。
数据库用于存放用户提供的初始事实、问题描述以及系统运行过程中得到的工作存储器。数据库管理系统是用来对数据库进行管理。解释机构能够对自己的行为作出解
释，能跟踪并记录推理过程。
4、人工智能的三个阶段：孕育、形成、发展。
5、人工智能的最终目标是构建智能计算机。近期目标
是在现有的电子数字计算机上实现人类智能的部分模拟，构造分别用于不同目的的智能系统。
2、不确定推理除了必须解决推力方向、推理方法、控制策略等基本问题外，一般还需要解决不确定性的表示与
量度、不确定性匹配算法及阈值的选择、组合证据不确定的算法、不确定性的传递算法、结论不确定性的合成等重
5、知识获取需要做的工作：抽取知识、知识的转换、知识的输入、知识的检测。为何是“瓶颈”问题：由于
目前获取知识的手段还没有完全实现自动化，许多工作还要用手工方法完成。
6、人工智能的基本内容：机器感知、机器思维、机器
学习、机器行为、智能系统及智能计算机的构造技术。
6、知识的组织：当把获取的知识送入数据库时，立即面
临的问题就行如何物理的安排这些知识，并建立起逻辑上的联系，称这一工作为知识的组织。遵守的原则：选用的组织方式应使知识具有相对独立性、便于对知识的搜索、便于对知识进行维护及管理、便于内存与外存的交换、便于在知识库中同时存储有多种模式表示的知识、尽量节省存储空间。
7、人工智能的研究途径：以符号处理为核心的方法、
以网络连接为主的连接机制方法、系统集成。 要问题。
3、不确定处理方法主要是沿着两条路线发展的：一条
是在推理一级扩展确定性推理，成为模型算法；另一条是在控制策略一级处理不确定性，成为控制方法。模型方法
8、人工智能的研究领域：专家系统、机器学习、模式
识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络等。
分为数值方法和非数值方法。数值方法包括概率方法、
主观Bayes方法、可信度方法、证据理论、模糊推理等；
9、人工智能的三个学派：符号、连接、行为主义。
非数值方法有发生率计算等。
7、知识的管理内容：知识库的重组、记录系统的运行
实例、记录系统的运行史、记录知识库的发展史、知识库的安全保护与保密。
第三章知识与知识表示
1、知识：把有关的信息关联在一起的所形成的信息结构。 第六章搜索策略
2、知识的特性：相对正确性、不确定性、可表示性与可
利用性。
3、知识表示方法有符号表示法和连接机制表示法。
主要有：一阶谓词逻辑、产生式、框架、语义网络、脚本、
过程、Petri网、面向对象表示法。
4、知识表示就是知识的符号化过程，把知识用计算机可
接受的符号并以某种结构形式表示出来。
5、选择知识表示方法时应考虑的问题：充分表示领域
知识，有利于对知识的利用，便于对知识的组织、维护与管理，便于理解和实现。
6、一阶谓词逻辑表示法适合于表示事物的状态、属性、
概念等事实性的知识，也可以用来表示事物间确定的因果关系。优点：自燃性、精确性、严密性、容易实现。局限：不能表示不确定的知识、组合爆炸、效率低。
7、产生式系统：把一组产生式放在一起，让他们互相配
合，协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解决，这样的系统即是产生式系统。有规则库、综合数据库、控制系统组成。求解问题的一般步骤：
1、初始化综合数据库，把问题
的初始已知事实送入综合数据库。
2、若规则库中存在尚未使用过的规则，而且它的前提可与综合数据库中的已知事实匹配。则转第3步；若不存在这样的事实转第5步。
3、执行当前选中的规则，并对该规则做上标记，把该规则执行后得到的结论送入综合数据库中。如果该规则的结论部分指出的是某些操作，则执行这些操作。
4、检查综合数据库中是否已包含问题的解，若已包含，则终止问题的求解过程；否则转第2步。
5、要求用户提这一步的关于问题的已知事实；若能提供，则转第2步；否则终止问题的求解过程。
6、若规则库中不再有未使用过的规则，则终止问题的求解过程。特点：自然性、模块性、有效性、清晰性。缺点：效率不高、不能表达具有结构性的知识。
8、框架表示法：框架系统中问题的求解主要是通过匹
配与填槽实现的。当要求解某个问题时，首先把这个问题用一个框架表示出来，然后通过与知识库中的已有的框架进行匹配，找出一个或几个可匹配的预选框架作为初步假设，并在此初步假设的引导下收集进一步的信息，最后用某种评价方法对预选框架进行评价，以便决定是否接受它。特点：结构性、继承性、自然性。不足：不善于表达过程性的知识。
9、语义网络系统问题的求解一般是通过匹配实现的，
主要过程：
1、根据待求解问题的要求构造一个网络片段，其中有些节电或弧的标识是空的，反应待求解的问题。
2、依次网络片段到知识库中去寻找可匹配的网络，以找出所需要的信息。当然，这种匹配一般不是完全的，具有不确定性，因此需要解决不确定性匹配的问题。
3、当问题的语义网络片段与知识库中的某语义网络片段匹配时，则与询问处匹配的事实就是问题的解。优点：结构性、联想性、自然性。缺点：非严格性、处理上的复杂性。
第四章经典逻辑推理
1、推理就是按照某种策略由已知判断推出另一种判断的思维过程。包括两种判断：已知的判断和由已知判断推
出的新判断。
2、推理的控制策略：推力方向、搜索策略、冲突消解
策略、求解策略、限制策略。
3、正向推理描述算法：
1、将用户提供给的已知事实送
入数据库DB。
2、检查数据库中是否已经包含问题的解，若有，则求解结束，并成功推出；否则执行下一步。
3、根据数据库中的已知事实，扫描知识库KB，检查KB中是否有可适用的知识，若有转4，否则转6。
4、把KB中的所有可适用的知识集KS。
5、若KS不空，则按某种冲突消解策略从中选出一条知识进行推理并将推出的新事实加入DB，然后转2；若KS为空转6。
6、询问用户是否可进一步补充新的事实，若可补充，则将补充的新事实加入DB中，然后转3,否则表示求不出解，失败推出。
4、逆向推理描述算法：
1、提出要求证的目标（假设）；
2、检查该目标是否已在数据库中，若在，则该目标成立，成功的推出推理或者对下一个假设目标进行论证；否则，转下一步；
3、判断该目标是否是证据，即它是否为应由用户证实的原始事实，若是，则询问用户；否则转下一步；
4、在知识库中找出所有能导出该目标的知识，形成适用知识集KS，然后转下一步；
5、从KS中选出一条知识，并将该知识的运用条件作为新的假设目标，然后转2。
5、用归结反演证明Q为真步骤：
1、否定Q，得到非
1、搜索分为盲目搜索和启发式搜索。盲目搜索是按预定
的控制策略进行搜索，在搜索过程中获得的中间信息不用来改进控制策略。启发式搜索是在搜索中加入了与问题有关的启发性信息，用以指导搜索朝着最有希望的方向前进，加速问题的求解过程并找到最优解。
2、状态空间表示法使用“状态”和“算符”来表示问
题的一种方法。状态描述问题求解过程中不同时刻的状况。算符表示对状态的操作。
3、OPEN表用于存放刚生成的节点；CLOSED表用于存放
将要扩展或者已经扩展的节点。
4、广度优先搜索过程：
1、把初始节点S0放入OPEN
表。
2、如果OPEN表为空，则问题无解，退出。
3、把OPEN表的第一个节点（记为节点n）取出放入CLOSED表。
4、考察节点n是否为目标节点。若是，则求得了问题的解，退出。
5、若节点n不可扩展，则转第2步。
6、扩展节点n，将其子节点放入OPEN表的尾部，并为每一个子节点都配置指向父节点的指针，然后转第2步。
5、深度优先搜索过程：与上一搜索的不同点就是要把
节点n的子节点放入到OPEN表的首部。
6、有界深度优先搜索过程：
1、把初始节点S0放入OPEN
表，置So的深度d（S0）=0。
2、如果OPEN表为空，则问题无解，退出。
3、把OPEN表的第一个节点（记为节点n）取出放入CLOSED表。
4、考察节点n是否为目标节点。若是，则求得了问题的解，退出。
5、如果节点n的深度d（节点n）=dm，则转第2步。
6、若节点n不可扩展，则转第2步。
7、扩展节点n，将其子节点放入OPEN表的首部，并为其配置指向父节点的指针，然后转第2步。
7、与或树的广度优先搜索：
1、把初始节点S0放入OPEN
表。
2、把OPEN表的第一个节点（记为节点n）取出放入CLOSED表。
3、如果节点n可扩展，则做下列工作。①扩展节点n，将其子节点放入OPEN表的尾部，并为每个子节点配置指向父节点的指针，以备标示过程使用。②考察这些子节点中有否终止节点。若有，则标示这些终止节点为可解节点，并应用可解标示过程对其父节点、祖父节点等先辈节点中的可解节点进行标示。如果初始节点S0也被标示为可解节点，就得到了解树，搜索成功，推出搜索过程；如果不能确定S0为可解节点，则从OPEN表中删去具有可解先辈的节点。③转第2步。
4、如果节点n不可扩展，则做下列工作：①标示节点n为不可解节点。②应用不可解标示过程对节点n的先辈节点中不可解的节点进行标示。如果初始节点S0也被标示为不可解节点，则搜索失败，表明原始问题无解，推出搜索过程；如果不能确定S0为不可解节点，则从OPEN表中删去具有不可解先辈的节点。③转第2步。
8、α-β剪枝技术：是博弈树搜索中一种提高搜索效率
的方法。通过边生成边计算，从而剪去某些分枝的技术成为α-β剪枝技术。一般规律：
1、任何或节点x的α值如果不能降低其父节点的β值，则对节点x以下的分枝可停止搜索，并使x的倒推值为α 。这种剪枝技术成为β 剪枝。
2、任何与节点x的β值如果不能升高其父节点的α值，则对节点x以下的分枝可停止搜索，并使x的倒推值为β。这种剪枝技术成为α 剪枝。
第七章专家系统
1、专家系统：就是一种在相关领域中具有专家水平解题
能力的智能程序系统，它能运用领域专家多年积累的经验与专门的知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问题。
2、专家系统的特征：
1、具有专家水平的专门知识，
2、
能进行有效的推理，
3、具有获取知识的能力。
4、具有灵活性。
5、具有透明性。
6、具有交互性。
7、具有实用性。
8、具有一定的复杂性及难度。
3、专家系统的分类：按特性和处理问题分有解释型、
诊断型、预测型、设计型、规划型、控制型、监测型维修型、教育型、调试型。按体系结构分类分为集中式专家系统、分布式专家系统、神经网络专家系统、符号系统与神经网络结合的专家系统。
4、专家系统的一般结构：人机接口、知识获取机构、
知识库及其管理系统、数据库及其管理系统、推理机、解释机构。人机接口是专家系统与领域专家或知识工程师及一般用户间的界面，用于完成输入输出工作。知识获取
机构是把知识输入到知识库中，并负责维持知识的一致性
及完整性，建立起性能良好的知识库。知识库用于存储领
域内的原理性知识、专家的经验性知识以及有关的事实。
8、专家系统的建造原则：恰当地划定求解问题的领域、
获取完备的知识、知识库与推理机分离、选择设计合适的知识表示模式、推理应能模拟领域专家求解问题的思维过程、建立友好的交互环境、渐增式的开发策略。
第八章机器学习
1、机器学习：就是计算机能模拟人的学习行为，自动地
通过学习获取知识和技能，不断改善性能、实现自我完善。
2、学习系统：能够在一定程度上实现机器学习的系统。应具有的条件和能力：具有适当的学习环境、具有一定
的学习能力、能应用学到的知识求解问题、能提高系统的性能。结构：环境、学习、知识库、执行与评价。
第九章模式识别
1、模式：对某些事物定量或结构的描述。
2、模式识别：研究一种自动技术，计算机通过运用这种
技术就可以自动地或者人尽可能少干预地把待识别模式归入到相应的模式类中去。一般过程：模式信息采集、预处理、特征或基元抽取、模式分类。分类：统计模式识别、结构模式识别、仿生模式识别。
