《人工智能及其应用》整理（3）

第五章 计算智能

5.1 概述

计算智能（computational intelligence）

5.2 神经计算

5.2.1 人工神经网络研究的进展

5.2.2 人工神经网络的结构

1) 神经元及其特性

神经元单元的偏置

连接权系数

2) 人工神经网络的基本特性和结构

递归网络

前馈网络

3) 人工神经网络的主要学习算法

5.2.3 人工神经网络示例及其算法

1) 自适应谐振理论（ART）网络

2) 学习矢量量化（LVQ）网络

3) Kohonen网络

4) Hopfield网络

5.2.4 基于神经网络的知识表示与推理

1) 基于神经网络的知识表示

2) 基于神经网络的知识推理

5.3 模糊计算

5.3.1 模糊集合、模糊逻辑及其计算

定义5.1 模糊集合（fuzzy set）

定义5.2 模糊支集、交叉点及模糊单点

定义5.3 模糊集的运算

定义5.4 模糊关系

定义5.5 复合关系

定义5.6 语言变量

5.3.2 模糊逻辑推理

广义取式假言推理法（generalized modus ponens）

广义拒式假言推理法（generalized modus tollens）

5.4 遗传算法

进化计算（evolutionary computation）

遗传算法（genetic algorithm）

5.4.1 遗传算法的基本机理

1) 编码与解码

染色体

适应度函数（fitness function）

2) 适应度函数

3) 遗传操作

选择（selection）

交叉（crossover）

变异（mutation）

5.4.2 遗传算法的求解步骤

5.5 人工生命

人工生命（artificial life）

5.5.1 人工生命研究的起源和发展

5.5.2 人工生命的定义和研究意义

5.5.3 人工生命的研究内容和方法

5.5.4 人工生命实例

5.6 粒群优化

群智能（swarm intelligence）

5.6.1 群智能和粒群优化概述

粒群优化（particle swarm optimization）

共生合作算法

5.6.2 粒群优化算法

邻域原理（neighborhood principle）

个体最佳算法（individual best）

全局最佳算法（global best）

局部最佳算法（local best）

5.7 蚁群算法

蚁群算法（ant colony algorithm）

5.7.1 蚁群算法理论

5.7.2 蚁群算法的研究和应用

5.8 小结

第六章 专家系统

6.1 专家系统概述

专家系统（expert system）

6.1.1 专家系统的特点

6.1.2 专家系统的结构和建造步骤

知识库（knowledge base）

综合数据库（global database）

推理机（reasoning machine）

解释器（explanator）

接口（interface）

6.2 基于规则的专家系统

6.2.1 基于规则专家系统的工作模型和结构

6.2.2 基于规则专家系统的特点

6.3 基于框架的专家系统

6.3.1 基于框架专家系统的定义、结构和设计方法

6.3.2 基于框架专家系统的继承、槽和方法

6.4 基于模型的专家系统

6.4.1 基于模型专家系统的提出

6.4.2 基于神经网络的专家系统

6.5 基于Web的专家系统

6.5.1 基于Web专家系统的结构

6.5.2 基于Web专家系统的实例

6.6 新型专家系统

6.6.1 新型专家系统的特征

6.6.2 分布式专家系统

6.6.3 协同式专家系统

6.7 专家系统设计

6.7.1 专家知识的描述

6.7.2 知识的使用和决策解释

6.8 专家系统开发工具

6.9 小结