清华大学教授《人工智能原理》课程

◆第一章 人工智能概述
◇第一节　人工智能的诞生
◇第二节　什么是人工智能
◇第三节　90年代初人工智能进展
◆第二章 归结推理方法
◇第一节　命题逻辑的归结法
◇第二节　子句形
◇第三节　Herbrand 定理
◇第四节　归结原理
◇第五节　归结过程的控制策略
◇第六节　归结法与Prolog 语言
◇第七节　非归结方法 
◆第三章 不确定和非单调推理方法
◇第一节　概述
◇第二节　不确定推理方法
◇第三节　非单调推理方法
◇第四节　定性推理方法 
◆第四章 知识表示方法
◇第一节　概述
◇第二节　逻辑表示法
◇第三节　产生式表示法
◇第四节　语义网络表示法
◇第五节　框架表示法
◇第六节　面向对象的表示法 
◆第五章 机器学习
◇第一节　为什么研究机器学习
◇第二节　什么是机器学习
◇第三节　机器学习的发展历史
◇第四节　学习的一种模型
◇第五节　机器学习的分类
◇第六节　机器学习的研究目标
◇第七节　机器学习的研究目标
◆第六章 实例学习
◇第一节　实例学习的两个空间模型
◇第二节　实例学习的分类
◇第三节　学习单个概念
◇第四节　学习多个概念
◇第五节　学习多步任务
◇第六节　基于解释的学习 
◆第七章 其它学习方法
◇第一节　记忆学习
◇第二节　传授学习
◇第三节　类比学习
◇第四节　观察与发现学习 
◆第八章 自然语言理解的任务和发展简史
◇第一节　什么叫自然语言理解
◇第二节　以关键词匹配为主流的早期历史
◇第三节　以句法-语义分析为主流的中期历史
◇第四节　以走向实用化和工程化为特征的近期历史
◆第九章 句法分析
◇第一节句法分析的地位
◇第二节　短语结构语言
◇第三节　乔姆斯基体系
◇第四节　语言串理论
◇第五节　转换语法
◇第六节　ATN 语法
◇第七节　句法分析的确定性算法
◇第八节　基于合一的语法理论
◇第九节　定子句语法 
◆第十章 语义分析
◇第一节　谓词-变元
◇第二节　LFL的形成规则
◇第三节　动 词
◇第四节　名 词
◇第五节　限 定 词
◇第六节　代 词
◇第七节　副 词
◇第八节　形 容 词
◇第九节　介 词
◇第十节　连 词
◇第十一节　LFI中的非词义谓词
◇第十二节　索引算子 
◆第十一章 神经网络
◇第一节　神经网络的发展
◇第二节　神经元的结构
◇第三节　神经元的结构模型
◇第四节　神经网络模型
◇第五节　感知机
◇第六节　多层前向网络
◇第七节　Hopfield网络
◇第八节　神经网络的应用