3.1 状态图搜索 3.2 状态图搜索问题求解 3.3 与或图搜索 3.4 与或图搜索问题求解

5.1 概述 5.2 基于谓词逻辑的机器推理 5.3 基于产生式规则的机器推理 5.4 几种结构化知识表示及其推理 5.5 不确定性知识的表示与推理

7.1 基本概念 7.2 系统结构 7.3 实例分析 7.4 系统设计与实现 7.5 开发工具与环境 7.6 专家系统的发展

8.1 Agent的概念 8.2 Agent的结构 8.3 Agent实例─Web Agent 8.4 多Agent系统 8.5 Agent的实现工具 8.6 Agent技术的发展与应用

9.1 智能网 9.2 网络的智能化管理与控制 9.3 网上信息的智能化检索

谷歌的人工智能系统（AlphaGo）在围棋领域取得了一系列成功，使得深度强化学习得到越来越多的关注。深度强化学习融合了深度学习对复杂环境的感知能力和强化学习对复杂情景的决策能力。而自然语言处理过程中有着数量巨大的词汇或者语句需要表征，并且在对话系统、机器翻译和图像描述等文本生成任务中存在大量难以建模的决策问题。这使得深度强化学习在自然语言处理的文本生成任务中能够发挥重要的作用，帮助改进现有的模型结构或者训练机制，并且已经取得了很多显著的成果。为此，本文系统阐述深度强化学习应用在不同的文本生成任务中的一些主要方法，梳理其发展的轨迹，分析算法特点。最后，展望深度强化学习与自然语言处理任务融合的前景和挑战

高炉是一个包括复杂物理化学变化和传输过程的高温反应器。由局部反应和区域热平衡、物料平衡建立的机理模型难以适应炉况的迅速变化。用模糊数学理论进行不确定知识的处理,构成了知识库和推理机,从而建立了人工智能高炉异常炉况诊断专家系统,避免了人工可能漏看忽略的仪表微小变化所造成炉况判断的偏差,因而有较高的命中率

将人工生命与人工智能相结合,并应用于计算机动画的研究.在用人工生命方法生成的计算机动画中,智能生命在虚拟环境中的行为有程序员事先设定好的预定义行为,同时也有随机出现的随意性行为.以人工鱼为例,建立了智能生命随意性行为的认知模型,并利用子集搜索等技术提高搜索效率.仿真结果表明,利用认知模型,智能生命可以较好地处理某些随机事件

将神经网络与人工智能技术相结合,提出了1种新型的知识表示的形式化描述和知识单元。知识通过模式分类导入,并用IMSBP和(B-B)BP调节2种不同类型的权。在此基础上提出了神经网络的双向求解策略。以加热炉控制验证了其可行性

本书运用信息化与物联网工程技术理论，全面分析国内外能源电力物联网工程技术研究现状与发展趋势、我国能源电力物联网应用工程技术发展特点、智能变电站物联网工程技术与应用、输电线路物联网感知工程技术与应用、供用电物联网通信工程技术与应用、配电系统物联网工程技术与应用、电力GIS物联网工程技术与应用、无线移动通信物联网工程技术与应用、电力人工智能物联网工程技术与应用等，力求反映电力信息化与物联网应用工程技术的最新发展理论与工程实践研究成果，通过电力物联网工程技术实际案例，针对电力信息化与物联网工程领域存在的问题，提出了相应的解决方案。本书可作为高等院校相关专业教材，也可作为能源电子行业的培训教材，还可作为企事业单位电力物联网工程相关人员的参考用书。 第1章 绪论 第2章 电力物联网工程技术基础理论 第3章 电力物联网工程技术基础知识 第4章 智能变电站物联网工程技术与应用 第5章 输电线路物联网感知工程技术与应用