◼ 1、概述 ◼ 1.1、机器学习的应用 ◼ 1.2 、什么是机器学习 ◼ 1.3、机器学习的发展 ◼ 1.4、机器学习的分类 ◼ 1.5 机器学习的资源 ◼ 2、机器学习的数学基础 ◼ 3、机器学习的术语 ◼ 4、基于案例的机器学习流程简介 ◼ 5、机器学习算法简介 ◼ 6、机器学习实例演示

7.1 不确定性及其类型 7.2 不确定性知识的表示 7.3 不确定性推理的一般模式 7.4 确定性理论（可信度方法） 7.5 证据理论、7.6 模糊理论

3.2 归结演绎推理 3.3 应用归结原理求取问题答案 3.４ 归结策略 3.6 Horn子句归结与逻辑程序 3.7 非归结演绎推理

根据问题的实际情况不断寻找可利用的 知识,从而构造一条代价较少的推理路 线,使问题得到圆满解决的过程称为搜 索。搜索实用于:结构不良问题,无成 熟算法;或有算法,但问题复杂,如 博弈

8.1 专家系统的概念 8.2 专家系统的结构 8.3 专家系统的应用与发展概况 8.3.1 专家系统的意义 8.3.2 专家系统的应用 8.3.3 专家系统的发展概况 8.4 专家系统实例 8.5 专家系统设计与实现 8.6 专家系统开发工具与环境 8.7 新一代专家系统研究

§6.1 基本概念 §6.2 专家系统的一般结构 §6.3 知识的监测与求精 §6.5 知识的组织与管理 §6.6 专家系统的建造与评价 §6.7 专家系统的开发工具 §6.8 新一代专家系统的研究

4.1 模糊逻辑的数学基础 4.1.1 模糊集合 4.1.2 模糊集合的表示方法 4.1.3 模糊集合的运算 4.1.4 隶属函数确定方法 4.1.5 模糊关系 4.2 模糊逻辑的推理 4.2.1 模糊命题 4.2.2 模糊逻辑 4.2.3 模糊语言 4.2.4 模糊推理 4.3 模糊控制系统概述 4.3.1 模糊控制系统的构成 4.3.2 模糊控制系统的原理 4.4 模糊控制器原理 4.5 模糊控制器设计基础 4.6 双入单出模糊控制器设计 4.6.1 模糊化 4.6.2 模糊控制器规则、模糊关系 4.6.3 清晰化 4.6.4 控制表计算程序

6.1 遗传算法的基本原理 6.1.1 遗传算法的基本遗传学基础 6.1.2 遗传算法的原理和特点 6.1.3 遗传算法的基本操作 6.2 遗传算法的模式理论 6.3 遗传算法应用中的一些基本问题 6.4 高级遗传算法 6.4.1 改进的复制方法 6.4.2 高级GA算法 6.5 微种群和双种群遗传算法 6.6 基于遗传算法的系统在线辨识 6.7 基于遗传算法的模糊控制 6.8 免疫遗传算法 6.8.1 免疫遗传算法的基本概念 6.8.2 免疫算子的机理与构造 6.8.3 TSP问题的免疫遗传算法

8.1 机器学习的基本概念 8.2 机械学习 8.3 指导学习 8.4 类比学习 8.5 归纳学习 8.6 解释学习 8.7 知识发现与数据挖掘 8.8 学习控制系统

课本P122第5题 解:用(K1K2K3)表示三个开关的状态,取值为0时表示闭合,为1时表示打开 则初始状态为(0,1,0)。根据题设要求,一个状态I的下一个状态和I只能有一位取 值不同(此即状态转换规则),据此可以画出状态空间图