贝叶斯网络的精确推理（１７０）r
５．６．４　贝叶斯网络的近似推理（１７１）r
习题５（１７２）r
第６章　符号学习（１７５）r
６．１　符号学习概述（１７５）r
６．１．１　学习的概念（１７５）r
６．１．２　机器学习的概念（１７６）r
６．１．３　符号学习系统的基本模型（１７８）r
６．２　记忆学习（１７９）r
６．３　示例学习（１８０）r
６．３．１　示例学习的类型（１８１）r
６．３．２　示例学习的模型（１８１）r
６．３．３　示例学习的归纳方法（１８３）r
６．４　决策树学习（１８４）r
６．４．１　决策树的概念（１８４）r
６．４．２　ID3算法（１８５）r
６．５　统计学习（１８８）r
６．５．１　小样本统计学习理论（１８８）r
６．５．２　支持向量机（１９０）r
习题６（１９５）r
第７章　联结学习（１９６）r
７．１　联结学习概述（１９６）r
７．１．１　联结学习的生理学基础（１９６）r
７．１．２　联结学习规则（１９７）r
７．２　感知器学习（１９８）r
７．２．１　单层感知器学习算法（１９８）r
７．２．２　单层感知器学习的例子（１９９）r
７．２．３　多层感知器学习问题（２００）r
７．３　BP网络学习（２０１）r
７．３．１　BP网络学习的基础（２０１）r
７．３．２　BP算法的传播公式（２０２）r
７．３．３　BP网络学习算法（２０５）r
７．３．４　BP网络学习的讨论（２０６）r
７．４　Hopfield网络学习（２０６）r
７．４．１　Hopfield网络的能量函数（２０６）r
７．４．２　Hopfield网络学习算法（２０７）r
习题７（２０８）r
第８章　分布智能（２０９）r
８．１　分布智能概述（２０９）r
８．１．１　分布智能的概念（２０９）r
８．１．２　分布式问题求解（２１０）r
８．１．３　多Age
t系统（２１１）r
Ⅹ人工智能原理及其应用（第３版）r
８．２　Age
t的结构（２１３）r
８．２．１　Age
t的机理（２１３）r
８．２．２　反应Age
t的结构（２１４）r
８．２．３　认知Age
t的结构（２１４）r
８．２．４　混合Age
t的结构（２１５）r
８．３　多Age
t系统（２１５）r
８．３．１　Age
t通信（２１５）r
８．３．２　多Age
t合作（２２０）r
８．４　移动Age
t（２２６）r
８．４．１　移动Age
t系统的一般结构（２２６）r
８．４．２　移动Age
t的实现技术及应用（２２７）r
习题８（２２９）r
第９章　智能应用简介（２３０）r
９．１　自然语言理解简介（２３０）r
９．１．１　自然语言理解的基本概念（２３０）r
９．r