《人工智能导论》实验指导书(新)
1目录实验一PROLOG语言编程练习·································2实验二图搜索问题求解······································4实验三小型专家系统(原型)设计······························7实验一PROLOG语言编程练习一、实验目的加深学生对逻辑程序运行机理的理解，使学生掌握PROLOG语言的特点、熟悉其编程环境，同时为后面的人工智能程序设计做好准备。1、熟悉PROLOG语言编程环境的使用；2、了解PROLOG语言中常量、变量的表示方法；3、了解利用PROLOG进行事实库、规则库的编写方法；二、实验环境计算机，TurboPROLOG教学软件。三、预习要求实验前应阅读实验指导书，了解实验目的、预习PROLOG语言的相关知识。四、实验内容1、学习使用TurboPROLOG，包括进入PROLOG主程序、编辑源程序、修改环境目录、退出等基本操作。2、在Turboprolog集成环境下调试运行简单的TurboPROLOG程序。3、编写一个描述亲属关系的PROLOG程序，然后再给出一些事实数据，建立一个小型演绎数据库。可以以父亲和母亲为基本关系（作为基本谓词），再由此来描述祖父、祖母、兄弟、姐妹以及其他亲属关系。4、修改教材2.2节例2.9的程序，使其能输出图中所有路径（path）。五、实验方法和步骤1、启动WindowsXP操作环境。2、打开文件目录，执行prolog应用程序，启动Turboprolog，并按空格键(SPACE)进入集成开发环境。3、选择Setup项，打开下拉菜单，选择Directories项，进行工作目录修改，按Esc键退出，选择SaveConfiguration项，保存修改。4、选择Files项，打开下拉菜单，选择Newfile项，进入源程序输入和编辑，或选择Load项，选择要打开的示例程序，再选择Edit项，可以进行编辑源程序。5、编辑之后，可以选择Run项，执行程序，可以在Dialog窗口进行询问，即外部目标你需要知道的 28 个人工智能术语
随着人工智能不再是一个模棱两可的营销流行语，而是越来越成为一种精确的意识形态，理解所有人工智能术语越来越成为一个挑战。DZone编辑团队为读者定义了人工智能世界中的一些重要术语，如算法、人工神经网络、聚类分析、决策树等。此外，还介绍了决策树、遗传算法、启发式搜索技术等高级术语。
A算法：为人工智能、神经网络或其他机器提供的一组规则或指令，以帮助其自行学习；分类、聚类、推荐和回归是四种最流行的类型。
人工智能：机器做出决策和执行模拟人类智能和行为的任务的能力。
人工神经网络(ANN)：一种像人脑一样工作的学习模型，可以解决传统计算机系统难以解决的任务。
自主计算：系统在没有用户输入的情况下为高级计算功能自适应自我管理自身资源的能力。
C聊天机器人：一种聊天机器人（简称聊天机器人），旨在通过文本聊天、语音命令或两者进行交流来模拟与人类用户的对话。它们是包含AI功能的计算机程序的常用接口。
分类：分类算法让机器根据训练数据将类别分配给数据点。
聚类分析：一种用于探索性数据分析以发现隐藏模式或数据分组的无监督学习；集群是用欧几里得距离或概率距离等度量定义的相似性度量来建模的。
聚类：聚类算法让机器将数据点或项目分组到具有相似特征的组中。
认知计算：模仿人脑思维方式的计算机化模型。它涉及通过使用数据挖掘、自然语言处理和模式识别进行自我学习。
卷积神经网络(CNN)：一种识别和理解图像的神经网络。
D数据挖掘：检查数据集以从该数据中发现和挖掘可以进一步使用的模式。
数据科学：一个跨学科领域，结合了统计学、信息科学和计算机科学的科学方法、系统和过程，通过结构化或非结构化数据提供对现象的洞察。
决策树：一种基于树和分支的模型，用于映射决策及其可能的结果，类似于流程图。
深度学习：机器通过由级联信息层组成的人工神经网络自主模仿人类思维模式的能力。
F流利：一种可以随时间变化的状况。
G游戏AI：一种特定于游戏的AI形式，它使用算法来代替随机性。它是一种用于非玩家角色的计算行为，用于生成玩家采取的类人智能和基于反应的动作。
遗传算法：一种基于遗传学和自然选择原理的进化算法，用于为原本需要数十年才能解决的难题找到最佳或接近最佳的解决方案。
H启发式搜索技术：支持通过消除不正确的选项来缩小问题最佳解决方案的搜索范围。
K知识工程：专注于构建基于知识的系统，包括它的所有科学、技术和社会方面。
L逻辑编程：一种基于事实和规则的知识库进行计算的编程范式；LISP和Prolog是用于AI编程的两种逻辑编程语言。
M机器智能：一个包含机器学习、深度学习和经典学习算法的总称。
机器学习：AI的一个方面，专注于算法，允许机器在没有编程的情况下学习，并在接触到新数据时发生变化。
机器感知：系统接收和解释来自外部世界的数据的能力，类似于人类如何使用我们的感官。这通常通过连接的硬件来完成，但也可以使用软件。
N自然语言处理：程序识别人类交流的能力，因为它应该被理解。
R递归神经网络(RNN)：一种神经网络，可以理解顺序信息并识别模式，并根据这些计算创建输出。
S监督学习：一种机器学习，其中输出数据集训练机器生成所需的算法，就像老师监督学生一样；比无监督学习更普遍。
群体行为：从数学建模者的角度来看，它是一种由个体遵循的简单规则产生的涌现行为，不涉及任何中央协调。
U无监督学习：一种机器学习算法，用于从由没有标记响应的输入数据组成的数据集中得出推论。最常见的无监督学习方法是聚类分析。