목차 일부

제1부 <B><FONT color ... #0000
   제1장 인공지능의 기본 개념 ... 11
      1.1 학습, 지능과 지식의 개념 ... 11
      1.2 생각하는 컴퓨터 ... 15
      1.3 인공 지능(AI)의 유래 ... 15
      1.4 Levy challenge ... 16
      1.5 인공 지능(AI)의 의미 ...

더보기

목차 전체

제1부 <B><FONT color ... #0000
   제1장 인공지능의 기본 개념 ... 11
      1.1 학습, 지능과 지식의 개념 ... 11
      1.2 생각하는 컴퓨터 ... 15
      1.3 인공 지능(AI)의 유래 ... 15
      1.4 Levy challenge ... 16
      1.5 인공 지능(AI)의 의미 ... 17
      1.6 알고리즘과 휴리스틱 ... 23
      1.7 지식표현 및 지식베이스, 지식공학 ... 29
      1.8 인공지능의 장점 ... 32
      1.9 튜링 테스트(Turing test) ... 33
      1.10 전통적 컴퓨팅과 AI 컴퓨팅 ... 35
      1.11 인공지능의 목표 ... 36
   제2장 인공 지능의 발전 역사 ... 38
      2.1 태동기 (1940년대 초반 - 1950년대 초반) ... 38
      2.2 개척 시대 (1950년대 중반 - 1960년대 중반) ... 39
      2.3 요람 시대 (1960년 중반 - 1970년대 초반) ... 41
      2.4 발전기 (1970년대 초반 - 1970년대 말) ... 41
      2.5 융성기 (1980년 초반 - 현재) ... 42
   제3장 인공지능 언어 ... 46
      3.1 인공지능 언어 개요 ... 46
      3.2 PROLOG 프로그램 구조 ... 47
      3.3 PROLOG 응용 예 ... 49
   제4장 인공지능의 연구 분야 ... 57
      4.1 로보틱스(robotics) ... 58
      4.2 인공 시각(artificial vision) ... 68
      4.3 자연어 처리기(Natural language processor) ... 70
      4.4 전문가시스템(Expert system) ... 76
      4.5 인공신경망(artificial neural network) ... 79
      4.6 퍼지로직(fuzzy logic) ... 82
      4.7 유전자 알고리즘(genetic algorithm) ... 84
      4.8 지능 에이전트(intelligent agent) ... 86
제2부 기본적인 탐색기법
   제1장 탐색 기법 개요 ... 103
   제2장 맹목적 탐색(blind search) ... 109
      2.1 깊이우선 탐색(DFS: Depth First Search) ... 109
      2.2 너비우선 탐색(BFS: Breadth First Search) ... 112
   제3장 휴리스틱 탐색(heuristic search) ... 115
      3.1 언덕등반 탐색(Hill Climbing Search) ... 116
      3.2 최적우선 탐색(Best-first search) ... 118
      3.3 A* 알고리즘 ... 119
   제4장 전통적인 탐색문제들 ... 123
      4.1 하노이 탑 문제 ... 123
      4.2 순회판매원 문제(Travel Salesman Problem) ... 129
      4.3 8-퍼즐(8-puzzle) 문제 ... 132
제3부 퍼지 이론
   제1장 퍼지 이론이란? ... 145
      1.1 퍼지 이론의 개요 ... 145
      1.2 퍼지이론의 역사 및 발전 전망 ... 147
   제2장 퍼지 집합론 ... 150
      2.1 일반 집합(Crisp Set 또는 binary set) ... 150
        2.1.1 정의 ... 150
        2.1.2 일반 집합의 연산 및 대수적 특성 ... 150
        2.1.3 Cartesian 곱 (Cartesian Product) ... 153
        2.1.4 관계(Relation) ... 154
        2.1.5 관계의 표현 ... 155
        2.1.6 관계의 합성 ... 157
      2.2 퍼지 집합 ... 159
        2.2.1 퍼지 집합의 정의 ... 159
        2.2.2 퍼지 집합의 표현 ... 161
        2.2.3 퍼지 집합의 특성 ... 165
        2.2.4 퍼지 집합의 연산 ... 167
        2.2.5 퍼지 집합의 성질 ... 172
        2.2.6 퍼지수 ... 174
        2.2.7 확장원리 ... 176
   제3장 퍼지 관계 ... 177
      3.1 퍼지 관계 ... 177
      3.2 퍼지 관계의 연산 ... 180
      3.3 퍼지 관계의 합성 ... 181
        3.3.1 정의 ... 181
        3.3.2 퍼지 관계 합성의 성질 ... 189
   제4장 퍼지 논리와 퍼지 추론 ... 190
      4.1 퍼지 논리 ... 190
      4.2 퍼지 추론 ... 193
        4.2.1 고전 추론법 ... 193
        4.2.2 퍼지 추론법 ... 194
      4.3 퍼지 추론 시스템 ... 196
        4.3.1 퍼지 추론 시스템의 종류 ... 196
        4.3.2 퍼지 추론 과정 ... 199
        4.3.3 퍼지 시스템 모델링 ... 209
        4.3.4 다변수 비선형 시스템의 퍼지 모델링 ... 216
   제5장 퍼지 이론의 응용 ... 218
      5.1 퍼지 이론의 응용 개요 ... 218
      5.2 퍼지 응용 시스템의 실 예 ... 221
        5.2.1 퍼지 세탁기 ... 221
        5.2.2 퍼지 밥솥 ... 225
        5.2.3 비디오 카메라의 퍼지 응용 ... 230
        5.2.4 상수 처리에의 퍼지 응용 ... 233
        5.2.5 퍼지 데이터베이스 ... 240
      5.3 퍼지 제어 시스템 ... 243
        5.3.1 퍼지 제어시스템의 설계 ... 244
        5.3.2 퍼지 제어시스템의 응용 예 ... 260
제4부 신경 회로망
   제1장 신경회로망 이론 ... 273
      1.1 개론 및 역사 ... 273
        1.1.1 신경회로망의 역사 ... 274
        1.1.2 신경회로망의 종류 및 특징 ... 275
      1.2 신경회로망 모델 ... 278
        1.2.1 뉴런 모델 ... 278
        1.2.2 퍼셉트론 모델 ... 281
        1.2.3 다층 퍼셉트론 모델 ... 293
   제2장 신경회로망 응용 ... 311
      2.1 신경회로망의 응용 분야 ... 311
      2.2 신경회로망을 이용한 비선형 시스템 모델링 및 제어 ... 311
        2.2.1 상수처리 시스템 응집제 주입공정의 모델링 및 제어 ... 311
        2.2.2 검사조정시스템을 위한 신경회로망 제어기 ... 319
제5부 유전자 알고리즘
   제1장 유전자 알고리즘 개요 ... 329
      1.1 생물학적 배경 ... 330
      1.2 유전자 알고리즘의 장점 ... 332
   제2장 고전적 유전 알고리즘 ... 335
      2.1 기본 개념 ... 335
      2.2 실행 절차(단계) ... 338
      2.3 평가 과정으로 복귀 ... 348
   제3장 수치 최적화 ... 349
      3.1 부호화 및 초기화 ... 350
      3.2 평가(evaluation) ... 352
      3.3 선택(selection) ... 353
      3.4 교배 및 돌연변이(crossover and mutation) ... 357
      3.5 엘리트 과정 ... 361
   제4장 스키마 이론 ... 364
      4.1 스키마의 기본 개념 ... 364
      4.2 스키마 정리(Schema Theorem) ... 367
      4.3 빌딩블럭 가설(Building Block Hypothesis) ... 369
   제5장 진화 프로그램 ... 371
      5.1 기본 개념 ... 371
      5.2 개체수 가변 진화방식 ... 373
      5.3 제약(constraints) 조건을 다루는 방법 ... 377
   제6장 유전자 알고리즘의 응용 ... 379
      6.1 응용 분야 ... 379
      6.2 배낭(knapsack) 문제에의 응용 ... 381
      6.3 순회 경로 탐색(TSP)에의 응용 ... 383
   제7장 유전자 프로그래밍 ... 397
      7.1 기본 개념 ... 397
      7.2 유전 연산자 ... 398
제6부 하이브리드 지능시스템
   제1장 하이브리드 지능시스템 개요 ... 407
      1.1 인간의 지능과 지능시스템 개요 ... 407
      1.2 지능시스템의 합성 ... 407
   제2장 퍼지-뉴로 시스템 ... 410
      2.1 퍼지-뉴로 시스템의 개요 ... 410
      2.2 최급강하법에 의한 퍼지 추론 동조 방법 ... 412
      2.3 적응 뉴로-퍼지 시스템 ... 415
        2.3.1 적응 뉴로-퍼지 시스템의 구조 ... 415
        2.3.2 학습 알고리즘 ... 418
        2.3.3 적응 뉴로-퍼지 시스템을 이용한 비선형 함수 근사화 ... 420
   제3장 뉴로-퍼지 시스템 ... 425
      3.1 퍼지 시스템을 이용한 신경회로망의 조정 ... 425
        3.1.1 학습율의 자동 조정을 위한 퍼지 시스템 ... 425
        3.1.2 뉴로-퍼지 시스템에 의한 학습 예 ... 426
   제4장 유전-퍼지 시스템 ... 429
   제5장 유전-뉴로 시스템 ... 433
      5.1 신경망의 구조 및 파라미터 동정 ... 433
      5.2 유전-뉴로 시스템에 의한 비선형 함수 근사화 ... 441

더보기 닫기