人工智能的概要

以下概要是对人工智能的概述和专题指南。人工智能（AI）--机器或软件所表现出的智能。它也是研究如何创建能够产生智能行为的计算机和计算机软件的科学领域的名称。

搜索离散搜索算法无信息搜索蛮力搜索搜索树广度优先搜索深度优先搜索状态空间搜索有信息搜索最佳优先搜索A*搜索算法启发式修剪（算法）对抗式搜索Minmax算法逻辑即搜索生产系统（计算机科学），基于规则的系统生产规则。推理规则霍恩条款前向链式后向链式规划为搜索状态空间搜索平均值分析优化搜索优化（数学）算法爬坡模拟退火波束搜索随机优化进化计算遗传算法基因表达式编程遗传编程差分进化基于社会的学习算法。蜂群智能粒子群优化蚁群优化元启发式逻辑逻辑和自动推理使用逻辑进行编程逻辑编程见上面的逻辑作为搜索。

一阶逻辑平等的一阶逻辑约束满足模糊逻辑模糊集理论模糊系统梳理方法有序加权平均聚合运算符感知计算-默认推理和其他解决框架问题和限定问题的方法非单调逻辑归纳推理默认逻辑圆周率（逻辑）封闭世界假设特定领域逻辑表示类别和关系描述逻辑语义网络继承（计算机科学）框架（人工智能）脚本（人工智能）表示事件和时间形势微积分事件微积分流利微积分原因和结果因果微积分关于知识的知识信念修正模态逻辑准一致性逻辑使用逻辑进行规划Satplan使用逻辑进行学习基于解释的学习基于相关性的学习基于案例的推理一般逻辑算法自动定理证明其他符号化知识和推理工具知识的符号化表述本体（信息科学）上层本体领域本体框架（人工智能）语义网概念依赖理论知识表示中未解决的问题

框架问题资格问题共识知识不确定推理的概率方法不确定推理的随机方法：贝叶斯网络贝叶斯推理算法贝叶斯学习和期望最大化算法贝叶斯决策理论和贝叶斯决策网络概率感知和控制：动态贝叶斯网络隐马尔可夫模型卡尔曼滤波器模糊逻辑经济学的决策工具。决策理论决策分析信息价值理论马尔可夫决策过程动态决策网络博弈论机制设计算法信息论算法概率分类器和统计学习方法分类器（数学）和统计分类交替决策树人工神经网络

K-最近邻算法核方法，支持向量机天真贝叶斯分类器人工神经网络，网络拓扑学前馈神经网络感知器，多层感知器，层感知器径向基网络卷积神经网络长短期记忆递归神经网络霍普菲尔德网络，吸引者网络深度学习混合神经网络，神经网络的学习算法赫比恩学习反向传播GMDH竞争，学习监督反向传播神经进化受限的玻尔兹曼机基于生物的或体现的行为的人工智能潜意识架构。