科学技術と共に歩む

１．知能システム工学の概要
　1.1　知能システムとは
　1.2　問題の複雑化
　1.3　知能システム工学への招待

２．モデル化と知識表現
　2.1　モデル化と問題解決
　2.2　状態空間
　　2.2.1　状態表現
　　2.2.2　探索木
　　2.2.3　２人ゲーム
　2.3　記号論理
　　2.3.1　命題論理
　　2.3.2　述語論理
　　2.3.3　状態変化の表現
　2.4　プロダクションシステム
　　2.4.1　プロダクションシステムの構造
　　2.4.2　プロダクションシステムの構築ツール　ＯＰＳ５
　　2.4.3　照合処理の効率化
　2.5　意味ネットワーク
　　2.5.1　概念間の関係
　　2.5.2　属性の継承
　　2.5.3　意味ネットワークの特徴
　2.6　フレーム
　　2.6.1　フレームの構造
　　2.6.2　フレームの特徴
　2.7　オブジェクト指向
　　2.7.1　オブジェクト指向とは
　　2.7.2　オブジェクト指向の基本要素と機能
　　2.7.3　オブジェクト指向のモデル表現例
　　2.7.4　オブジェクト指向の特徴
　　2.7.5　オブジェクト指向の発展形としてのエージェント
　演習問題

３．探索
　3.1　探索とは
　3.2　ヒューリスティックスを用いない探索法
　　3.2.1　横型探索と縦型探索
　　3.2.2　反復深化探索
　　3.2.3　均一コスト探索
　　3.2.4　グラフ探索への拡張
　3.3　ヒューリスティックスを用いた探索法
　　3.3.1　ヒューリスティック関数の導入
　　3.3.2　ヒューリスティック関数だけを用いる探索法
　　3.3.3　Ａ*探索
　　3.3.4　ヒューリスティック関数の設定
　　3.3.5　グラフ探索への拡張
　　3.3.6　ＩＤＡ*探索
　3.4　実時間探索
　　3.4.1　minimum search
　　3.4.2　ＲＴＡ*
　　3.4.3　ＬＲＴＡ*
　演習問題

４．確率的推論
　4.1　推論とは
　　4.1.1　演繹vs.非演繹
　　4.1.2　単調vs.非単調
　　4.1.3　確実vs.不確実
　4.2　確率的推論とは
　4.3　確率論
　4.4　ベイジアンネットワーク
　4.5　ｄ-分離
　4.6　単結合ネットワークにおける推論
　　4.6.1　因子グラフ
　　4.6.2　演算の木構造表現
　　4.6.3　メッセージ伝播
　　4.6.4　sum-productアルゴリズム
　　4.6.5　動作例
　4.7　多重結合ネットワークにおける推論
　　4.7.1　クラスタリング法
　　4.7.2　確率論的シュミレーション
　演習問題

５．強化学習
　5.1　学習とは
　5.2　教師あり学習
　　5.2.1　概念の学習
　　5.2.2　決定木による学習
　　5.2.3　ニューラルネットワークによる学習
　5.3　強化学習の概要
　　5.3.1　強化学習とは
　　5.3.2　強化学習の構成要素
　　5.3.3　マルコフ決定過程
　5.4　強化学習の構成要素の実装
　　5.4.1　収益
　　5.4.2　政策の例
　　5.4.3　最適政策と最適価値関数
　5.5　強化学習の代表的な手法
　　5.5.1　Profit Sharing
5.5.2 Q-Learning
　5.6　おわりに
　演習問題

６．進化型計算
　6.1　進化型計算とは
　6.2　組合せ最適化問題
　　6.2.1　組合せ最適化問題の重要性
　　6.2.2　ＮＰ困難な問題の例
　6.3　遺伝アルゴリズム
　　6.3.1　個体の表現法
　　6.3.2　個体の評価法
　　6.3.3　解探索のための操作の設計
　6.4　単純遺伝アルゴリズムの基本構成
　　6.4.1　適応度の計算
　　6.4.2　スケーリング
　　6.4.3　遺伝演算子の構成
　　6.4.4　ＳＧＡのアルゴリズム
　6.5　ＧＡによる組合せ最適化問題の解法
　　6.5.1　ナップサック問題への適用
　　6.5.2　シミュレーション結果
　　6.5.3　巡回セールスマン問題への適用
　　6.5.4　シミュレーション結果
　6.6　遺伝プログラミング
　　6.6.1　個体表現
　　6.2.2　遺伝演算子
　　6.2.3　自動関数定義
　6.7　その他の進化型計算手法
　6.8　おわりに
　演習問題

７．各手法の評価とシステム開発
　7.1　モデルと問題解決手法の対応
　7.2　問題解決手法の選択基準
　7.3　各手法の特徴
　7.4　知能システムの開発プロセス
　　7.4.1　開発プロセスモデル
　　7.4.2　オブジェクト指向開発
　　7.4.3　オブジェクト指向分析の例
　演習問題

参考文献
索引