Файл: Методыискусственногоинтеллекта.pdf

Список литературы
1. Пушкин В. Н., Поспелов Д. А. Мышление и автоматы. — М.: Советское радио, 1972. — 224 с.
2. Поспелов Д. А. Ситуационное управление: Теория и практика. — М.:
Наука. Гл. ред. физ.-мат. лит., 1986. — 288 с.
3. http://www.eas.asu.edu/∼drapkin/556/dendral.html http:/www.cee.hw.uk/Alison/ai3notes/section2_5_.html
4. Осипов Г. С. Инструментарий для экспертных систем. Технология
SIMER + MIR // Программные продукты и системы. — 1990. — № 3.
5. Клини C. Математическая логика. — М.: МИР, 1973.
6. Кейслер Г., Чен Ч. Ч. Теория моделей. — М.: Мир, 1977.
7. Мальцев А. И. Алгебраические системы. — М.: Наука, 1970.
8. Fikes R. E., Nilsson N. J. STRIPS: a New Approach to Application of
Theorem Proving to Problem Solving // Artificial Intelligence. — 1971. —
№ 2.
9. Нилсон Н. Принципы искусственного интеллекта. — М.: МИР, 1977.
10. Лорьер Ж.-Л. Системы искусственного интеллекта. — М.: МИР, 1991.
11. Quillian M. R. Semantic Memory // Semantic Information Processing. —
MIT Press, 1968. — С. 227–268.
12. Ковальски Р. Логика в решении проблем. — М.: Наука, 1990.
13. Вагин В. Н. Дедукция и обобщение в системах принятия решений. —
М.: Наука, 1988.
14. Осипов Г. С. Приобретение знаний интеллектуальными системами. —
М.: Наука. ФИЗМАТЛИТ, 1997.
15. Жилякова Л. Ю. Об одном классе отношений в неоднородных семанти- ческих сетях // Изв. ТРТУ. — Таганрог. — 2000. — № 2. — С. 70–73.
16. Клещев А. С. Семантические порождающие модели. Общая точка зрения на фреймы и продукции в экспертных системах // Препринт. — Влади- восток: ИАПУ ДВНЦ РАН, 1986. — 39 с.
17. Nardi D., Brachman R. J. An Introduction to Description Logic. —
Cambridge University Press, 2003.
18. Baader F., Nutt W. Basic Description Logic. — Cambridge University
Press, 2003.
19. Donini, Francesco M., Lenzerini M., Nardi D., Nutt W. The Complexity of Concept Language // Proc. of the 2nd Intern. Conf. On the Principles of
Knowledge Representation and Reasoning (KR-91), 1991.
20. Dorofeyeva A. Analysis of Semantic Networks By Means of Description
Logics // Proc. of the 1999 Intern. Workshop on Description Logics
(DL’99). Link´uping, Sweden, July 30 – August 1, 1999. — P. 167–168.

Список литературы
289 21. Шушакова А. Г. Решение задач представления и обработки знаний сред- ствами дескриптивной логики // Программные продукты и системы. —
2002. — № 3. — C. 14–19.
22. Donini F. M., Lenzerini M., Nardi D., Nutt W. Reasoning in Description
Logics // Proc. of the Second Intern. Conf. on Principles of Knowledge
Representation and Reasoning. (KR-91). 1991. — P. 151–162.
23. Donini F. M., Lenzerini M., Nardi D., Nutt W. The Complexity of Concept
Languages // Inform. and Comp. — 1997. — №. 134. — P. 1–58.
24. Baader F., Hanschke P. A Scheme for Integrating Concrete Domains into Concept Languages // Proc. IJCAI-91, Sydney, Australia, 1991. —
P. 452–457.
25. Маслов С. Ю. Обратный метод установления выводимости в классиче- ском исчислении предикатов // Доклады АН СССР. — 1964. — T. 159,
№ 1. — C. 17–20.
26. Robinson J. A. Machine Oriented Logic Based on the Resolution Principle //
J. ACM. — 1965. — V. 12 (January). — P. 23–41.
27. Чень Ч., Ли Р. Математическая логика и автоматическое доказательство теорем. — М.: Наука, 1983.
28. Финн В. К. Интеллектуальные системы и общество. — М.: УРСС, 2006.
29. Вагин В. Н., Головина Е. Ю., Загорянская А. А., Фомина М. В. Досто- верный и правдоподобный вывод в интеллектуальных системах. — М.:
Физматлит, 2004.
30. Финн В. К. Правдоподобные рассуждения в ителлектуальных системах типа ДСМ // Итоги науки и техники. — 1991. — Т. 15. — С. 54–101.
31. Аншаков О. М. Об одной интерпретации ДСМ-метода автоматического порождения гипотез // НТИ*. — 1999. — № 1.
32. Prakken H., Vreeswijk G. A. W. Logics for Defeasible Argumentation / Eds by D. M. Gabbay, F. Guenthner // Handbook of Philosophical Logic. 2nd edition. V. 4. — Dordrecht/Boston/London: Kluwer Academic Publishers.
2002. — P. 219–318.
33. Беляев А. Б., Годовников М. Н., Голубев С. А., Куршев Е. П., Оси-
пов Г. С., Сазонова Л. И. Технология создания распределенных интел- лектуальных систем // Учебное пособие. — Переславль-Залесский: Ун-т
Переславля, 1997.
34. Gordon A. D. Classification. — London: Chapman & Hall, 1999.
35. Эфрон Б. Нетрадиционные методы многомерноо статистического аали- за. — М.: Финансы и статистика, 1988.
36. Назаренко Г. И., Осипов Г. С. Основы теории медицинских техноло- гических процессов. Ч. 2. Иследование медицинских технологических процессов на основе интеллектуального анализа даных. — М.: Наука,
Физматлит, 2006.
37. Амелькин C. А., Захаров А. В., Хачумов В. М. Обобщеное расстояние
Евклида–Махаланобиса и его свойства // Информационные технологии и вычислительные системы. — 2006. — № 4. — C. 40–44.
10 Г. С. Осипов

290
Список литературы
38. Lenz M., Bartsch-Sporl B., Burkhard H.-D.; Wess S. (ed). Case-Based
Reasoning Technology: From Foundations to Applications // Lecture Notes in Artificial Intelligence. — Springer, 1998.
39. Kumar V. Algorithms for Constraint-Satisfaction Problems: A Survey //
AI Magazine. — 1992. — V. 13(1). — P. 32–44;
http://citeseer.nj.nec.com/kumar92algorithms.html
40. Kambhampati S., Nigenda R., Nguyen X. AltAlt: Combining the Advantages of Graphplan and Heuristic State Search // ASU Technical Report. —
2000.
41. Maler O., Manna Z., Pnueli A. From Timed to Hybrid systems // Real-
Time: Theory in Practice, LNCS. — V. 600. — Springer-Verlag, 1992. —
С. 447–484.
42. McCarthy J. Formalisation of STRIPS in Situation Calculus // Technical
Report Formal Reasoning Group, Dep. of Computer Science. — Stanford
University, 1985.
43. Williams B., Nayak P. A Reactive Planner for a Model-Based Execution //
Proc. of the Fifteenth Intern. Joint Conf. on Artificial Intelligence
(IJCAI-15). — Menlo Park, California, 1997. — C. 1178–1185.
44. Long D., Fox M. Efficient Implementation of the Plan Graph in STAN. —
1999. V. 10. — P. 87–115.
45. Raphael B. The Frame Problem in Problem Solving Systems // Artificial
Intelligence and Heuristic Programming, 1971. — Edinburgh, Scotland:
Edinburgh Univ. Press. — C.159–169.
46. McDermott D. A Heuristic Estimator for Means-Ends Analysis in
Planning // Proc. of the Third Intern. Conf. on AI Planning Systems. 1996.
Menlo Park, Calif.: AAAI Press. — C.142–149.
47. Sussman G. A Computational Model of Skill Acquisition // PhD thesis,
MIT. — Cambridge, Massachusetts. August 1973.
48. Chapman D. Planning for Conjunctive Goals // Artificial Intelligence. —
1987. — № 32(3). — С. 333–377.
49. Tate A. Generating Project Networks // Proc. of the Fifth Intern. Joint
Conf. on Artificial Intelligence.Menlo Park, California, 1977. — С. 888–893.
50. McAllester D., Rosenblit D. Systematic nonlinear planning // Proc. of
AAAI-91. — Anaheim, Ca, 1991.
51. Sacerdoti E. D. Planning in a hierarchy of abstraction spaces // Artificial
Intelligence. — 1974. — № 5. — С.115–135.
52. Sacerdoti E. D. The nonlinear nature of plans // Proc. of the Fourth Intern.
Joint Conference on Artificial Intelligence (IJCAI-75). Tbilisi, Georgia,
1975. — C. 206–214.
53. Tate A., Currie K. O-Plan: The Open planning architecture // Artificial
Intelligence. — 1991. — № 52. — С. 49–86.
54. Wilkins D. Can AI planners solve practical problems? // Computational
Intelligence. — 1990. — V. 6, № 4. — С. 232–246.

Список литературы
291 55. Blum A., Furst M. Fast planning through planning graph analysis // Proc.
of the 14th Intern. Joint Conference on Artificial Intelligence (IJCAI-95).
Montreal, Canada. 1995. — С. 1636–1642.
56. Kautz H., Selman B. Planning as Satisfiability // Proceedings of the
Tenth European Conference on Artificial Intelligence (ECAI’92). — 1992. —
C. 359–363.
57. Koehler J., Nebel B., Hoffmann J., Dimopoulos Y. Extending Planning
Graphs to an ADL Subset (ECP-97). — Springer LNAI 1348, 1997. —
P. 273–285.
58. Stoerr H. BDDPlan. http://www.ki.inf.tu-dresden.de/∼stoerr/bddplan.html
59. Bonet B., Geffner H. Planning as Heuristic Search // Artificial Intelligence.
2001; http://citeseer.nj.nec.com/bonet01planning.html
60. Hoffmann J., Nebel B. The FF Planning System: Fast Plan Generation
Through Heuristic Search // J. of Artificial Intelligence Research. — 2001.
61. Kambhampati S., Nigenda R., Nguyen X. AltAlt: Combining the advantages of Graphplan and Heuristic State Search. — ASU Technical Report. —
2000.
62. Refanidis I., Vlahavas I. The GRT Planner: Backward Heuristic
Construction in Forward State-Space Planning // J. of Artificial Intelligence
Research. — 2001. — V. 15. — P. 115–161.
63. Green C. C. Theorem proving by resolution as a basis for question answering systems. In Bernard Meltzer and Donald Michie, editors // Machine
Intelligence. — Edinburgh, Scotland: Edinburgh University Press, 1969. —
№. 4.
64. Fikes R. E., Nilsson N. J. STRIPS: a New Approach to Application of
Theorem Proving to Problem Solving // Artificial Intelligence. — 1971. —
№ 2.
65. Newell A., Simon H. GPS, a Program that Simulates Human Thought //
Computers and Thought / Eds by E. A. Feigenbaum and J. Feldman. —
McGraw Hill, NY, 1963.
66. Sussman G. A Computational Model of Skill Acquisition // PhD thesis,
MIT. — Cambridge, Massachusetts, August, 1973.
67. Erol K., Nau D., Subrahmanian V. Complexity, Decidability and
Undecidability Results for Domain-Independent Planning. A Detailed
Analysis
/
Технический отчет
Ун-та
Мэрилэнд. —
1995. —
№ CS-TR-2797.
68. Pednault E. ADL and the State-Transition Model of Action // J. of Logic and Computation. — 1994. — № 4(5). — P. 467–512.
69. Planning, scheduling and Constraint Satisfaction: from Theory to
Practice. — IOS Press, 2005.
70. Тарханов Т. С. Семейство алгоритмов автоматического синтеза пла- нов целенаправленного поведения в доменах планирования с обратимо- стью // Препринт ИПС РАН. — 2004.
10*

292
Список литературы
71. Blum A., Furst M. Fast planning through planning graph analysis // Proc.
of the 14th Intern. Joint Conf. on Artificial Intelligence (IJCAI-95). —
Montreal, Canada, 1995. — P. 1636–1642.
72. Трофимов И. В. Использование фокусировки при решении задач плани- рования // Тр. XI Национальной конф. по искусственому интеллекту. —
Дубна, 2008.
73. Hanks S., Weld D. S. A Domain-Independent Algorithm for Plan
Adaptation // J. of Artificial Intelligence Research. — 1995. — V. 2. —
P. 319–360.
74. Ihrig L. H., Kambhampati S. Derivational Replay for Partial-Order
Planning // Proc. AAAI-94, 1994.
75. Leake D. B., Kinley A., Wilson D. C. A Case Study of Case-Based CBR //
Proc. Intern. Conf. on Case-Based Reasoning, 1997. — P. 371.-382 76. Bergmann R., Wilke W. PARIS: Flexible Plan Adaptation by Abstraction and Refinement // In ECAI’96 Workshop «Adaptation in CBR». — Budapest,
1996.
77. Alterman R. Issues In Adaptive Planning // Report No. UCB/CSD 87/304,
1986.
78. Sycara K. Using Case-Based Reasoning for Plan Adaptation and Repair //
Proc. of the DARPA Case-Based Reasoning Workshop, 1988.
79. Hammond K. J. Explaining and Repairing Plans that Fail // Artificial
Intelligence. — 1990. — V. 45(1–2). — P. 173–228.
80. Veloso M. M., Carbonell J. G. Towards Scaling Up Machine Learning:
A Case Study with Derivational Analogy in PRODIGY // Machine Learning
Methods for Planning, Morgan Kaufmann / ed. S. Minton. — 1993. —
P. 233–272.
81. Васильев С. Н., Жерлов А. К., Федосов Е. А., Федунов Б. Е. Интеллект- ное управление динамическими системами. — М.: ФИЗМАТЛИТ, 2000.
82. Осипов Г. С. Динамика в системах, основанных на знаниях // Известия
РАН. Теория и системы управления. — 1998. — № 5. — С.24–28.
83. Osipov G. Dynamics in Integrated Knowledge-Based Systems // Proc. of the 1998 IEEE Joint Conf., Gaithersburg. — MD, USA, September, 1998.
84. Osipov G. Attainable Sets and Knowledge Base Architecture in Discrete
Dynamic Knowledge-based Systems // Proc. Of Workshops of the ECAI
2000 14-th European Conf. of Artificial Intelligence. — Berlin, 2000. —
P. 39–43.
85. Лебедева Т. Г., Осипов Г. С. Архитектура и управляемость дискретных динамических систем, основанных на знаниях // Известия АН. Теория и системы управления. — 2000. — № 5. — C. 703–709.
86. Виноградов А. Н., Осипов Г. С., Жилякова Л. Ю. Динамические ин- теллектуальные системы. — Ч. 1. Представление знаний и основные алгоритмы // Известия АН. Теория и системы управления — М: Наука,
2002. — № 6. — C. 119–127.

Список литературы
293 87. Виноградов А. Н., Осипов Г. С., Жилякова Л. Ю. Динамические интел- лектуальные системы. — Ч. 2. Моделирование целенаправленного пове- дения // Известия АН. Теория и системы управления. — М: Наука,
2003. — № 1. — С. 87–94.
88. Осипов Г.С. Динамические интеллектуальные системы. Искусственный интеллект и принятие решений. — М., 2008. — № 1.
89. Месарович М., Такахара Я. Общая теория систем. Математические основы. — М.: Мир, 1978. — 311 c.
90. Калман Р., Фалб П., Арбиб М. Очерки по математической теории систем. — М.: МИР, 1971.
91. Стефанюк В. Л. Поведение квазистатической оболочки в изменяющейся нечеткой среде // Тр. 4-ой национальной конф. по искусственному ин- теллекту (КИИ-94). Т. 1. — Рыбинск, 1994. — C. 199–203.
92. Мееров М. В. Синтез структур систем автоматического регулирования высокой точности. — М.: Наука, 1967.
93. Емельянов C. В., Коровин C. К. Новые типы обратной связи. Управление при неопределенности.- — М.: Наука. Физматлит, 1997. — 352 с.
94. Емельянов C. В., Коровин C. К. Расширение множества типов обратных связей и их применение при построении замкнутых динамических си- стем // Изв. АН СССР. Техническая кибернетика. — 1981. — № 5. —
C. 173–183.
95. Емельянов C. В., Коровин C. К. Новые типы обратной связи. Синтез нелинейного управления в условиях неопределенности // Юбилейный сб. трудов ОИВТиА РАН. — 1993. — Т. 1. — C. 115–137.
96. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. — С.-Петербург.: ПИТЕР, 2000.
97. Boose J. H. Personal Construct Theory and the Transfer of Human
Expertise. Advances in Artificial Intelligence / Ed. T. O’Shea. North-
Holland: Elsevir, 1984. — P. 27–33.
98. Kelly J. The Psychology Personal Constructs. — N.Y.: Norton, 1955.
99. Гаврилова Т. А., Червинская К. Р. Извлечение и структурирование зна- ний для экспертных систем. — М.: Радио и связь, 1992.
100. Osipov G. S. The Method of Direct Knowledge Acquisition from Human
Experts // Proc. of the 5th Banff Knowledge Acquisition for Knowledge-
Based Systems Workshop, Banff, Canada, November, 1990. — P.104–116.
101. Cтепанов Ю. С. Имена, предикаты, предложения. Семиологическая грамматика. — М.: Наука, 1981. — 360 с.
102. Караулов Ю. Н. Общая и русская идеография. — М.: Наука, 1976.
103. Журавлев Ю. И. Об алгебраическом подходе к решению задач распозна- вания или классификации // Проблемы кибернетики. — 1978. — Т. 38,
C. 5–68.
104. Quinlan J. R. Induction of Decision Trees // Machine Learning. — 1986. —
V. 1. — P. 81–106.

294
Список литературы
105. Michalski R. S. A Theory and Methodology of Inductive Learning //
Artificial Inteligence. —1983. — V. 20. — P. 111–161.
106. Michalski R. S., Stepp R. Learning from Observation: Conceptual
Clustering / Eds. by R. S. Michalski, J. G. Carbonnell, T. M. Mitchell //
Machine Learning: An Artificial Intelligence Approach. — Morgan
Kaufmann, 1983.
107. Mitchell T. M. Machine Learning. — McGraw Hill, 1996.
108. Hirsh H. Incremental Version-Space Merging: A General Framework for
Concept Learning. — Kluwer Academic Publishers, 1990.
109. Winston P. H. Learning Structural Descriptions from Examples // Technical report AI-TR-231. — MIT Cambridge, MA, 1970.
110. Kubat M., Bratko I., Michalsky R. A Review of Machine Learning
Methods // Machine Learning and Data Mining: Methods and
Applications. — John Wiley&Sons Ltd, 1996.
111. Niblett T., Bratko I. Learning Decision Trees in Noisy Domains // Proc.
Expert Systems 86 Conf. (Expert Systems 86). — Cambridge Univ. Press.,
1986.
112. Michalski R. S. AQVAL/1-Computer Implementation of a Variable-Valued
Logic System VL1 and Examples of its Application to Pattern ecognition //
Proc. Of the First Intern. Joint Conf. on Pattern Recognition, Washington,
DS. 1973. — P. 3–17.
113. Хайкин С. Нейронные сети: полный курс — М.: Изд. дом «Вильямс»,
2006. — 1104 с.
114. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. — М.: Горячая линия. — Телеком, 2001. — 382 с.
115. Калллан Р. Основные концепции нейронных сетей. — М.: Изд. дом
«Вильямс», 2001. — 288 с.
116. Тархов Д. А. Нейронные сети: Модели и алгоритмы. Кн. 18. — М.:
Радиотехника, 2005. — 256 с.
117. Люгер Д. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. — М.: Изд. дом «Вильямс», 2003. — 864 с.
118. Qrossberg S. Some Networks that Can Learn, Remember and Reproduce
Any Number of Complicated Space-Time Patterns // J. of Mathematics and
Mechanics. — 1969. — V. 19. — P. 53–91.
119. Осовский С. Нейронные сети для обработки информации. — М.: Финан- сы и статистика, 2004. — 344 с.
120. Hecht-Nielsen R. Counterpropagation networks // Proc. of the IEEE First
Intern. Conf. on Neural Networks / Eds. by M. Caudill and C. Butler. 1987a,
V. 2. — P. 19–32. San Diego, CA: SOS Printing.
121. Aarts E., Korst J. Simulated Annealing and Boltzmann Machines:
A Stochastic Approach to Combinatorial Optimization and Neural
Computing. — John Wiley & Son Ltd (02/01/1989), 1988. — 284 p.
122. Кобозева И. М. Лингвистическая семантика. — М.: УРСС, 2000.

Список литературы
295 123. Хомский Н. Синтаксические структуры / Пер. с англ. К. И. Бабицкого и В. А. Успенского // Новое в зарубежной лингвистике. II. — М.: ИИЛ,
1962. C. 412–527.
124. Montague R. Formal Philosophy: Selected Papers of Richard Montague /
Ed. and with an introduction by Richmond Thomason. — New Haven: Yale
Univ. Press, 1974.
125. Филлмор Ч. Дело о падеже // Новое в зарубежной лингвистике. —
1981. — Вып. X. C. 400–444.
126. Филлмор Ч. Дело о падеже открывается вновь // Новое в зарубежной лингвистике. — 1981. — Вып. X. C. 496–530.
127. Мельчук И. А. Опыт теории лингвистических моделей «СМЫСЛ ↔
ТЕКСТ». — М.: Наука, 1974.
128. Апресян Ю.Д. Лексическая семантика. Синонимические средства языка.
Избранные труы. Т. 1. — М.: ЯРК, 1995.
129. Рахилина Е. В. Конитивная семантика: персоналии, идеи, результаты //
Семиотика и информатика. — 1988. Вып. 36.
130. Изворска Р. Формальная семантика // Современая американская линг- вистика. — М. URSS, 2006.
131. Золотова Г. А., Онипенко Н. К., Сидорова М. Ю. Коммуникативная гра- матика руского языка. — М.: Ин-т русского языка им. В. В. Виноградова
РАН, 2004.
132. Золотова Г. А. Синтаксическй словарь. Репертуар элементарных единиц русского синтаксиса. — М.: Наука, 1988.
133. Смирнов И. В. Метод автоматического установления значений мини- мальных семантико-синтаксических единиц текста // Информационные технологии и вычислительные системы. 2008. — № 3. — C. 30–45.
134. Финн В. К., Михеенкова М. А. О ситуационном расширении ДСМ-мето- да автоматического порождения гипотез // НТИ. — 2000.. — № 11.
135. Объедков C. А. Алгоритмические аспекты ДСМ-метода автоматического порождения гипотез // НТИ. — 1999.. — № 1.
136. Осипов Г. С., Смирнов И. В., Тихомиров И. А. Реляционно-ситуационный метод поиска и анализа текстов и его приложения // Искусственный интеллект и принятие решений. — 2008. — № 2. — C. 3–10.
137. http://www.aot.ru