摘要
第十二章 信息管理
通过对第十二章的自学学习，我学到了：
信息系统：帮助我们组织和分析数据的软件。
电子表格：基于可扩展的公式，进行基本数据分析的方便的工具，这些公式定义了数据之间的关系。
数据库管理系统：面向管理大量常常被搜索的数据，并将其组织成相应的小节。
电子制表软件：允许用户用单元格组织和分析数据的程序。
单元格：电子数据表种用于存放数据或公式的元素。
电子数据表函数：电子制表软件提供的可用于公式的计算函数。
范围：用端点指定的一组连续单元格。
循环引用：在计算结果时要错误地彼此依赖的一组公式。
模拟假设分析：修改电子数据表中表示假设的值，以观察假设的变化对相关的数据有什么影响。
数据库：结构化的数据集合。
数据库管理系统：由物理数据库、数据库引擎和数据库模式构成的软件和数据的组合。
物理数据库：存放数据的文件的集合。
数据库引擎：支持对数据库内容的访问和修改的软件。
数据库模式：存储在数据库中的数据的逻辑结构的规约。
查询：从数据库检索数据的请求。
模式：数据库中的数据的逻辑结构的规约。
关系模型：用表组织数据和数据之间的关系的数据库模型。
表：数据库记录的集合。
记录：构成一个数据库实体的相关的域的集合。
域：数据库记录中的一个值。
键：在表的所有记录中唯一标识一个数据库记录的一个或多个域。
结构化查询语言：用于管理和查询数据的综合性关系数据库语言。
实体关系建模：设计关系数据库的常用方法。
ER图：ER模型的图形化表示。
基数约束：在ER图中，一次可以存在于实体间的关系数量。一般基数关系有三种：一对一、一对多、多对多。
电子商务：使用万维网买卖物品及服务的过程。
第十三章 人工智能
通过对第十三章的自学学习，我学到了：
人工智能：研究对人类思想建模和应用人类智能的计算机系统的学科。
图灵测试：一种行为方法，用于判断一个计算机系统是否是智能的。
弱等价性：两个系统基于其结果的等价性
强等价性：两个系统基于其结果和实现这种结果的处理方法的等价性。
Loebner奖：正式的图灵测试，每年举行一次。
聊天机器人：用于执行人机对话的程序。
AI问题：
知识表示：用于表示知识以便计算机系统能够用来解决智能问题的技术。
专家系统：嵌入人类专家知识的计算机系统。
神经网络：模拟人脑处理的计算机系统。
自然语言处理：处理人类用来交流的语言的难题。
机器人学：关于机器人的研究。
语义网：表示对象之间关系的知识表示法。
检索树：表示对抗性情况(如博弈)中的所有选择的结构。
深度优先法：优先沿着树的路径向下检索，而不是优先横向检索每层的检索法。
广度优先法：优先横向检索树的每层，而不是优先向下检索特定路径的检索法。
基于知识的系统：使用特定信息集合的软件。
专家系统：基于人类专家的知识的软件系统。专家系统的规则集合又叫作它的知识库。
基于规则的系统：基于一套if-then规则的软件系统。
推理机：处理规则以得出结论的软件。
人工神经网络：尝试模拟人体神经网络的计算机知识表示法。
有效权：人工神经元中输入值和相应的权的乘积之和。
训练：调整神经网络中的权和阙值以实现想要的结果的过程。
语音识别：用计算机来识别人类所讲的话。
自然语言理解：用计算机对人类传达的信息做出合理的解释。
语音合成：用计算机制造出人类的语音。
自然语言：人们用于交流的语言，如英语。
音素：任何指定的语言中的基本声音单元的集合。
声波纹：表示人声随着时间推移的频率的变化的图。
词法二义性：由于单词具有多种含义而造成的二义性。
句法二义性：由于句子的构造方式有多种而造成的二义性。
指代二义性：由于代词可以指代多个对象而造成的二义性。
第十四章 模拟、图形学、游戏和其他应用
通过对第十四章的自学学习，我学到了：
模拟：设计复杂系统的模型并为观察结果而对该模型进行实验。
构造模型的关键：确定一个足以描述被调查的行为的特征或特征的小集合。
连续模拟：把时间看作是连续的，用一组反映特征集合中的关系的微分方程表示时间的变化。
离散事件模拟：由实体、属性和事件构成。
排队系统：一种离散事件模型。它使用随机数表示事件的到达和持续。排队系统由服务器和等待服务的对象队列构成。
计算生物学： 一种通过计算机、应用数学以及统计学的知识解决生物学问题的交叉性学科。
生物信息学：一种将信息技术应用到分子生物学的学科，涉及对生物信息在计算机和网络中的查询、存储、操作、分析以及可视化。
计算生物建模：对生物学系统进行计算建模。
计算基因组：对基因组序列进行解密。
分子建模：对分子进行的建模。
蛋白质结构预测：尝试进行三维的蛋白质序列建模，这在实验中还尚未被实现。
计算机游戏：计算机模拟的虚拟世界
游戏玩法：玩家在游戏过程中交互与体验的类型。
游戏引擎：创造计算机游戏的软件系统。
