人工智能：智能系統(tǒng)指南（原書第2版）

出版者的話
專家指導(dǎo)委員會
譯者序
序
第2版序
致謝
第1章  基于知識的智能系統(tǒng)概述        1
1.1  智能機器概述        1
1.2  人工智能發(fā)展歷史        3
1.3  小結(jié)        12
復(fù)習(xí)題        14
參考文獻(xiàn)        14
第2章  基于規(guī)則的專家系統(tǒng)        17
2.1  知識概述        17
2.2  規(guī)則是一種知識表達(dá)技術(shù)        17
2.3  專家系統(tǒng)研發(fā)團隊中的主要參與者        19
2.4  基于規(guī)則的專家系統(tǒng)的結(jié)構(gòu)        20
2.5  專家系統(tǒng)的基本特征        22
2.6  前向鏈接和后向鏈接推理技術(shù)        23
2.7  實例        27
2.8  沖突的解決方案        32
2.9  基于規(guī)則的專家系統(tǒng)的優(yōu)缺點        34
2.10  小結(jié)        35
復(fù)習(xí)題        36
參考文獻(xiàn)        36
第3章  基于規(guī)則的專家系統(tǒng)的
不確定管理        38
3.1  不確定性簡介        38
3.2  基本概率論        39
3.3  貝葉斯推理        42
3.4  FORECAST：貝葉斯證據(jù)累積        44
3.5  貝葉斯方法的偏差        50
3.6  確定因子理論和證據(jù)推理        51
3.7  FORECAST：確定因子的應(yīng)用        54
3.8  貝葉斯推理和確定因子的比較        56
3.9  小結(jié)        57
復(fù)習(xí)題        57
參考文獻(xiàn)        58
第4章  模糊專家系統(tǒng)        60
4.1  概述        60
4.2  模糊集        61
4.3  語言變量和模糊限制語        65
4.4  模糊集的操作        67
4.5  模糊規(guī)則        71
4.6  模糊推理        73
4.7  建立模糊專家系統(tǒng)        79
4.8  小結(jié)        86
復(fù)習(xí)題        87
參考文獻(xiàn)        88
參考書目        88
第5章  基于框架的專家系統(tǒng)        91
5.1  框架簡介        91
5.2  作為知識表達(dá)技術(shù)的框架        92
5.3  基于框架系統(tǒng)中的繼承        96
5.4  方法和守護程序        99
5.5  框架和規(guī)則的交互        101
5.6  基于框架的專家系統(tǒng)實例：
Buy Smart        104
5.7  小結(jié)        112
復(fù)習(xí)題        113
參考文獻(xiàn)        113
參考書目        113
第6章  人工神經(jīng)網(wǎng)絡(luò)        115
6.1  人腦工作機制簡介        115
6.2  作為簡單計算元素的神經(jīng)元        117
6.3  感知器        118
6.4  多層神經(jīng)網(wǎng)絡(luò)        122
6.5  多層神經(jīng)網(wǎng)絡(luò)的加速學(xué)習(xí)        129
6.6  Hopfield神經(jīng)網(wǎng)絡(luò)        131
6.7  雙向相關(guān)記憶        136
6.8  自組織神經(jīng)網(wǎng)絡(luò)        139
6.9  小結(jié)        148
復(fù)習(xí)題        149
參考文獻(xiàn)        150
第7章  進(jìn)化計算        152
7.1  進(jìn)化是智能的嗎        152
7.2  模擬自然進(jìn)化        152
7.3  遺傳算法        153
7.4  遺傳算法如何工作        160
7.5  實例：用遺傳算法來維護計劃        162
7.6  進(jìn)化策略        167
7.7  遺傳編程        168
7.8  小結(jié)        174
復(fù)習(xí)題        175
參考文獻(xiàn)        176
參考書目        176
第8章  混合智能系統(tǒng)        178
8.1  概述        178
8.2  神經(jīng)專家系統(tǒng)        179
8.3  神經(jīng)模糊系統(tǒng)        184
8.4  ANFIS：自適應(yīng)性神經(jīng)模糊
推理系統(tǒng)        190
8.5  進(jìn)化神經(jīng)網(wǎng)絡(luò)        196
8.6  模糊進(jìn)化系統(tǒng)        200
8.7  小結(jié)        203
復(fù)習(xí)題        204
參考文獻(xiàn)        205
第9章  知識工程和數(shù)據(jù)挖掘        207
9.1  知識工程簡介        207
9.2  專家系統(tǒng)可以解決的問題        211
9.3  模糊專家系統(tǒng)可以解決的問題        218
9.4  神經(jīng)網(wǎng)絡(luò)可以解決的問題        222
9.5  遺傳算法可以解決的問題        231
9.6  混合智能系統(tǒng)可以解決的問題        234
9.7  數(shù)據(jù)挖掘和知識發(fā)現(xiàn)        241
9.8  小結(jié)        249
復(fù)習(xí)題        250
參考文獻(xiàn)        251
術(shù)語表        253
附錄  人工智能工具和廠商        267