經(jīng)典原版書庫(kù)：人工智能：智能系統(tǒng)指南

Preface

Preface to the third edition

Overview of the book

Acknowledgements

1 Introduction to knowledge-based intelligent systems

1.1 Intelligent machines, or what machines can do

1.2 The history of artificial intelligence, or from the 'Dark Ages' to knowledge-based systems

1.3 Summary

Questions for review

References

Rule-based expert systems

2.1 Introduction, or what is knowledge？

2.2 Rules as a knowledge representation technique

2.3 The main players in the expert system development team

2.4 Structure of a rule-based expert system

2.5 Fundamental characteristics of an expert system

2.6 Forward chaining and backward chaining inference techniques

2.7 MEDIA ADVISOR: a demonstration rule-based expert system

2.8 Conflict resolution

2.9 Advantages and disadvantages of rule-based expert systems

2.10 Summary

Questions for review

References

Uncertainty management in rule-based expert systems

3.1 Introduction, Or what is uncertainty？

3.2 Basic probability theory

3.3 Bayesian reasoning

3.4 FORECAST: Bayesian accumulation of evidence

3.5 Bias of the Bayesian method

3.6 Certainty factors theory and evidential reasoning

3.7 FORECAST: an application of certainty factors

3.8 Comparison of Bayesian reasoning and certainty factors

3.9 Summary

Questions for review

References

Fuzzy expert systems

4.1 Introduction, or what is fuzzy thinking？

4.2 Fuzzy sets

4.3 Linguistic variables and hedges

4.4 Operations of fuzzy sets

4.5 Fuzzy rules

4.6 Fuzzy inference

4.7 Building a fuzzy expert system

4.8 Summary

Questions for review

References

Bibliography

Frame-based expert systems

5.1 Introduction, or what is a frame？

5.2 Frames as a knowledge representation technique

5.3 Inheritance in frame-based systems

5,4 Methods and demons

5.5 Interaction of frames and rules

5.6 Buy Smart: a frame-based expert system

S.？ Summary

Questions for review

References

Bibliography

6 Artificial neural networks

6.1 Introduction, or how the brain works

6.2 The neuron as a simple computing element

6.3 The perceptron

6.4 Multilayer neural networks

6.5 Accelerated learning in multilayer neural networks

6.6 The Hopfield network

6.7 Bidirectional associative memory

6.8 Self-organising neural networks

6.9 Summary

Questions for review

References

Evolutionary computation

7.1 Introduction, or can evolution be intelligent？

7.2 Simulation of natural evolution

7.3 Genetic algorithms

……

Hybrid intelligent systems

Knowledge engineering

Data mining and knowledge discovery

Glossary

Appendix: AI tools and vendors

Index2100433B

經(jīng)典原版書庫(kù)：人工智能：智能系統(tǒng)指南內(nèi)容簡(jiǎn)介

《人工智能:智能系統(tǒng)指南(英文版)(第3版)》為經(jīng)典原版書庫(kù)之一。

經(jīng)典原版書庫(kù)：人工智能：智能系統(tǒng)指南作者簡(jiǎn)介

作者：(澳大利亞)尼格尼維斯基 (Michael Negnevitsky)

《人工智能:智能系統(tǒng)指南(原書第3版)》既可以作為計(jì)算機(jī)科學(xué)相關(guān)專業(yè)本科生的入門教材，也可以作為非計(jì)算機(jī)科學(xué)專業(yè)讀者的自學(xué)參考書。

出版者的話

譯者序

第3版前言

第1版前言

本書概要

致謝

第1章基于知識(shí)的智能系統(tǒng)概述

1.1智能機(jī)

1.2人工智能的發(fā)展歷史，從“黑暗時(shí)代”到基于知識(shí)的系統(tǒng)

1.2.1“黑暗時(shí)代”，人工智能的誕生（1943—1956年）

1.2.2人工智能的上升期，遠(yuǎn)大目標(biāo)積極實(shí)現(xiàn)的年代（1956年～20世紀(jì)60年代晚期）

1.2.3沒有履行的諾言，來(lái)自現(xiàn)實(shí)的沖擊（20世紀(jì)60年代晚期—20世紀(jì)70年代早期）

1.2.4專家系統(tǒng)技術(shù)，成功的關(guān)鍵因素（20世紀(jì)70年代早期～20世紀(jì)80年代中期）

1.2.5如何使機(jī)器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)的重生（20世紀(jì)80年代中期至今）

1.2.6進(jìn)化計(jì)算，在嘗試中學(xué)習(xí)（20世紀(jì)70年代早期至今）

1.2.7知識(shí)工程的新紀(jì)元，文字計(jì)算（20世紀(jì)80年代后期至今）

1.3小結(jié)

復(fù)習(xí)題

參考文獻(xiàn)

第2章基于規(guī)則的專家系統(tǒng)

2.1知識(shí)概述

2.2知識(shí)表達(dá)技術(shù)——規(guī)則

2.3專家系統(tǒng)研發(fā)團(tuán)隊(duì)的主要參與者

2.4基于規(guī)則的專家系統(tǒng)的結(jié)構(gòu)

2.5專家系統(tǒng)的基本特征

2.6前向鏈接和后向鏈接推理技術(shù)

2.6.1前向鏈接

2.6.2后向鏈接

2.7 MEDIA ADVISOR：基于規(guī)則的專家系統(tǒng)實(shí)例

2.8沖突消解

2.9基于規(guī)則的專家系統(tǒng)的優(yōu)點(diǎn)和缺點(diǎn)

2.10小結(jié)

復(fù)習(xí)題

參考文獻(xiàn)

第3章基于規(guī)則的專家系統(tǒng)中的不確定性管理

3.1不確定性簡(jiǎn)介

3.2概率論基本知識(shí)

3.3貝葉斯推理

3.4FORECAST：論據(jù)累積的貝葉斯方法

3.5貝葉斯方法的偏差

3.6確信因子理論和基于論據(jù)的推理

3.7FORECAST：確信因子的應(yīng)用

3.8貝葉斯推理和確信因子的對(duì)比

3.9小結(jié)

復(fù)習(xí)題

參考文獻(xiàn)

第4章模糊專家系統(tǒng)

4.1概述

4.2模糊集

4.3語(yǔ)言變量和模糊限制語(yǔ)

4.4模糊集的操作

4.5模糊規(guī)則

4.6模糊推理

4.6.1Mamdani—style推理

4.6.2 Sugeno—style推理

4.7建立模糊專家系統(tǒng)

4.8小結(jié)

復(fù)習(xí)題

參考文獻(xiàn)

參考書目

第5章基于框架的專家系統(tǒng)

5.1框架簡(jiǎn)介

5.2知識(shí)表達(dá)技術(shù)——框架

5.3基于框架的系統(tǒng)中的繼承

5.4方法和守護(hù)程序

5.5框架和規(guī)則的交互

5.6基于框架的專家系統(tǒng)實(shí)例：Buy Smart

5.7小結(jié)

復(fù)習(xí)題

參考文獻(xiàn)

參考書目

第6章人工神經(jīng)網(wǎng)絡(luò)

6.1人腦工作機(jī)制簡(jiǎn)介

6.2作為簡(jiǎn)單計(jì)算元素的神經(jīng)元

6.3感知器

6.4多層神經(jīng)網(wǎng)絡(luò)

6.5多層神經(jīng)網(wǎng)絡(luò)的加速學(xué)習(xí)

6.6 Hopfield網(wǎng)絡(luò)

6.7雙向聯(lián)想記憶

6.8自組織神經(jīng)網(wǎng)絡(luò)

6.8.1Hebbian學(xué)習(xí)

6.8.2競(jìng)爭(zhēng)學(xué)習(xí)

6.9小結(jié)

復(fù)習(xí)題

參考文獻(xiàn)

第7章進(jìn)化計(jì)算

7.1進(jìn)化是智能的嗎

7.2模擬自然進(jìn)化

7.3遺傳算法

7.4遺傳算法為什么可行

7.5案例研究：用遺傳算法來(lái)維護(hù)調(diào)度

7.6進(jìn)化策略

7.7遺傳編程

7.8小結(jié)

復(fù)習(xí)題

參考文獻(xiàn)

參考書目

第8章混合智能系統(tǒng)

8.1概述

8.2神經(jīng)專家系統(tǒng)

8.3神經(jīng)—模糊系統(tǒng)

8.4 ANFIS

8.5進(jìn)化神經(jīng)網(wǎng)絡(luò)

8.6模糊進(jìn)化系統(tǒng)

8.7小結(jié)

復(fù)習(xí)題

參考文獻(xiàn)

第9章知識(shí)工程

9.1知識(shí)工程簡(jiǎn)介

9.1.1問題評(píng)估

9.1.2數(shù)據(jù)和知識(shí)獲取

9.1.3原型系統(tǒng)開發(fā)

9.1.4完整系統(tǒng)開發(fā)

9.1.5系統(tǒng)評(píng)價(jià)和修訂

9.1.6系統(tǒng)集成和維護(hù)

9.2專家系統(tǒng)可以解決的問題

9.5模糊專家系統(tǒng)可以解決的問題

9.4神經(jīng)網(wǎng)絡(luò)可以解決的問題

9.5遺傳算法可以解決的問題

9.6混合智能系統(tǒng)可以解決的問題

9.7小結(jié)

復(fù)習(xí)題

參考文獻(xiàn)

第10章數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)

10.1數(shù)據(jù)挖掘簡(jiǎn)介

10.2統(tǒng)計(jì)方法和數(shù)據(jù)可視化

10.3主成分分析

10.4關(guān)系數(shù)據(jù)庫(kù)和數(shù)據(jù)庫(kù)查詢

10.5數(shù)據(jù)倉(cāng)庫(kù)和多維數(shù)據(jù)分析

10.6決策樹

10.7關(guān)聯(lián)規(guī)則和購(gòu)物籃分析

10.8小結(jié)

復(fù)習(xí)題

參考文獻(xiàn)

術(shù)語(yǔ)表

附錄人工智能工具和經(jīng)銷商

索引2100433B

作者：（澳大利亞）尼格尼維斯基（Michael Negnevitsky） 譯者：陳薇