計算機科學叢書：人工智能：智能系統(tǒng)指南圖書目錄

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章基于知識的智能系統(tǒng)概述

1.1智能機

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

1.2.1“黑暗時代”，人工智能的誕生（1943—1956年）

1.2.2人工智能的上升期，遠大目標積極實現(xiàn)的年代（1956年～20世紀60年代晚期）

1.2.3沒有履行的諾言，來自現(xiàn)實的沖擊（20世紀60年代晚期—20世紀70年代早期）

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

1.2.5如何使機器學習，神經(jīng)網(wǎng)絡的重生（20世紀80年代中期至今）

1.2.6進化計算，在嘗試中學習（20世紀70年代早期至今）

1.2.7知識工程的新紀元，文字計算（20世紀80年代后期至今）

1.3小結

復習題

參考文獻

第2章基于規(guī)則的專家系統(tǒng)

2.1知識概述

2.2知識表達技術——規(guī)則

2.3專家系統(tǒng)研發(fā)團隊的主要參與者

2.4基于規(guī)則的專家系統(tǒng)的結構

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

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)實例

2.8沖突消解

2.9基于規(guī)則的專家系統(tǒng)的優(yōu)點和缺點

2.10小結

復習題

參考文獻

第3章基于規(guī)則的專家系統(tǒng)中的不確定性管理

3.1不確定性簡介

3.2概率論基本知識

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：確信因子的應用

3.8貝葉斯推理和確信因子的對比

3.9小結

復習題

參考文獻

第4章模糊專家系統(tǒng)

4.1概述

4.2模糊集

4.3語言變量和模糊限制語

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

復習題

參考文獻

參考書目

第5章基于框架的專家系統(tǒng)

5.1框架簡介

5.2知識表達技術——框架

5.3基于框架的系統(tǒng)中的繼承

5.4方法和守護程序

5.5框架和規(guī)則的交互

5.6基于框架的專家系統(tǒng)實例：Buy Smart

5.7小結

復習題

參考文獻

參考書目

第6章人工神經(jīng)網(wǎng)絡

6.1人腦工作機制簡介

6.2作為簡單計算元素的神經(jīng)元

6.3感知器

6.4多層神經(jīng)網(wǎng)絡

6.5多層神經(jīng)網(wǎng)絡的加速學習

6.6 Hopfield網(wǎng)絡

6.7雙向聯(lián)想記憶

6.8自組織神經(jīng)網(wǎng)絡

6.8.1Hebbian學習

6.8.2競爭學習

6.9小結

復習題

參考文獻

第7章進化計算

7.1進化是智能的嗎

7.2模擬自然進化

7.3遺傳算法

7.4遺傳算法為什么可行

7.5案例研究：用遺傳算法來維護調(diào)度

7.6進化策略

7.7遺傳編程

7.8小結

復習題

參考文獻

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進化神經(jīng)網(wǎng)絡

8.6模糊進化系統(tǒng)

8.7小結

復習題

參考文獻

第9章知識工程

9.1知識工程簡介

9.1.1問題評估

9.1.2數(shù)據(jù)和知識獲取

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)評價和修訂

9.1.6系統(tǒng)集成和維護

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

復習題

參考文獻

第10章數(shù)據(jù)挖掘和知識發(fā)現(xiàn)

10.1數(shù)據(jù)挖掘簡介

10.2統(tǒng)計方法和數(shù)據(jù)可視化

10.3主成分分析

10.4關系數(shù)據(jù)庫和數(shù)據(jù)庫查詢

10.5數(shù)據(jù)倉庫和多維數(shù)據(jù)分析

10.6決策樹

10.7關聯(lián)規(guī)則和購物籃分析

10.8小結

復習題

參考文獻

術語表

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

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

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

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

經(jīng)典原版書庫：人工智能：智能系統(tǒng)指南作者簡介

作者：(澳大利亞)尼格尼維斯基 (Michael Negnevitsky)

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

第1 章緒論 1

第2 章智能系統(tǒng)工程概念的提出 4

2.1智能系統(tǒng)工程的概念涵義 4

2.2現(xiàn)代系統(tǒng)工程面臨挑戰(zhàn) 5

2.3智能系統(tǒng)工程建模 7

2.4智能系統(tǒng)工程分析 8

2.5智能系統(tǒng)工程綜合 9

2.6智能系統(tǒng)工程仿真 10

2.7小結 11

第3 章智能系統(tǒng)工程的人工智能 12

3.1人工智能的研究對象 12

3.1.1機器智能 12

3.1.2智能機器 13

3.2人工智能的學科內(nèi)容 14

3.2.1機器思維與思維機器 14

3.2.2機器感知與感知機器 15

3.2.3機器行為與行為機器 15

3.3人工智能的研究方法 16

3.3.1功能模擬學派 16

3.3.2結構模擬學派 16

3.3.3行為模擬學派 16

3.4人工智能的學科架構 16

3.5人工智能的應用領域 17

3.6小結 20

第4 章智能系統(tǒng)工程的新動向 21

4.1為知識經(jīng)濟服務 21

4.2進信息高速公路 22

4.3促智能社會發(fā)展 24

4.3.1系統(tǒng)的概念 24

4.3.2系統(tǒng)的特性 24

4.3.3系統(tǒng)的類型 25

4.4智能系統(tǒng)工程開發(fā)策略 25

4.5小結 27

第5 章智能系統(tǒng)工程的廣義人工智能 29

5.1廣義人工智能的概念涵義 29

5.1.1多種人工智能 29

5.1.2多層人工智能 29

5.1.3多體人工智能 30

5.2廣義人工智能的學科體系 31

5.2.1研究對象 32

5.2.2學科內(nèi)容 32

5.2.3學科分支 32

5.3廣義人工智能的理論基礎 33

5.4廣義人工智能的科學方法 34

5.5小結 35

第6 章廣義智能系統(tǒng)工程 37

6.1廣義智能系統(tǒng)工程的概念涵義 37

6.2廣義智能系統(tǒng)工程的學科架構 38

6.3廣義智能系統(tǒng)工程的建模方法 38

6.4廣義智能系統(tǒng)工程的系統(tǒng)分析 40

6.5廣義智能系統(tǒng)工程的系統(tǒng)綜合 41

"para" label-module="para">

6.6廣義智能系統(tǒng)工程的模型類譜 43

6.6.1廣義人工智能的擴展模型 43

6.6.2廣義智能系統(tǒng)的概念模型 43

6.6.3廣義智能系統(tǒng)工程的類譜表 44

6.7小結 44

第7 章智能系統(tǒng)工程的廣義智能 45

7.1廣義智能學的基本概念 45

7.2廣義智能學的研究對象 47

7.3廣義智能學的學科體系 49

7.4廣義智能學的基本內(nèi)容 50

7.5廣義智能學的研究方法 52

7.6廣義智能學的科學意義 53

7.7廣義智能學的學科架構 54

7.8廣義智能學的應用價值 55

7.9小結 56

第8 章廣義智能系統(tǒng)理論 57

8.1廣義智能的概念 57

8.2廣義智能的特性 58

8.3廣義智能系統(tǒng)的類型 59

8.4廣義智能系統(tǒng)理論 60

8.5小結 62

第9 章智能系統(tǒng)工程的標準和規(guī)范 63

9.1智能系統(tǒng)工程的技術標準 63

9.2智能系統(tǒng)工程的性能標準 64

9.3智能系統(tǒng)工程的規(guī)范 65

9.4智能系統(tǒng)工程的評測 66

9.5智能化、電腦化、自動化 66

9.6小結 67

第10 章智能系統(tǒng)工程的應用 69

10.1智能系統(tǒng)工程在鋼鐵冶金工業(yè)中的應用 69

10.1.1概述 69

10.1.2智能系統(tǒng)工程總體方案 69

10.1.3智能系統(tǒng)工程關鍵技術 70

10.2智能系統(tǒng)工程在石油工業(yè)生產(chǎn)過程中的應用 71

10.2.1概述 71

10.2.2智能系統(tǒng)工程總體方案 71

10.2.3智能系統(tǒng)工程關鍵技術 72

10.3智能系統(tǒng)工程在智能大廈管理系統(tǒng)中的應用 73

10.3.1概述 73

10.3.2智能系統(tǒng)工程總體方案 74

10.3.3智能系統(tǒng)工程關鍵技術 74

10.4智能系統(tǒng)工程在鋼材質量管理系統(tǒng)中的應用 75

10.4.1概述 75

10.4.2智能系統(tǒng)工程總體方案 75

10.4.3智能系統(tǒng)工程關鍵技術 76

10.5智能系統(tǒng)工程在證券行業(yè)管理系統(tǒng)中的應用 78

10.5.1概述 78

10.5.2證券管理智能系統(tǒng)工程總體方案 78

10.5.3證券網(wǎng)絡管理系統(tǒng) 79

10.5.4證券預測系統(tǒng) 80

10.5.5證券決策支持系統(tǒng) 82

10.6智能系統(tǒng)工程在礦山資源開發(fā)建設工程中的應用 84

10.6.1概述 84

10.6.2智能系統(tǒng)工程總體方案 84

10.6.3智能系統(tǒng)工程實現(xiàn)技術 85

10.7小結 86

第11 章智能武器系統(tǒng)工程 87

11.1智能武器系統(tǒng)工程的概念 87

11.2智能武器系統(tǒng)工程的內(nèi)容 88

11.3智能武器系統(tǒng)工程的方法 89

11.4智能武器系統(tǒng)工程的應用 92

11.5小結 95

第12 章結論與展望 96

12.1結論 96

12.2展望 97

附錄A縮略語 101

參考文獻 110"