人工智能·智能系統(tǒng)指南（原書第3版）

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年~1956年）
1.2.2 人工智能的上升期，遠(yuǎn)大目標(biāo)積極實現(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，來自現(xiàn)實的沖擊（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 知識工程的新紀(jì)元，文字計算（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 知識概述
2.2 知識表達(dá)技術(shù)——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(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
2.1 0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 不確定性簡介
3.2 概率論基本知識
3.3 貝葉斯推理
3.4 FORECAST：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
3.7 FORECAST：確信因子的應(yīng)用
3.8 貝葉斯推理和確信因子的對比
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
4.6.1 Mamdani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 框架簡介
5.2 知識表達(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(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(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)
6.8.1 Hebbian學(xué)習(xí)
6.8.2 競爭學(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：用遺傳算法來維護調(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
9.3 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(guān)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(guān)聯(lián)規(guī)則和購物籃分析
10.8 小結(jié)
復(fù)習(xí)題
參考文獻(xiàn)
術(shù)語表
附錄人工智能工具和經(jīng)銷商
索引