人工智能

第1章 基于知识的智能系统概述 1
1.1 智能机 1
1.2 人工智能的发展历史，从“黑暗时代”到基于知识的系统 3
1.2.1 “黑暗时代”，人工智能的诞生（1943～1956年） 3
1.2.2 人工智能的上升期，远大目标积极实现的年代（1956年～20世纪60年代晚期） 4
1.2.3 没有履行的诺言，来自现实的冲击（20世纪60年代晚期～20世纪70年代早期） 5
· · · · · · (更多)

第1章 基于知识的智能系统概述 1
1.1 智能机 1
1.2 人工智能的发展历史，从“黑暗时代”到基于知识的系统 3
1.2.1 “黑暗时代”，人工智能的诞生（1943～1956年） 3
1.2.2 人工智能的上升期，远大目标积极实现的年代（1956年～20世纪60年代晚期） 4
1.2.3 没有履行的诺言，来自现实的冲击（20世纪60年代晚期～20世纪70年代早期） 5
1.2.4 专家系统技术，成功的关键因素（20世纪70年代早期～20世纪80年代中期） 5
1.2.5 如何使机器学习，神经网络的重生（20世纪80年代中期至今） 8
1.2.6 进化计算，在尝试中学习（20世纪70年代早期至今） 9
1.2.7 知识工程的新纪元，文字计算（20世纪80年代后期至今） 9
1.3 小结 11
复习题 13
参考文献 13
第2章 基于规则的专家系统 16
2.1 知识概述 16
2.2 知识表达技术——规则 16
2.3 专家系统研发团队的主要参与者 18
2.4 基于规则的专家系统的结构 19
2.5 专家系统的基本特征 20
2.6 前向链接和后向链接推理技术 21
2.6.1 前向链接 22
2.6.2 后向链接 23
2.7 MEDIA ADVISOR：基于规则的专家系统实例 25
2.8 冲突消解 29
2.9 基于规则的专家系统的优点和缺点 31
2.10 小结 32
复习题 33
参考文献 34
第3章 基于规则的专家系统中的不确定性管理 35
3.1 不确定性简介 35
3.2 概率论基本知识 36
3.3 贝叶斯推理 39
3.4 FORECAST：论据累积的贝叶斯方法 41
3.5 贝叶斯方法的偏差 46
3.6 确信因子理论和基于论据的推理 47
3.7 FORECAST：确信因子的应用 51
3.8 贝叶斯推理和确信因子的对比 52
3.9 小结 53
复习题 53
参考文献 54
第4章 模糊专家系统 56
4.1 概述 56
4.2 模糊集 57
4.3 语言变量和模糊限制语 60
4.4 模糊集的操作 63
4.5 模糊规则 66
4.6 模糊推理 68
4.6.1 Mamdani-style推理 68
4.6.2 Sugeno-style推理 73
4.7 建立模糊专家系统 75
4.8 小结 82
复习题 83
参考文献 83
参考书目 84
第5章 基于框架的专家系统 86
5.1 框架简介 86
5.2 知识表达技术——框架 87
5.3 基于框架的系统中的继承 91
5.4 方法和守护程序 94
5.5 框架和规则的交互 97
5.6 基于框架的专家系统实例：Buy Smart 99
5.7 小结 108
复习题 109
参考文献 109
参考书目 110
第6章 人工神经网络 111
6.1 人脑工作机制简介 111
6.2 作为简单计算元素的神经元 113
6.3 感知器 114
6.4 多层神经网络 117
6.5 多层神经网络的加速学习 123
6.6 Hopfield网络 126
6.7 双向联想记忆 131
6.8 自组织神经网络 133
6.8.1 Hebbian学习 133
6.8.2 竞争学习 136
6.9 小结 141
复习题 143
参考文献 143
第7章 进化计算 145
7.1 进化是智能的吗 145
7.2 模拟自然进化 145
7.3 遗传算法 146
7.4 遗传算法为什么可行 153
7.5 案例研究：用遗传算法来维护调度 154
7.6 进化策略 160
7.7 遗传编程 161
7.8 小结 167
复习题 167
参考文献 168
参考书目 169
第8章 混合智能系统 170
8.1 概述 170
8.2 神经专家系统 171
8.3 神经-模糊系统 176
8.4 ANFIS 182
8.5 进化神经网络 188
8.6 模糊进化系统 192
8.7 小结 195
复习题 196
参考文献 197
第9章 知识工程 198
9.1 知识工程简介 198
9.1.1 问题评估 198
9.1.2 数据和知识获取 199
9.1.3 原型系统开发 200
9.1.4 完整系统开发 201
9.1.5 系统评价和修订 201
9.1.6 系统集成和维护 201
9.2 专家系统可以解决的问题 202
9.3 模糊专家系统可以解决的问题 209
9.4 神经网络可以解决的问题 214
9.5 遗传算法可以解决的问题 226
9.6 混合智能系统可以解决的问题 229
9.7 小结 236
复习题 237
参考文献 239
第10章 数据挖掘和知识发现 241
10.1 数据挖掘简介 241
10.2 统计方法和数据可视化 243
10.3 主成分分析 247
10.4 关系数据库和数据库查询 255
10.5 数据仓库和多维数据分析 258
10.6 决策树 265
10.7 关联规则和购物篮分析 271
10.8 小结 277
复习题 278
参考文献 279
术语表 281
附录 人工智能工具和经销商 295
索引 310
· · · · · · (收起)