计算机科学丛书：人工智能：智能系统指南图书目录

出版者的话

译者序

第3版前言

第1版前言

本书概要

致谢

第1章基于知识的智能系统概述

1.1智能机

1.2人工智能的发展历史，从“黑暗时代”到基于知识的系统

1.2.1“黑暗时代”，人工智能的诞生（1943—1956年）

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）

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）

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）

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）

1.2.6进化计算，在尝试中学习（20世纪70年代早期至今）

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）

1.3小结

复习题

参考文献

第2章基于规则的专家系统

2.1知识概述

2.2知识表达技术——规则

2.3专家系统研发团队的主要参与者

2.4基于规则的专家系统的结构

2.5专家系统的基本特征

2.6前向链接和后向链接推理技术

2.6.1前向链接

2.6.2后向链接

2.7 MEDIA ADVISOR：基于规则的专家系统实例

2.8冲突消解

2.9基于规则的专家系统的优点和缺点

2.10小结

复习题

参考文献

第3章基于规则的专家系统中的不确定性管理

3.1不确定性简介

3.2概率论基本知识

3.3贝叶斯推理

3.4FORECAST：论据累积的贝叶斯方法

3.5贝叶斯方法的偏差

3.6确信因子理论和基于论据的推理

3.7FORECAST：确信因子的应用

3.8贝叶斯推理和确信因子的对比

3.9小结

复习题

参考文献

第4章模糊专家系统

4.1概述

4.2模糊集

4.3语言变量和模糊限制语

4.4模糊集的操作

4.5模糊规则

4.6模糊推理

4.6.1Mamdani—style推理

4.6.2 Sugeno—style推理

4.7建立模糊专家系统

4.8小结

复习题

参考文献

参考书目

第5章基于框架的专家系统

5.1框架简介

5.2知识表达技术——框架

5.3基于框架的系统中的继承

5.4方法和守护程序

5.5框架和规则的交互

5.6基于框架的专家系统实例：Buy Smart

5.7小结

复习题

参考文献

参考书目

第6章人工神经网络

6.1人脑工作机制简介

6.2作为简单计算元素的神经元

6.3感知器

6.4多层神经网络

6.5多层神经网络的加速学习

6.6 Hopfield网络

6.7双向联想记忆

6.8自组织神经网络

6.8.1Hebbian学习

6.8.2竞争学习

6.9小结

复习题

参考文献

第7章进化计算

7.1进化是智能的吗

7.2模拟自然进化

7.3遗传算法

7.4遗传算法为什么可行

7.5案例研究：用遗传算法来维护调度

7.6进化策略

7.7遗传编程

7.8小结

复习题

参考文献

参考书目

第8章混合智能系统

8.1概述

8.2神经专家系统

8.3神经—模糊系统

8.4 ANFIS

8.5进化神经网络

8.6模糊进化系统

8.7小结

复习题

参考文献

第9章知识工程

9.1知识工程简介

9.1.1问题评估

9.1.2数据和知识获取

9.1.3原型系统开发

9.1.4完整系统开发

9.1.5系统评价和修订

9.1.6系统集成和维护

9.2专家系统可以解决的问题

9.5模糊专家系统可以解决的问题

9.4神经网络可以解决的问题

9.5遗传算法可以解决的问题

9.6混合智能系统可以解决的问题

9.7小结

复习题

参考文献

第10章数据挖掘和知识发现

10.1数据挖掘简介

10.2统计方法和数据可视化

10.3主成分分析

10.4关系数据库和数据库查询

10.5数据仓库和多维数据分析

10.6决策树

10.7关联规则和购物篮分析

10.8小结

复习题

参考文献

术语表

附录人工智能工具和经销商

索引2100433B

作者：（澳大利亚）尼格尼维斯基（Michael Negnevitsky） 译者：陈薇

《人工智能:智能系统指南(原书第3版)》既可以作为计算机科学相关专业本科生的入门教材，也可以作为非计算机科学专业读者的自学参考书。

经典原版书库：人工智能：智能系统指南内容简介

《人工智能:智能系统指南(英文版)(第3版)》为经典原版书库之一。

经典原版书库：人工智能：智能系统指南作者简介

作者：(澳大利亚)尼格尼维斯基 (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 章绪论 1

第2 章智能系统工程概念的提出 4

2.1智能系统工程的概念涵义 4

2.2现代系统工程面临挑战 5

2.3智能系统工程建模 7

2.4智能系统工程分析 8

2.5智能系统工程综合 9

2.6智能系统工程仿真 10

2.7小结 11

第3 章智能系统工程的人工智能 12

3.1人工智能的研究对象 12

3.1.1机器智能 12

3.1.2智能机器 13

3.2人工智能的学科内容 14

3.2.1机器思维与思维机器 14

3.2.2机器感知与感知机器 15

3.2.3机器行为与行为机器 15

3.3人工智能的研究方法 16

3.3.1功能模拟学派 16

3.3.2结构模拟学派 16

3.3.3行为模拟学派 16

3.4人工智能的学科架构 16

3.5人工智能的应用领域 17

3.6小结 20

第4 章智能系统工程的新动向 21

4.1为知识经济服务 21

4.2进信息高速公路 22

4.3促智能社会发展 24

4.3.1系统的概念 24

4.3.2系统的特性 24

4.3.3系统的类型 25

4.4智能系统工程开发策略 25

4.5小结 27

第5 章智能系统工程的广义人工智能 29

5.1广义人工智能的概念涵义 29

5.1.1多种人工智能 29

5.1.2多层人工智能 29

5.1.3多体人工智能 30

5.2广义人工智能的学科体系 31

5.2.1研究对象 32

5.2.2学科内容 32

5.2.3学科分支 32

5.3广义人工智能的理论基础 33

5.4广义人工智能的科学方法 34

5.5小结 35

第6 章广义智能系统工程 37

6.1广义智能系统工程的概念涵义 37

6.2广义智能系统工程的学科架构 38

6.3广义智能系统工程的建模方法 38

6.4广义智能系统工程的系统分析 40

6.5广义智能系统工程的系统综合 41

"para" label-module="para">

6.6广义智能系统工程的模型类谱 43

6.6.1广义人工智能的扩展模型 43

6.6.2广义智能系统的概念模型 43

6.6.3广义智能系统工程的类谱表 44

6.7小结 44

第7 章智能系统工程的广义智能 45

7.1广义智能学的基本概念 45

7.2广义智能学的研究对象 47

7.3广义智能学的学科体系 49

7.4广义智能学的基本内容 50

7.5广义智能学的研究方法 52

7.6广义智能学的科学意义 53

7.7广义智能学的学科架构 54

7.8广义智能学的应用价值 55

7.9小结 56

第8 章广义智能系统理论 57

8.1广义智能的概念 57

8.2广义智能的特性 58

8.3广义智能系统的类型 59

8.4广义智能系统理论 60

8.5小结 62

第9 章智能系统工程的标准和规范 63

9.1智能系统工程的技术标准 63

9.2智能系统工程的性能标准 64

9.3智能系统工程的规范 65

9.4智能系统工程的评测 66

9.5智能化、电脑化、自动化 66

9.6小结 67

第10 章智能系统工程的应用 69

10.1智能系统工程在钢铁冶金工业中的应用 69

10.1.1概述 69

10.1.2智能系统工程总体方案 69

10.1.3智能系统工程关键技术 70

10.2智能系统工程在石油工业生产过程中的应用 71

10.2.1概述 71

10.2.2智能系统工程总体方案 71

10.2.3智能系统工程关键技术 72

10.3智能系统工程在智能大厦管理系统中的应用 73

10.3.1概述 73

10.3.2智能系统工程总体方案 74

10.3.3智能系统工程关键技术 74

10.4智能系统工程在钢材质量管理系统中的应用 75

10.4.1概述 75

10.4.2智能系统工程总体方案 75

10.4.3智能系统工程关键技术 76

10.5智能系统工程在证券行业管理系统中的应用 78

10.5.1概述 78

10.5.2证券管理智能系统工程总体方案 78

10.5.3证券网络管理系统 79

10.5.4证券预测系统 80

10.5.5证券决策支持系统 82

10.6智能系统工程在矿山资源开发建设工程中的应用 84

10.6.1概述 84

10.6.2智能系统工程总体方案 84

10.6.3智能系统工程实现技术 85

10.7小结 86

第11 章智能武器系统工程 87

11.1智能武器系统工程的概念 87

11.2智能武器系统工程的内容 88

11.3智能武器系统工程的方法 89

11.4智能武器系统工程的应用 92

11.5小结 95

第12 章结论与展望 96

12.1结论 96

12.2展望 97

附录A缩略语 101

参考文献 110"