书籍详情
人工智能及专家系统
作者：敖志刚 编著
出版社：机械工业出版社
出版时间：2010-09-01
ISBN：9787111309192
定价：¥36.00
购买这本书可以去
内容简介
《人工智能及专家系统》面向智能系统学科的前沿领域，将人工智能、专家系统及其实现语言（Prolog）3个方面融为一体，系统和全面地反映了人工智能和专家系统的精髓、核心内容、研究现状和最新发展方向。《人工智能及专家系统》共13章，包括3个部分：第一部分（第1～7章）系统地阐述了人工智能的基本原理、技术与方法；重点突出了6种知识表示方法（状态空间、与／或图、产生式、语义网络、框架、谓词逻辑表示法）、3种搜索和推理技术（穷举式搜索、启发式搜索和逻辑推理）、3种知识获取和处理方式（机器学习、数据挖掘与知识发现、智能主体技术）。第二部分（第8～11章）主要包括专家系统的建立、设计、开发、评价和工具；结合不确定推理、模糊推理和神经网络的原理和方法，探讨了两种主要的新型专家系统，即模糊专家系统和神经网络专家系统。第三部分（第12、13章）详细介绍了PDC Prolog语言的语句、语法、编程技巧和c语言的连接、新版本（Visual Prolog）和应用于专家系统的实例。《人工智能及专家系统》构思新颖，内容丰富，深入浅出，强调先进性、实用性和可读性，可作为电子技术、信息与通信技术、计算机、自动控制、系统工程等专业的研究生和本科生的必修课和选修课教材，也可作为业余爱好者的科普读物，还可供从事相关专业的教师和广大科技人员参考。
作者简介
暂缺《人工智能及专家系统》作者简介
目录
前言
第1章 人工智能概述
1.1 人工智能的基本概念
1.1.1 智能
1.1.2 人类智能
1.1.3 人工智能
1.1.4 人工智能的研究目标
1.2 人工智能的科学体系与分支
1.2.1 人工智能的科学体系
1.2.2 人工智能的学科范畴
1.2.3 人工智能的应用领域
1.2.4 人工智能分支的划分
1.3 人工智能的技术方案与途径
1.3.1 人工智能的基本技术
1.3.2 人工智能的研究内容
1.3.3 人工智能的研究途径与方法
1.4 人工智能的产生与发展
1.4.1 人工智能的孕育期（1956年以前）
1.4.2 人工智能的基础技术研究与形成期（1956—1970年）
1.4.3 人工智能的发展与应用期（1970年以后）
1.4.4 人工智能在我国的发展情况
1.4.5 人工智能的发展趋势与展望
习题
第2章 知识表示
2.1 知识与知识表示的概念
2.1.1 知识
2.1.2 知识表示
2.2 状态空间表示法
2.2.1 状态空间表示法的基本概念和策略
2.2.2 状态空间表示法示例
2.3 与／或图表示法
2.3.1 与／或图知识表示的概念
2.3.2 与／或图表示示例
2.4 产生式表示法
2.4.1 产生式的结构和组成
2.4.2 产生式系统的分类
2.4.3 产生式系统的性能及其应用
2.5 语义网络表示法
2.5.1 语义网络的概念
2.5.2 语义网络的推理
2.5.3 语义网络表示法的特征
2.6 框架表示法
2.6.1 框架表示法的概念与设计
2.6.2 框架的基本结构和描述
2.6.3 框架系统
2.6.4 框架系统的推理和求解过程
2.6.5 5种知识表示方法的比较
习题
第3章 图搜索技术
3.1 图搜索及其分类
3.1.1 图搜索的概念
3.1.2 图搜索的分类
3.1.3 状态图搜索树
3.1.4 状态空间搜索算法
3.1.5 搜索效率
3.2 穷举式搜索
3.2.1 广度优先搜索
3.2.2 深度优先搜索
3.2.3 有界深度优先搜索
3.2.4 代价驱动搜索
3.3 启发式搜索
3.3.1 启发式搜索的基本概念
3.3.2 局部择优搜索
3.3.3 全局择优搜索
3.3.4 与／或图的启发式搜索
3.3.5 博弈树的启发式搜索
3.3.6 a-β剪枝技术
习题
第4章 逻辑的知识表示和推理
4.1 命题与逻辑
4.1.1 命题与命题定律
4.1.2 谓词逻辑
4.2 谓词逻辑知识表示
4.2.1 谓词逻辑知识表示方法
4.2.2 谓词逻辑表示的优缺点
4.3 逻辑推理的技术与算法
4.3.1 子句集及其化简
4.3.2 置换与合
4.3.3 鲁滨逊消解（归结）原理
习题
第5章 智能学习系统
5.1 机器学习的基本概念
5.1.1 机器学习
5.1.2 机器学习系统
5.2 智能学习系统的基本模型
5.3 机器学习的几种常用方法
5.3.1 机械式学习
5.3.2 指导式学习
5.3.3 示例学习
5.3.4 类比学习
5.3.5 解释学习
习题
第6章 知识获取的新途径：数据挖掘与知识发现
6.1 数据挖掘的技术基础
6.1.1 数据挖掘的概念
6.1.2 数据挖掘的功能和存在的主要问题
6.1.3 数据挖掘成功案例
6.2 数据挖掘的方法步骤和语言工具
6.2.1 数据挖掘的方法
6.2.2 数据挖掘语言
6.2.3 数据挖掘的工具
6.2.4 数据挖掘的流程
6.3 数据挖掘系统的组构及管理策略
6.3.1 数据挖掘系统的组成
6.3.2 数据挖掘系统的架构
6.3.3 数据挖掘管理系统
6.4 数据挖掘的研究与发展
6.4.1 数据挖掘系统的开发进展
6.4.2 数据挖掘未来研究方向
习题
第7章 新的知识处理方式：智能主体技术
7.1 智能主体的基本知识
7.1.1 概念、分类与特点
7.1.2 智能主体的研究学派和编程语言
7.1.3 智能主体的基本结构
7.1.4 智能主体的工作机制
7.1.5 智能主体技术的应用
7.2 多钾能主体系统
7.2.1 多智能主体系统的基本概念
7.2.2 多智能主体系统的体系结构
7.2.3 多智能主体的智能协同
7.3 移动智能主体
7.3.1 移动智能主体的基本概念
7.3.2 移动智能主体的基本结构
7.3.3 移动智能主体的技术实现
7.3.4 移动智能主体的标准化情况
习题
第8章 专家系统的原理与设计
8.1 专家系统的基本知识
8.1.1 专家系统的概念
8.1.2 专家系统的特点
8.1.3 专家系统的分类
8.1.4 新一代专家系统
8.1.5 专家系统的主要研究课题
8.2 专家系统的设计
8.2.1 开发专家系统的需求分析
8.2.2 知识获取
8.2.3 专家系统构造者间的关系
8.2.4 专家系统的设计结构
8.2.5 专家系统的开发阶段与过程
8.2.6 专家系统的设计要素
8.3 专家系统的评价
8.3.1 评价方法
8.3.2 专家系统的技术评价
8.3.3 专家系统的性能评价
习题
第9章 专家系统的开发工具与环境
9.1 专家系统的语言型工具
9.1.1 程序设计语言
9.1.2 知识工程语言
9.2 专家系统的设计工具
9.2.1 辅助型工具
9.2.2 支持工具
9.3 专家系统的开发环境
9.3.1 开发环境的定义与功能
9.3.2 开发环境的实现途径
9.4 专家系统工具的经典实例
9.4.1 骨架工具系统：EMYCIN
9.4.2 骨架工具系统.KAS
9.4.3 通用专家系统工具介绍
习题
第10章 不精确推理与模糊专家系统
10.1 不精确推理的基本理论
10.1.1 不精确推理的模式
10.1.2 规则可信度的计算
10.1.3 不精确性的组合计算
10.1.4 带加权因子的不精确推理
10.1.5 带区间的不精确性表示
10.2 主观Bayes推理方法
10.2.1 主观Bayes推理模型
10.2.2 证据不精确性情况下的推理模型
10.2.3 组合证据的不精确性计算
10.2.4 Bayes方法在PROSPECTOR中的应用
10.3 模糊专家系统
10.3.1 模糊专家系统的概念与特点
10.3.2 模糊集合
10.3.3 模糊矩阵与模糊关系
10.3.4 模糊逻辑
10.3.5 模糊知识表示和模糊匹配
10.3.6 模糊逻辑推理
10.3.7 模糊专家系统举例
习题
第11章 基于神经网络的专家系统
11.1 神经网络的概念与模型
11.1.1 生物神经元
11.1.2 人工神经网络
11.2 神经网络模型和算法
11.2.1 感知器的学习结构与算法
11.2.2 BP模型
11.2.3 Hopfield模型
11.2.4 典型的人工神经网络模型
11.3 神经网络专家系统
11.3.1 基于神经网络的知识表示与推理
11.3.2 基于神经网络的故障诊断专家系统
习题
第12章 Prolog语言及其程序设计
12.1 Prolog语言简介
12.2 PDCProlog数据结构和基本语句
12.2.1 常量与变量
12.2.2 3种基本语句
12.3 PDCPmlog运算符与常用内部谓词
12.3.1 函数与运算符
12.3.2 输入与输出内部谓词
12.3.3 动态数据库内部谓词
12.4 PDCProlog程序结构及其说明
12.4.1 程序结构
12.4.2 常量段说明
12.4.3 域类型说明
12.4.4 谓词与动态数据库说明
12.4.5 谓词与域类型说明示例
12.4.6 对象数据类型的转换
12.5 PDCProlog的基本搜索方法
12.5.1 搜索与回溯
12.5.2 失败回溯循环法
12.5.3 切断回溯控制循环法
12.5.4 自定义的循环方法
12.5.5 递归
12.6 PDCProlog的数据处理
12.6.1 表处理技术
12.6.2 字符串处理
12.6.3 文件处理
12.7 PDCProIog的多媒体技术
12.7.1 窗口的建立及使用
12.7.2 图形模式的设置与绘图
12.7.3 声音的内部谓词及其应用
12.8 PDCProlog语言与C语言的连接
12.8.1 语言条件
12.8.2 外部谓词说明
12.8.3 参数传递
12.8.4 外部c语言子程序
12.9 VisualProlog语言
12.9.1 VisualProlog语言简介
12.9.2 VisualProloy的可视化开发环境及其使用
习题
第13章 基于Prolog程序实现的专家系统开发实例
13.1 基于规则的动物识别专家系统
13.1.1 动物识别专家系统的基本组成
13.1.2 系统的PDCProlog源程序及运行
13.2 基于逻辑的液压故障诊断专家系统
13.2.1 液压故障诊断专家系统的构建
13.2.2 液压故障诊断系统的编程与运行状态
习题
参考文献
第1章 人工智能概述
1.1 人工智能的基本概念
1.1.1 智能
1.1.2 人类智能
1.1.3 人工智能
1.1.4 人工智能的研究目标
1.2 人工智能的科学体系与分支
1.2.1 人工智能的科学体系
1.2.2 人工智能的学科范畴
1.2.3 人工智能的应用领域
1.2.4 人工智能分支的划分
1.3 人工智能的技术方案与途径
1.3.1 人工智能的基本技术
1.3.2 人工智能的研究内容
1.3.3 人工智能的研究途径与方法
1.4 人工智能的产生与发展
1.4.1 人工智能的孕育期（1956年以前）
1.4.2 人工智能的基础技术研究与形成期（1956—1970年）
1.4.3 人工智能的发展与应用期（1970年以后）
1.4.4 人工智能在我国的发展情况
1.4.5 人工智能的发展趋势与展望
习题
第2章 知识表示
2.1 知识与知识表示的概念
2.1.1 知识
2.1.2 知识表示
2.2 状态空间表示法
2.2.1 状态空间表示法的基本概念和策略
2.2.2 状态空间表示法示例
2.3 与／或图表示法
2.3.1 与／或图知识表示的概念
2.3.2 与／或图表示示例
2.4 产生式表示法
2.4.1 产生式的结构和组成
2.4.2 产生式系统的分类
2.4.3 产生式系统的性能及其应用
2.5 语义网络表示法
2.5.1 语义网络的概念
2.5.2 语义网络的推理
2.5.3 语义网络表示法的特征
2.6 框架表示法
2.6.1 框架表示法的概念与设计
2.6.2 框架的基本结构和描述
2.6.3 框架系统
2.6.4 框架系统的推理和求解过程
2.6.5 5种知识表示方法的比较
习题
第3章 图搜索技术
3.1 图搜索及其分类
3.1.1 图搜索的概念
3.1.2 图搜索的分类
3.1.3 状态图搜索树
3.1.4 状态空间搜索算法
3.1.5 搜索效率
3.2 穷举式搜索
3.2.1 广度优先搜索
3.2.2 深度优先搜索
3.2.3 有界深度优先搜索
3.2.4 代价驱动搜索
3.3 启发式搜索
3.3.1 启发式搜索的基本概念
3.3.2 局部择优搜索
3.3.3 全局择优搜索
3.3.4 与／或图的启发式搜索
3.3.5 博弈树的启发式搜索
3.3.6 a-β剪枝技术
习题
第4章 逻辑的知识表示和推理
4.1 命题与逻辑
4.1.1 命题与命题定律
4.1.2 谓词逻辑
4.2 谓词逻辑知识表示
4.2.1 谓词逻辑知识表示方法
4.2.2 谓词逻辑表示的优缺点
4.3 逻辑推理的技术与算法
4.3.1 子句集及其化简
4.3.2 置换与合
4.3.3 鲁滨逊消解（归结）原理
习题
第5章 智能学习系统
5.1 机器学习的基本概念
5.1.1 机器学习
5.1.2 机器学习系统
5.2 智能学习系统的基本模型
5.3 机器学习的几种常用方法
5.3.1 机械式学习
5.3.2 指导式学习
5.3.3 示例学习
5.3.4 类比学习
5.3.5 解释学习
习题
第6章 知识获取的新途径：数据挖掘与知识发现
6.1 数据挖掘的技术基础
6.1.1 数据挖掘的概念
6.1.2 数据挖掘的功能和存在的主要问题
6.1.3 数据挖掘成功案例
6.2 数据挖掘的方法步骤和语言工具
6.2.1 数据挖掘的方法
6.2.2 数据挖掘语言
6.2.3 数据挖掘的工具
6.2.4 数据挖掘的流程
6.3 数据挖掘系统的组构及管理策略
6.3.1 数据挖掘系统的组成
6.3.2 数据挖掘系统的架构
6.3.3 数据挖掘管理系统
6.4 数据挖掘的研究与发展
6.4.1 数据挖掘系统的开发进展
6.4.2 数据挖掘未来研究方向
习题
第7章 新的知识处理方式：智能主体技术
7.1 智能主体的基本知识
7.1.1 概念、分类与特点
7.1.2 智能主体的研究学派和编程语言
7.1.3 智能主体的基本结构
7.1.4 智能主体的工作机制
7.1.5 智能主体技术的应用
7.2 多钾能主体系统
7.2.1 多智能主体系统的基本概念
7.2.2 多智能主体系统的体系结构
7.2.3 多智能主体的智能协同
7.3 移动智能主体
7.3.1 移动智能主体的基本概念
7.3.2 移动智能主体的基本结构
7.3.3 移动智能主体的技术实现
7.3.4 移动智能主体的标准化情况
习题
第8章 专家系统的原理与设计
8.1 专家系统的基本知识
8.1.1 专家系统的概念
8.1.2 专家系统的特点
8.1.3 专家系统的分类
8.1.4 新一代专家系统
8.1.5 专家系统的主要研究课题
8.2 专家系统的设计
8.2.1 开发专家系统的需求分析
8.2.2 知识获取
8.2.3 专家系统构造者间的关系
8.2.4 专家系统的设计结构
8.2.5 专家系统的开发阶段与过程
8.2.6 专家系统的设计要素
8.3 专家系统的评价
8.3.1 评价方法
8.3.2 专家系统的技术评价
8.3.3 专家系统的性能评价
习题
第9章 专家系统的开发工具与环境
9.1 专家系统的语言型工具
9.1.1 程序设计语言
9.1.2 知识工程语言
9.2 专家系统的设计工具
9.2.1 辅助型工具
9.2.2 支持工具
9.3 专家系统的开发环境
9.3.1 开发环境的定义与功能
9.3.2 开发环境的实现途径
9.4 专家系统工具的经典实例
9.4.1 骨架工具系统：EMYCIN
9.4.2 骨架工具系统.KAS
9.4.3 通用专家系统工具介绍
习题
第10章 不精确推理与模糊专家系统
10.1 不精确推理的基本理论
10.1.1 不精确推理的模式
10.1.2 规则可信度的计算
10.1.3 不精确性的组合计算
10.1.4 带加权因子的不精确推理
10.1.5 带区间的不精确性表示
10.2 主观Bayes推理方法
10.2.1 主观Bayes推理模型
10.2.2 证据不精确性情况下的推理模型
10.2.3 组合证据的不精确性计算
10.2.4 Bayes方法在PROSPECTOR中的应用
10.3 模糊专家系统
10.3.1 模糊专家系统的概念与特点
10.3.2 模糊集合
10.3.3 模糊矩阵与模糊关系
10.3.4 模糊逻辑
10.3.5 模糊知识表示和模糊匹配
10.3.6 模糊逻辑推理
10.3.7 模糊专家系统举例
习题
第11章 基于神经网络的专家系统
11.1 神经网络的概念与模型
11.1.1 生物神经元
11.1.2 人工神经网络
11.2 神经网络模型和算法
11.2.1 感知器的学习结构与算法
11.2.2 BP模型
11.2.3 Hopfield模型
11.2.4 典型的人工神经网络模型
11.3 神经网络专家系统
11.3.1 基于神经网络的知识表示与推理
11.3.2 基于神经网络的故障诊断专家系统
习题
第12章 Prolog语言及其程序设计
12.1 Prolog语言简介
12.2 PDCProlog数据结构和基本语句
12.2.1 常量与变量
12.2.2 3种基本语句
12.3 PDCPmlog运算符与常用内部谓词
12.3.1 函数与运算符
12.3.2 输入与输出内部谓词
12.3.3 动态数据库内部谓词
12.4 PDCProlog程序结构及其说明
12.4.1 程序结构
12.4.2 常量段说明
12.4.3 域类型说明
12.4.4 谓词与动态数据库说明
12.4.5 谓词与域类型说明示例
12.4.6 对象数据类型的转换
12.5 PDCProlog的基本搜索方法
12.5.1 搜索与回溯
12.5.2 失败回溯循环法
12.5.3 切断回溯控制循环法
12.5.4 自定义的循环方法
12.5.5 递归
12.6 PDCProlog的数据处理
12.6.1 表处理技术
12.6.2 字符串处理
12.6.3 文件处理
12.7 PDCProIog的多媒体技术
12.7.1 窗口的建立及使用
12.7.2 图形模式的设置与绘图
12.7.3 声音的内部谓词及其应用
12.8 PDCProlog语言与C语言的连接
12.8.1 语言条件
12.8.2 外部谓词说明
12.8.3 参数传递
12.8.4 外部c语言子程序
12.9 VisualProlog语言
12.9.1 VisualProlog语言简介
12.9.2 VisualProloy的可视化开发环境及其使用
习题
第13章 基于Prolog程序实现的专家系统开发实例
13.1 基于规则的动物识别专家系统
13.1.1 动物识别专家系统的基本组成
13.1.2 系统的PDCProlog源程序及运行
13.2 基于逻辑的液压故障诊断专家系统
13.2.1 液压故障诊断专家系统的构建
13.2.2 液压故障诊断系统的编程与运行状态
习题
参考文献
猜您喜欢
