基本介紹
- ISBN：9787113034061
- 頁數：361
- 定價：29.40
- 出版社：中國鐵道出版社
- 出版時間：1999-01
- 裝幀：平裝
內容介紹,作品目錄,
內容介紹
內 容 簡 介
家系統的構造。還涉及人工智慧研究的一些前沿課題，如智慧型Agent系統、計算智慧型
和從資料庫發現知識等。
本書共分十一章，前五章介紹了人工智慧的基本原理與方法，包括程式設計語
言、知識表示、搜尋策略和演繹推理，第六、七章介紹了建造專家系統的實用技術，第
一章詳細地介紹了一個新型的專家系統工具。
本書注重實用性與先進性，並附有習題，可作為大學計算機及有關專業高年級學
生和研究生的教材，也可供從事智慧型系統開發的科技人員參考。
作品目錄
目 錄
第一章 緒 論
1.1人工智慧的發展概況
1.1.1什麼是人工智慧
1.1.2人工智慧的研究途徑
1.1.3人工智慧學科的發展
1.2人工智慧的套用
1.2.1人工智慧的套用領域
1.2.2專家系統
第二章 人工智慧程式設計語言
2.1LISP語言
2.1.1概 述
2.1.2LISP的基本功能
2.1.3遞歸與疊代
2.1.4輸入輸出功能
2.1.5LISP的其他功能
2.2PROLOG語言
2.2.1概 述
2.2.2重複與遞歸
2.2.3表處理方法
2.2.4字元串處理方法
2.2.5輸入輸出功能
習 題
第三章 知識表示
3.1概 述
3.1.1知識與知識表示
3.1.2知識表示的方法
3.2邏輯表示法
3.2.1一階謂詞邏輯
3.2.2謂詞邏輯用於知識表示
3.3規則表示法
3.3.1產生式規則與產生式系統
3.3.2Markov算法與Rete算法
3.3.3控制策略的類型
3.4語義網路表示法
3.4.1語義網路的基本概念
3.4.2語義網路的套用
3.5框架表示法
3.5.1框架的基本概念
3.5.2框架表示的套用
3.6概念從屬與劇本表示法
3.6.1概念從屬
3.6.2劇 本
習 題
第四章 基本的問題求解方法
4.1狀態空間搜尋
4.1.1概 述
4.1.2回溯策略
4.1.3圖搜尋策略
4.1.4任一路徑的圖搜尋
4.1.5最佳路徑的圖搜尋
4.1.6與或圖的搜尋
4.2博弈樹搜尋
4.2.1概 述
4.2.2極小極大過程
4.2.3α－β過程
4.3約束滿足搜尋
4.3.1概 述
4.3.2生長法
4.3.3修改法
4.4通用問題求解
4.4.1手段目的分析
4.4.2生成與測試（Generate－and－test）
習 題
第五章 基本的推理方法
5.1歸結反演系統
5.1.1謂詞演算基礎
5.1.2歸結反演（refutation）
5.1.3歸結反演的控制策略
5.1.4從歸結反演中提取解答
5.2基於規則的演繹系統
5.2.1正向演繹系統
5.2.2逆向演繹系統
5.3規劃生成系統
5.3.1機器人問題求解
5.3.2正向系統
5.3.3規劃的表示
5.3.4逆向系統
習 題
第六章 實用推理技術
6.1推理的類型
6.1.1從邏輯基礎上的分類
6.1.2從推理方法上的分類
6.2非單調推理
6.2.1概 述
6.2.2非單調邏輯
6.2.3非單調系統
6.3不精確推理
6.3.1概 述
6.3.2機率方法
6.3.3可信度方法
6.3.4主觀Bayes方法
6.3.5證據理論
6.3.6可能性理論
6.4基於模型的推理
6.4.1基本原理
6.4.2基於規則與模型的系統
6.4.3基於模型的故障診斷系統
6.5基於事例的推理
6.5.1基本概念
6.5.2基本方法
6.5.3與基於規則的系統的比較
6.5.4實例系統
習 題
第七章 專家系統
7.1基本結構
7.2元知識結構
7.2.1什麼是元知識
7.2.2元知識的作用
7.2.3元知識在專家系統中的套用
7.3黑板系統結構
7.3.1黑板模型
7.3.2黑板結構
7.3.3知識源
7.3.4控制策略
7.3.5黑板模型的優越性
7.4黑板控制結構
7.4.1基本概念
7.4.2知識源的表示
7.4.3控制黑板的組織
7.4.4調度機制
7.4.5黑板控制結構的優點與不足
7.5實 例
7.5.1MYCIN系統
7.5.2AM系統
習 題
第八章 知識獲取與機器學習
8.1概 述
8.1.1知識獲取的基本過程
8.1.2知識獲取的主要手段
8.1.3機器學習
8.1.4知識獲取工具
8.2通過例子學習
8.2.1概 述
8.2.2學習單個概念
8.2.3學習多個概念
8.2.4學習執行多步任務
8.3通過類比學習
8.3.1概 述
8.3.2類比學習與推理系統
8.3.3轉換類比與派生類比系統
8.4基於解釋的學習
8.4.1概 述
8.4.2基於解釋的抽象
8.5通過觀察學習
8.5.1合取概念聚類系統
8.5.2結構對象的概念聚類
8.6從資料庫學習
8.6.1資料庫中的知識發現
8.6.2數據挖掘方法
習 題
第九章 計算智慧型
9.1演化計算
9.1.1遺傳算法概述
9.1.2遺傳算法的理論基礎
9.1.3演化策略與演化規劃
9.2連線計算
9.2.1概 述
9.2.2感知機
9.2.3多層前向網路
9.2.4Hopfield網路
9.3混合系統
9.3.1混合系統結構
9.3.2用神經網路表示符號知識
第十章 智慧型Agent
10.1關於智慧型Agent
10.1.1基本概念
10.1.2Agent理論
10.1.3Agent系統結構
10.1.4Agent程式設計
10.1.5Agent的套用
10.2多Agent系統
10.2.1概 述
10.2.2多Agent系統的結構
10.2.3Agent通信語言
10.2.4多Agent系統的協商機制
第十一章 分散式專家系統工具DEST
11.1分散式系統結構
11.2面向對象的知識表示
11.2.1對象的表示
11.2.2規則的表示
11.2.3方法的表示
11.3問題求解機制
11.3.1概 述
11.3.2模糊規則推理
11.3.3模糊決策樹推理
11.3.4神經網路的模擬
11.3.5實 例
附錄 DEST系統函式
參考文獻
第一章 緒 論
1.1人工智慧的發展概況
1.1.1什麼是人工智慧
1.1.2人工智慧的研究途徑
1.1.3人工智慧學科的發展
1.2人工智慧的套用
1.2.1人工智慧的套用領域
1.2.2專家系統
第二章 人工智慧程式設計語言
2.1LISP語言
2.1.1概 述
2.1.2LISP的基本功能
2.1.3遞歸與疊代
2.1.4輸入輸出功能
2.1.5LISP的其他功能
2.2PROLOG語言
2.2.1概 述
2.2.2重複與遞歸
2.2.3表處理方法
2.2.4字元串處理方法
2.2.5輸入輸出功能
習 題
第三章 知識表示
3.1概 述
3.1.1知識與知識表示
3.1.2知識表示的方法
3.2邏輯表示法
3.2.1一階謂詞邏輯
3.2.2謂詞邏輯用於知識表示
3.3規則表示法
3.3.1產生式規則與產生式系統
3.3.2Markov算法與Rete算法
3.3.3控制策略的類型
3.4語義網路表示法
3.4.1語義網路的基本概念
3.4.2語義網路的套用
3.5框架表示法
3.5.1框架的基本概念
3.5.2框架表示的套用
3.6概念從屬與劇本表示法
3.6.1概念從屬
3.6.2劇 本
習 題
第四章 基本的問題求解方法
4.1狀態空間搜尋
4.1.1概 述
4.1.2回溯策略
4.1.3圖搜尋策略
4.1.4任一路徑的圖搜尋
4.1.5最佳路徑的圖搜尋
4.1.6與或圖的搜尋
4.2博弈樹搜尋
4.2.1概 述
4.2.2極小極大過程
4.2.3α－β過程
4.3約束滿足搜尋
4.3.1概 述
4.3.2生長法
4.3.3修改法
4.4通用問題求解
4.4.1手段目的分析
4.4.2生成與測試（Generate－and－test）
習 題
第五章 基本的推理方法
5.1歸結反演系統
5.1.1謂詞演算基礎
5.1.2歸結反演（refutation）
5.1.3歸結反演的控制策略
5.1.4從歸結反演中提取解答
5.2基於規則的演繹系統
5.2.1正向演繹系統
5.2.2逆向演繹系統
5.3規劃生成系統
5.3.1機器人問題求解
5.3.2正向系統
5.3.3規劃的表示
5.3.4逆向系統
習 題
第六章 實用推理技術
6.1推理的類型
6.1.1從邏輯基礎上的分類
6.1.2從推理方法上的分類
6.2非單調推理
6.2.1概 述
6.2.2非單調邏輯
6.2.3非單調系統
6.3不精確推理
6.3.1概 述
6.3.2機率方法
6.3.3可信度方法
6.3.4主觀Bayes方法
6.3.5證據理論
6.3.6可能性理論
6.4基於模型的推理
6.4.1基本原理
6.4.2基於規則與模型的系統
6.4.3基於模型的故障診斷系統
6.5基於事例的推理
6.5.1基本概念
6.5.2基本方法
6.5.3與基於規則的系統的比較
6.5.4實例系統
習 題
第七章 專家系統
7.1基本結構
7.2元知識結構
7.2.1什麼是元知識
7.2.2元知識的作用
7.2.3元知識在專家系統中的套用
7.3黑板系統結構
7.3.1黑板模型
7.3.2黑板結構
7.3.3知識源
7.3.4控制策略
7.3.5黑板模型的優越性
7.4黑板控制結構
7.4.1基本概念
7.4.2知識源的表示
7.4.3控制黑板的組織
7.4.4調度機制
7.4.5黑板控制結構的優點與不足
7.5實 例
7.5.1MYCIN系統
7.5.2AM系統
習 題
第八章 知識獲取與機器學習
8.1概 述
8.1.1知識獲取的基本過程
8.1.2知識獲取的主要手段
8.1.3機器學習
8.1.4知識獲取工具
8.2通過例子學習
8.2.1概 述
8.2.2學習單個概念
8.2.3學習多個概念
8.2.4學習執行多步任務
8.3通過類比學習
8.3.1概 述
8.3.2類比學習與推理系統
8.3.3轉換類比與派生類比系統
8.4基於解釋的學習
8.4.1概 述
8.4.2基於解釋的抽象
8.5通過觀察學習
8.5.1合取概念聚類系統
8.5.2結構對象的概念聚類
8.6從資料庫學習
8.6.1資料庫中的知識發現
8.6.2數據挖掘方法
習 題
第九章 計算智慧型
9.1演化計算
9.1.1遺傳算法概述
9.1.2遺傳算法的理論基礎
9.1.3演化策略與演化規劃
9.2連線計算
9.2.1概 述
9.2.2感知機
9.2.3多層前向網路
9.2.4Hopfield網路
9.3混合系統
9.3.1混合系統結構
9.3.2用神經網路表示符號知識
第十章 智慧型Agent
10.1關於智慧型Agent
10.1.1基本概念
10.1.2Agent理論
10.1.3Agent系統結構
10.1.4Agent程式設計
10.1.5Agent的套用
10.2多Agent系統
10.2.1概 述
10.2.2多Agent系統的結構
10.2.3Agent通信語言
10.2.4多Agent系統的協商機制
第十一章 分散式專家系統工具DEST
11.1分散式系統結構
11.2面向對象的知識表示
11.2.1對象的表示
11.2.2規則的表示
11.2.3方法的表示
11.3問題求解機制
11.3.1概 述
11.3.2模糊規則推理
11.3.3模糊決策樹推理
11.3.4神經網路的模擬
11.3.5實 例
附錄 DEST系統函式
參考文獻
