基本介紹
- 書名：計算機科學叢書：人工智慧：智慧型系統指南
- 作者：尼格尼維斯基(Michael Negnevitsky)
- 出版社：機械工業出版社
- 頁數：320頁
- 開本：16
- 品牌：機械工業出版社
- 外文名：Artificial Intelligence a Guide to Intelligent Systems Third Edition
- 類型：計算機與網際網路
- 出版日期：2012年8月1日
- 語種：簡體中文
- ISBN：9787111384557, 7111384555
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
《人工智慧:智慧型系統指南(原書第3版)》既可以作為計算機科學相關專業本科生的入門教材，也可以作為非計算機科學專業讀者的自學參考書。
作者簡介
作者：（澳大利亞）尼格尼維斯基（Michael Negnevitsky） 譯者：陳薇
圖書目錄
出版者的話
譯者序
第3版前言
第1版前言
本書概要
致謝
第1章基於知識的智慧型系統概述
1.1智慧型機
1.2人工智慧的發展歷史，從“黑暗時代”到基於知識的系統
1.2.1“黑暗時代”，人工智慧的誕生（1943—1956年）
1.2.2人工智慧的上升期，遠大目標積極實現的年代（1956年～20世紀60年代晚期）
1.2.3沒有履行的諾言，來自現實的衝擊（20世紀60年代晚期—20世紀70年代早期）
1.2.4專家系統技術，成功的關鍵因素（20世紀70年代早期～20世紀80年代中期）
1.2.5如何使機器學習，神經網路的重生（20世紀80年代中期至今）
1.2.6進化計算，在嘗試中學習（20世紀70年代早期至今）
1.2.7知識工程的新紀元，文字計算（20世紀80年代後期至今）
1.3小結
複習題
參考文獻
第2章基於規則的專家系統
2.1知識概述
2.2知識表達技術——規則
2.3專家系統研發團隊的主要參與者
2.4基於規則的專家系統的結構
2.5專家系統的基本特徵
2.6前向連結和後向連結推理技術
2.6.1前向連結
2.6.2後向連結
2.7 MEDIA ADVISOR：基於規則的專家系統實例
2.8衝突消解
2.9基於規則的專家系統的優點和缺點
2.10小結
複習題
參考文獻
第3章基於規則的專家系統中的不確定性管理
3.1不確定性簡介
3.2機率論基本知識
3.3貝葉斯推理
3.4FORECAST：論據累積的貝葉斯方法
3.5貝葉斯方法的偏差
3.6確信因子理論和基於論據的推理
3.7FORECAST：確信因子的套用
3.8貝葉斯推理和確信因子的對比
3.9小結
複習題
參考文獻
第4章模糊專家系統
4.1概述
4.2模糊集
4.3語言變數和模糊限制語
4.4模糊集的操作
4.5模糊規則
4.6模糊推理
4.6.1Mamdani—style推理
4.6.2 Sugeno—style推理
4.7建立模糊專家系統
4.8小結
複習題
參考文獻
參考書目
第5章基於框架的專家系統
5.1框架簡介
5.2知識表達技術——框架
5.3基於框架的系統中的繼承
5.4方法和守護程式
5.5框架和規則的互動
5.6基於框架的專家系統實例：Buy Smart
5.7小結
複習題
參考文獻
參考書目
第6章人工神經網路
6.1人腦工作機制簡介
6.2作為簡單計算元素的神經元
6.3感知器
6.4多層神經網路
6.5多層神經網路的加速學習
6.6 Hopfield網路
6.7雙向聯想記憶
6.8自組織神經網路
6.8.1Hebbian學習
6.8.2競爭學習
6.9小結
複習題
參考文獻
第7章進化計算
7.1進化是智慧型的嗎
7.2模擬自然進化
7.3遺傳算法
7.4遺傳算法為什麼可行
7.5案例研究：用遺傳算法來維護調度
7.6進化策略
7.7遺傳編程
7.8小結
複習題
參考文獻
參考書目
第8章混合智慧型系統
8.1概述
8.2神經專家系統
8.3神經—模糊系統
8.4 ANFIS
8.5進化神經網路
8.6模糊進化系統
8.7小結
複習題
參考文獻
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數據和知識獲取
9.1.3原型系統開發
9.1.4完整系統開發
9.1.5系統評價和修訂
9.1.6系統集成和維護
9.2專家系統可以解決的問題
9.5模糊專家系統可以解決的問題
9.4神經網路可以解決的問題
9.5遺傳算法可以解決的問題
9.6混合智慧型系統可以解決的問題
9.7小結
複習題
參考文獻
第10章數據挖掘和知識發現
10.1數據挖掘簡介
10.2統計方法和數據可視化
10.3主成分分析
10.4關係資料庫和資料庫查詢
10.5數據倉庫和多維數據分析
10.6決策樹
10.7關聯規則和購物籃分析
10.8小結
複習題
參考文獻
術語表
附錄人工智慧工具和經銷商
索引
譯者序
第3版前言
第1版前言
本書概要
致謝
第1章基於知識的智慧型系統概述
1.1智慧型機
1.2人工智慧的發展歷史，從“黑暗時代”到基於知識的系統
1.2.1“黑暗時代”，人工智慧的誕生（1943—1956年）
1.2.2人工智慧的上升期，遠大目標積極實現的年代（1956年～20世紀60年代晚期）
1.2.3沒有履行的諾言，來自現實的衝擊（20世紀60年代晚期—20世紀70年代早期）
1.2.4專家系統技術，成功的關鍵因素（20世紀70年代早期～20世紀80年代中期）
1.2.5如何使機器學習，神經網路的重生（20世紀80年代中期至今）
1.2.6進化計算，在嘗試中學習（20世紀70年代早期至今）
1.2.7知識工程的新紀元，文字計算（20世紀80年代後期至今）
1.3小結
複習題
參考文獻
第2章基於規則的專家系統
2.1知識概述
2.2知識表達技術——規則
2.3專家系統研發團隊的主要參與者
2.4基於規則的專家系統的結構
2.5專家系統的基本特徵
2.6前向連結和後向連結推理技術
2.6.1前向連結
2.6.2後向連結
2.7 MEDIA ADVISOR：基於規則的專家系統實例
2.8衝突消解
2.9基於規則的專家系統的優點和缺點
2.10小結
複習題
參考文獻
第3章基於規則的專家系統中的不確定性管理
3.1不確定性簡介
3.2機率論基本知識
3.3貝葉斯推理
3.4FORECAST：論據累積的貝葉斯方法
3.5貝葉斯方法的偏差
3.6確信因子理論和基於論據的推理
3.7FORECAST：確信因子的套用
3.8貝葉斯推理和確信因子的對比
3.9小結
複習題
參考文獻
第4章模糊專家系統
4.1概述
4.2模糊集
4.3語言變數和模糊限制語
4.4模糊集的操作
4.5模糊規則
4.6模糊推理
4.6.1Mamdani—style推理
4.6.2 Sugeno—style推理
4.7建立模糊專家系統
4.8小結
複習題
參考文獻
參考書目
第5章基於框架的專家系統
5.1框架簡介
5.2知識表達技術——框架
5.3基於框架的系統中的繼承
5.4方法和守護程式
5.5框架和規則的互動
5.6基於框架的專家系統實例：Buy Smart
5.7小結
複習題
參考文獻
參考書目
第6章人工神經網路
6.1人腦工作機制簡介
6.2作為簡單計算元素的神經元
6.3感知器
6.4多層神經網路
6.5多層神經網路的加速學習
6.6 Hopfield網路
6.7雙向聯想記憶
6.8自組織神經網路
6.8.1Hebbian學習
6.8.2競爭學習
6.9小結
複習題
參考文獻
第7章進化計算
7.1進化是智慧型的嗎
7.2模擬自然進化
7.3遺傳算法
7.4遺傳算法為什麼可行
7.5案例研究：用遺傳算法來維護調度
7.6進化策略
7.7遺傳編程
7.8小結
複習題
參考文獻
參考書目
第8章混合智慧型系統
8.1概述
8.2神經專家系統
8.3神經—模糊系統
8.4 ANFIS
8.5進化神經網路
8.6模糊進化系統
8.7小結
複習題
參考文獻
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數據和知識獲取
9.1.3原型系統開發
9.1.4完整系統開發
9.1.5系統評價和修訂
9.1.6系統集成和維護
9.2專家系統可以解決的問題
9.5模糊專家系統可以解決的問題
9.4神經網路可以解決的問題
9.5遺傳算法可以解決的問題
9.6混合智慧型系統可以解決的問題
9.7小結
複習題
參考文獻
第10章數據挖掘和知識發現
10.1數據挖掘簡介
10.2統計方法和數據可視化
10.3主成分分析
10.4關係資料庫和資料庫查詢
10.5數據倉庫和多維數據分析
10.6決策樹
10.7關聯規則和購物籃分析
10.8小結
複習題
參考文獻
術語表
附錄人工智慧工具和經銷商
索引
