人工智能及專家系統(tǒng)

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 人類智能
1.1.3 人工智能
1.1.4 人工智能的研究目標(biāo)
1.2 人工智能的科學(xué)體系與分支
1.2.1 人工智能的科學(xué)體系
1.2.2 人工智能的學(xué)科范疇
1.2.3 人工智能的應(yīng)用領(lǐng)域
1.2.4 人工智能分支的劃分
1.3 人工智能的技術(shù)方案與途徑
1.3.1 人工智能的基本技術(shù)
1.3.2 人工智能的研究?jī)?nèi)容
1.3.3 人工智能的研究途徑與方法
1.4 人工智能的產(chǎn)生與發(fā)展
1.4.1 人工智能的孕育期（1956年以前）
1.4.2 人工智能的基礎(chǔ)技術(shù)研究與形成期（1956—1970年）
1.4.3 人工智能的發(fā)展與應(yīng)用期（1970年以后）
1.4.4 人工智能在我國的發(fā)展情況
1.4.5 人工智能的發(fā)展趨勢(shì)與展望
習(xí)題
第2章 知識(shí)表示
2.1 知識(shí)與知識(shí)表示的概念
2.1.1 知識(shí)
2.1.2 知識(shí)表示
2.2 狀態(tài)空間表示法
2.2.1 狀態(tài)空間表示法的基本概念和策略
2.2.2 狀態(tài)空間表示法示例
2.3 與／或圖表示法
2.3.1 與／或圖知識(shí)表示的概念
2.3.2 與／或圖表示示例
2.4 產(chǎn)生式表示法
2.4.1 產(chǎn)生式的結(jié)構(gòu)和組成
2.4.2 產(chǎn)生式系統(tǒng)的分類
2.4.3 產(chǎn)生式系統(tǒng)的性能及其應(yīng)用
2.5 語義網(wǎng)絡(luò)表示法
2.5.1 語義網(wǎng)絡(luò)的概念
2.5.2 語義網(wǎng)絡(luò)的推理
2.5.3 語義網(wǎng)絡(luò)表示法的特征
2.6 框架表示法
2.6.1 框架表示法的概念與設(shè)計(jì)
2.6.2 框架的基本結(jié)構(gòu)和描述
2.6.3 框架系統(tǒng)
2.6.4 框架系統(tǒng)的推理和求解過程
2.6.5 5種知識(shí)表示方法的比較
習(xí)題
第3章 圖搜索技術(shù)
3.1 圖搜索及其分類
3.1.1 圖搜索的概念
3.1.2 圖搜索的分類
3.1.3 狀態(tài)圖搜索樹
3.1.4 狀態(tài)空間搜索算法
3.1.5 搜索效率
3.2 窮舉式搜索
3.2.1 廣度優(yōu)先搜索
3.2.2 深度優(yōu)先搜索
3.2.3 有界深度優(yōu)先搜索
3.2.4 代價(jià)驅(qū)動(dòng)搜索
3.3 啟發(fā)式搜索
3.3.1 啟發(fā)式搜索的基本概念
3.3.2 局部擇優(yōu)搜索
3.3.3 全局擇優(yōu)搜索
3.3.4 與／或圖的啟發(fā)式搜索
3.3.5 博弈樹的啟發(fā)式搜索
3.3.6 a-β剪枝技術(shù)
習(xí)題
第4章 邏輯的知識(shí)表示和推理
4.1 命題與邏輯
4.1.1 命題與命題定律
4.1.2 謂詞邏輯
4.2 謂詞邏輯知識(shí)表示
4.2.1 謂詞邏輯知識(shí)表示方法
4.2.2 謂詞邏輯表示的優(yōu)缺點(diǎn)
4.3 邏輯推理的技術(shù)與算法
4.3.1 子句集及其化簡(jiǎn)
4.3.2 置換與合
4.3.3 魯濱遜消解（歸結(jié)）原理
習(xí)題
第5章 智能學(xué)習(xí)系統(tǒng)
5.1 機(jī)器學(xué)習(xí)的基本概念
5.1.1 機(jī)器學(xué)習(xí)
5.1.2 機(jī)器學(xué)習(xí)系統(tǒng)
5.2 智能學(xué)習(xí)系統(tǒng)的基本模型
5.3 機(jī)器學(xué)習(xí)的幾種常用方法
5.3.1 機(jī)械式學(xué)習(xí)
5.3.2 指導(dǎo)式學(xué)習(xí)
5.3.3 示例學(xué)習(xí)
5.3.4 類比學(xué)習(xí)
5.3.5 解釋學(xué)習(xí)
習(xí)題
第6章 知識(shí)獲取的新途徑：數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)
6.1 數(shù)據(jù)挖掘的技術(shù)基礎(chǔ)
6.1.1 數(shù)據(jù)挖掘的概念
6.1.2 數(shù)據(jù)挖掘的功能和存在的主要問題
6.1.3 數(shù)據(jù)挖掘成功案例
6.2 數(shù)據(jù)挖掘的方法步驟和語言工具
6.2.1 數(shù)據(jù)挖掘的方法
6.2.2 數(shù)據(jù)挖掘語言
6.2.3 數(shù)據(jù)挖掘的工具
6.2.4 數(shù)據(jù)挖掘的流程
6.3 數(shù)據(jù)挖掘系統(tǒng)的組構(gòu)及管理策略
6.3.1 數(shù)據(jù)挖掘系統(tǒng)的組成
6.3.2 數(shù)據(jù)挖掘系統(tǒng)的架構(gòu)
6.3.3 數(shù)據(jù)挖掘管理系統(tǒng)
6.4 數(shù)據(jù)挖掘的研究與發(fā)展
6.4.1 數(shù)據(jù)挖掘系統(tǒng)的開發(fā)進(jìn)展
6.4.2 數(shù)據(jù)挖掘未來研究方向
習(xí)題
第7章 新的知識(shí)處理方式：智能主體技術(shù)
7.1 智能主體的基本知識(shí)
7.1.1 概念、分類與特點(diǎn)
7.1.2 智能主體的研究學(xué)派和編程語言
7.1.3 智能主體的基本結(jié)構(gòu)
7.1.4 智能主體的工作機(jī)制
7.1.5 智能主體技術(shù)的應(yīng)用
7.2 多鉀能主體系統(tǒng)
7.2.1 多智能主體系統(tǒng)的基本概念
7.2.2 多智能主體系統(tǒng)的體系結(jié)構(gòu)
7.2.3 多智能主體的智能協(xié)同
7.3 移動(dòng)智能主體
7.3.1 移動(dòng)智能主體的基本概念
7.3.2 移動(dòng)智能主體的基本結(jié)構(gòu)
7.3.3 移動(dòng)智能主體的技術(shù)實(shí)現(xiàn)
7.3.4 移動(dòng)智能主體的標(biāo)準(zhǔn)化情況
習(xí)題
第8章 專家系統(tǒng)的原理與設(shè)計(jì)
8.1 專家系統(tǒng)的基本知識(shí)
8.1.1 專家系統(tǒng)的概念
8.1.2 專家系統(tǒng)的特點(diǎn)
8.1.3 專家系統(tǒng)的分類
8.1.4 新一代專家系統(tǒng)
8.1.5 專家系統(tǒng)的主要研究課題
8.2 專家系統(tǒng)的設(shè)計(jì)
8.2.1 開發(fā)專家系統(tǒng)的需求分析
8.2.2 知識(shí)獲取
8.2.3 專家系統(tǒng)構(gòu)造者間的關(guān)系
8.2.4 專家系統(tǒng)的設(shè)計(jì)結(jié)構(gòu)
8.2.5 專家系統(tǒng)的開發(fā)階段與過程
8.2.6 專家系統(tǒng)的設(shè)計(jì)要素
8.3 專家系統(tǒng)的評(píng)價(jià)
8.3.1 評(píng)價(jià)方法
8.3.2 專家系統(tǒng)的技術(shù)評(píng)價(jià)
8.3.3 專家系統(tǒng)的性能評(píng)價(jià)
習(xí)題
第9章 專家系統(tǒng)的開發(fā)工具與環(huán)境
9.1 專家系統(tǒng)的語言型工具
9.1.1 程序設(shè)計(jì)語言
9.1.2 知識(shí)工程語言
9.2 專家系統(tǒng)的設(shè)計(jì)工具
9.2.1 輔助型工具
9.2.2 支持工具
9.3 專家系統(tǒng)的開發(fā)環(huán)境
9.3.1 開發(fā)環(huán)境的定義與功能
9.3.2 開發(fā)環(huán)境的實(shí)現(xiàn)途徑
9.4 專家系統(tǒng)工具的經(jīng)典實(shí)例
9.4.1 骨架工具系統(tǒng)：EMYCIN
9.4.2 骨架工具系統(tǒng).KAS
9.4.3 通用專家系統(tǒng)工具介紹
習(xí)題
第10章 不精確推理與模糊專家系統(tǒng)
10.1 不精確推理的基本理論
10.1.1 不精確推理的模式
10.1.2 規(guī)則可信度的計(jì)算
10.1.3 不精確性的組合計(jì)算
10.1.4 帶加權(quán)因子的不精確推理
10.1.5 帶區(qū)間的不精確性表示
10.2 主觀Bayes推理方法
10.2.1 主觀Bayes推理模型
10.2.2 證據(jù)不精確性情況下的推理模型
10.2.3 組合證據(jù)的不精確性計(jì)算
10.2.4 Bayes方法在PROSPECTOR中的應(yīng)用
10.3 模糊專家系統(tǒng)
10.3.1 模糊專家系統(tǒng)的概念與特點(diǎn)
10.3.2 模糊集合
10.3.3 模糊矩陣與模糊關(guān)系
10.3.4 模糊邏輯
10.3.5 模糊知識(shí)表示和模糊匹配
10.3.6 模糊邏輯推理
10.3.7 模糊專家系統(tǒng)舉例
習(xí)題
第11章 基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)
11.1 神經(jīng)網(wǎng)絡(luò)的概念與模型
11.1.1 生物神經(jīng)元
11.1.2 人工神經(jīng)網(wǎng)絡(luò)
11.2 神經(jīng)網(wǎng)絡(luò)模型和算法
11.2.1 感知器的學(xué)習(xí)結(jié)構(gòu)與算法
11.2.2 BP模型
11.2.3 Hopfield模型
11.2.4 典型的人工神經(jīng)網(wǎng)絡(luò)模型
11.3 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
11.3.1 基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示與推理
11.3.2 基于神經(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)
習(xí)題
第12章 Prolog語言及其程序設(shè)計(jì)
12.1 Prolog語言簡(jiǎn)介
12.2 PDCProlog數(shù)據(jù)結(jié)構(gòu)和基本語句
12.2.1 常量與變量
12.2.2 3種基本語句
12.3 PDCPmlog運(yùn)算符與常用內(nèi)部謂詞
12.3.1 函數(shù)與運(yùn)算符
12.3.2 輸入與輸出內(nèi)部謂詞
12.3.3 動(dòng)態(tài)數(shù)據(jù)庫內(nèi)部謂詞
12.4 PDCProlog程序結(jié)構(gòu)及其說明
12.4.1 程序結(jié)構(gòu)
12.4.2 常量段說明
12.4.3 域類型說明
12.4.4 謂詞與動(dòng)態(tài)數(shù)據(jù)庫說明
12.4.5 謂詞與域類型說明示例
12.4.6 對(duì)象數(shù)據(jù)類型的轉(zhuǎn)換
12.5 PDCProlog的基本搜索方法
12.5.1 搜索與回溯
12.5.2 失敗回溯循環(huán)法
12.5.3 切斷回溯控制循環(huán)法
12.5.4 自定義的循環(huán)方法
12.5.5 遞歸
12.6 PDCProlog的數(shù)據(jù)處理
12.6.1 表處理技術(shù)
12.6.2 字符串處理
12.6.3 文件處理
12.7 PDCProIog的多媒體技術(shù)
12.7.1 窗口的建立及使用
12.7.2 圖形模式的設(shè)置與繪圖
12.7.3 聲音的內(nèi)部謂詞及其應(yīng)用
12.8 PDCProlog語言與C語言的連接
12.8.1 語言條件
12.8.2 外部謂詞說明
12.8.3 參數(shù)傳遞
12.8.4 外部c語言子程序
12.9 VisualProlog語言
12.9.1 VisualProlog語言簡(jiǎn)介
12.9.2 VisualProloy的可視化開發(fā)環(huán)境及其使用
習(xí)題
第13章 基于Prolog程序?qū)崿F(xiàn)的專家系統(tǒng)開發(fā)實(shí)例
13.1 基于規(guī)則的動(dòng)物識(shí)別專家系統(tǒng)
13.1.1 動(dòng)物識(shí)別專家系統(tǒng)的基本組成
13.1.2 系統(tǒng)的PDCProlog源程序及運(yùn)行
13.2 基于邏輯的液壓故障診斷專家系統(tǒng)
13.2.1 液壓故障診斷專家系統(tǒng)的構(gòu)建
13.2.2 液壓故障診斷系統(tǒng)的編程與運(yùn)行狀態(tài)
習(xí)題
參考文獻(xiàn)