●出版者的話
譯者序
第3版前言
版前言
本書概要
致謝
章基於知識的智能繫統概述
1.1智能機
1.2人工智能的發展歷史，從“黑暗時代”到基於知識的繫統
1.2.1“黑暗時代”，人工智能的誕生（1943—1956年）
1.2.2人工智能的上升期，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專家繫統技術，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，神經網絡的重生（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，文字計算（20世紀80年代後期至今）
1.3小結
復習題
參考文獻
第2章基於規則的專家繫統
2.1知識概述
2.2知識表達技術——規則
2.3專家繫統研發團隊的主要參與者
2.4基於規則的專家繫統的結構
2.5專家繫統的基本特征
2.6前向鏈接和後向鏈接推理技術
2.6.1前向鏈接
2.6.2後向鏈接
2.7 MEDIA ADVISOR：基於規則的專家繫統實例
2.8衝突消解
2.9基於規則的專家繫統的優點和缺點
2.10小結
復習題
參考文獻
第3章基於規則的專家繫統中的不確定性管理
3.1不確定性簡介
3.2概率論基本知識
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：確信因子的應用
3.8貝葉斯推理和確信因子的對比
3.9小結
復習題
參考文獻
第4章模糊專家繫統
4.1概述
4.2模糊集
4.3語言變量和模糊限制語
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建立模糊專家繫統
4.8小結
復習題
參考文獻
參考書目
第5章基於框架的專家繫統
5.1框架簡介
5.2知識表達技術——框架
5.3基於框架的繫統中的繼承
5.4方法和守護程序
5.5框架和規則的交互
5.6基於框架的專家繫統實例：Buy Smart
5.7小結
復習題
參考文獻
參考書目
第6章人工神經網絡
6.1人腦工作機制簡介
6.2作為簡素
6.3感知器
6.4多層神經網絡
6.5多層神經網絡的加速學習
6.6 Hopfield網絡
6.7雙向聯想記憶
6.8自組織神經網絡
6.8.1Hebbian學習
6.8.2競爭學習
6.9小結
復習題
參考文獻
第7章進化計算
7.1進化是智能的嗎
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
復習題
參考文獻
參考書目
第8章混合智能繫統
8.1概述
8.2神經專家繫統
8.3神經—模糊繫統
8.4 ANFIS
8.5進化神經網絡
8.6模糊進化繫統
8.7小結
復習題
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原型繫統開發
9.1.4完整繫統開發
9.1.5繫統評價和修訂
9.1.6繫統集成和維護
9.2專家繫統可以解決的問題
9.5模糊專家繫統可以解決的問題
9.4神經網絡可以解決的問題
9.5遺傳算法可以解決的問題
9.6混合智能繫統可以解決的問題
9.7小結
復習題
參考文獻
0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關繫數據庫和數據庫查詢
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
復習題
參考文獻
術語表
附錄人工智能工具和經銷商
索引