人工智能：智能系統指南(原書第2版)(簡體書)

本書是關于人工智能的教科書。全書共分九章，包括基于規則的專家系統、模糊專家系統、基于框架的專家系統、人工神經網絡、進化計算、混合智能系統、知識工程以及數據挖掘等內容。本書淺顯易懂、內容全面、案例豐富、參考文獻詳盡，不僅適合人工智能的初學者學習，而且也非常適合于非計算機背景相關學科的研究人員參考。

Micheal Negnevitsky，澳大利亞塔斯馬尼亞大學電氣工程和計算機科學系教授。他的許多研究課題都涉及人工智能和軟計算。他一直致力于電氣工程、過程控制和環境工程中智能系統的開發和應用，著有200多篇論文、兩本專著，并獲得了四項發明專利。

出版者的話
專家指導委員會
譯者序
序
第2版序
致謝
第1章 基于知識的智能系統概述
　1.1 智能機器概述
　1.2 人工智能發展歷史
　1.3 小結
　復習題
　參考文獻
第2章 基于規則的專家系統
　2.1 知識概述
　2.2 規則是一種知識表達技術
　2.3 專家系統研發團隊中的主要參與者
　2.4 基于規則的專家系統的結構
　2.5 專家系統的基本特征
　2.6 前向鏈接和后向鏈接推理技術
　2.7 實例
　2.8 沖突的解決方案
　2.9 基于規則的專家系統的優缺點
　2.10 小結
　復習題
　參考文獻
第3章 基于規則的專家系統的不確定管理
　3.1 不確定性簡介
　3.2 基本概率論
　3.3 貝葉斯推理
　3.4 FORECAST：貝葉斯證據累積
　3.5 貝葉斯方法的偏差
　3.6 確定因子理論和證據推理
　3.7 FORECAST：確定因子的應用
　3.8 貝葉斯推理和確定因子的比較
　3.9 小結
　復習題
　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
　4.7 建立模糊專家系統
　4.8 小結
　復習題
　參考文獻
　參考書目
第5章 基于框架的專家系統
　5.1 框架簡介
　5.2 作為知識表達技術的框架
　5.3 基于框架系統中的繼承
　5.4 方法和守護程序
　5.5 框架和規則的交互
　5.6 基于框架的專家系統實例：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 作為簡單計算元素的神經元
　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神經網絡
　6.7 雙向相關記憶
　6.8 自組織神經網絡
　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 遺傳算法如何工作
　7.5 實例：用遺傳算法來維護計劃
　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：自適應性神經模糊推理系統
　8.5 進化神經網絡
　8.6 模糊進化系統
　8.7 小結
　復習題
　參考文獻
第9章 知識工程和數據挖掘
　9.1 知識工程簡介
　9.2 專家系統可以解決的問題
　9.3 模糊專家系統可以解決的問題
　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 混合智能系統可以解決的問題
　9.7 數據挖掘和知識發現
　9.8 小結
　復習題
　參考文獻
術語表
附錄 人工智能工具和廠商