編輯推薦
人工智慧 經常被人們認為是計算機科學中一門高度複雜甚至令人生畏的學科。長期以來人工智慧方面的書籍往往包含複雜矩陣代數和微分方程。本書基於作者多年來給沒有多少微積分知識的學生授課時所用的講義，假定讀者沒有編程經驗，以簡單易懂的方式介紹了智慧型系統的基礎知識。
本書目前已經被國際上多所大學 （例如，德國的馬格德堡大學、日本的廣島大學、美國的波士頓大學和羅切斯特理工學院）採用為教材。 如果您正在尋找關於人工智慧或智慧型系統設計課程的淺顯易懂的入門級教材，如果您不是計算機科學領域的專業人員而又正在尋找介紹基於知識系統最新技術發展的自學指南，本書將是您的最佳選擇。
本書的主要內容：
·基於規則的專家系統
·模糊專家系統
·基於框架的專家系統
·人工神經網路
·進化計算
·混合智慧型系統
·知識工程
·數據挖掘
作者簡介
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慧和軟計算。他一直致力於電氣工程、過程控制和環境工程中智慧型系統的開發和套用，著有200多篇論文、兩本專著，並獲得了四項發明專利。
目錄
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 基於知識的智慧型系統概述
1.1 智慧型機器概述
1.2 人工智慧發展歷史
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 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
2.7 實例
2.8 衝突的解決方案
2.9 基於規則的專家系統的優缺點
2.10 小結
複習題
參考文獻
第3章 基於規則的專家系統的不確定管理
3.1 不確定性簡介
3.2 基本機率論
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：確定因子的套用
3.8 貝葉斯推理和確定因子的比較
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
4.7 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 作為知識表達技術的框架
5.3 基於框架系統中的繼承
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神經網路
6.7 雙向相關記憶
6.8 自組織神經網路
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 遺傳算法如何工作
7.5 實例：用遺傳算法來維護計畫
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：自適應性神經模糊推理系統
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 數據挖掘和知識發現
9.8 小結
複習題
參考文獻
術語表
附錄 人工智慧工具和廠商
