作者-Michael Negnevitsky -FindBook 找書網

內容簡介

　　人工智慧經常被人們認為是電腦科學中一門極為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。本書是基於作者多年來給不熟悉微積分知識的學生而編寫的，假設讀者沒有撰寫程式經驗，以簡單易懂的方式介紹了智慧系統的基礎知識。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系統設計課程的淺顯易懂的入門教材，如果您不是電腦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。

2 基於規則的專家系統
2.1 概述 2-1
2.2 規則是知識表達的技能 2-2
2.3 專家系統研發隊伍中的主要參與者 2-5
2.4 基於規則的專家系統結構 2-7
2.5 專家系統的基本性能 2-10
2.6 前向連結和後向連結的推理技術 2-13
2.7 實例 2-18
2.8 衝突的解決方案 2-25
2.9 基於規則的專家系統的優缺點 2-29
2.10 總結 2-30 複習題 2-32 參考文獻 2-33

3 基於規則的專家系統的不確定管理
3.1 不確定性簡介 3-1
3.2 基本機率論 3-4
3.3 貝氏推理 3-7
3.3 貝氏推理 3-8
3.4 FORECAST：貝氏證據累積 3-11
3.5 貝氏方法的偏差 3-19
3.6 確定因數理論和證據推理 3-22
3.7 FORECAST：確定因數的應用 3-28
3.8 貝氏推理和確定因數的比較 3-30
3.9 總結 3-32 複習題 3-33 參考文獻 3-34

4 模糊專家系統
4.1 概述 4-1
4.2 模糊集 4-4
4.3 語言變數和模糊限制語 4-10
4.4 模糊集的操作 4-14
4.5 模糊規則 4-19
4.6 模糊推理 4-22
4.7 建立模糊專家系統 4-32
4.8 總結 4-43 複習題 4-44 參考文獻 4-45 參考書目 4-46

5 基於框架的專家系統
5.1 框架簡介 5-1
5.2 作為知識表達技術的框架 5-3
5.3 基於框架系統中的繼承 5-9
5.4 方法和守護程式 5-13
5.5 框架和規則的互動 5-18
5.6 基於框架的專家系統實例：BuySmart 5-22
5.7 總結 5-35 複習題 5-36 參考文獻 5-37 參考書目 5-37

6 人工神經網路
6.1 腦工作機制簡介 6-1
6.2 為簡單計算元素的神經元 6-5
6.3 感知器 6-7
6.4 多層神經網路 6-12
6.5 多層神經網路的加速學習 6-23
6.6 Hopfield神經網路 6-26
6.7 雙向相關記憶 6-34
6.8 自組織神經網路 6-39
6.9 總結 6-51 複習題 6-54 參考文獻 6-55

7 演化計算
7.1 演化是智慧的嗎？ 7-1
7.2 模擬自然演化 7-2
7.3 基因演算法 7-4
7.4 基因演算法如何工作 7-15
7.5 個案研究：用基因演算法來維護計畫 7-18
7.6 演化策略 7-26
7.7 遺傳程式設計 7-29
7.8 總結 7-39 複習題 7-41 參考文獻 7-42 參考書目 7-43

8 混合智慧系統
8.1 概述 8-1
8.2 神經專家系統 8-3
8.3 神經模糊系統 8-12
8.4 ANFIS：自適應性神經模糊推理系統 8-20
8-5 演化神經網路 8-29
8.6 模糊演化系統 8-35
8.7 總結 8-41 複習題 8-43 參考文獻 8-44

9 知識工程
9.1 知識工程簡介 9-1
9.2 專家系統可以解決的問題 9-9
9.3 模糊專家系統可以解決的問題 9-19
9.4 神經網路可以解決的問題 9-28
9.5 基因演算法可以解決的問題 9-50
9.6 混合智慧系統可以解決的問題 9-55
9.7 總結 9-66 複習題 9-68 參考資料 9-72

10 資料探勘與知識發掘
10.1 前言，或者什麼是資料探勘 10-1
10.2 統計方法和資料視覺化 10-5
10.3 主成份分析 10-12
10.4 關聯資料庫及資料庫查詢 10-24
10.5 資料倉儲和多維度資料分析 10-30
10.6 決策樹 10-41
10.7 關聯規則和購物籃分析 10-50
10.8 總結 10-60 複習題 10-62 參考文獻 10-63

附錄術語表 App-1
AI工具和廠商 App-39

看更多