《专家系统原理和实例研究》求取 ⇩

目录1

1 专家系统的奇迹1

1.1　神经网络2

1.2　启发式搜索3

1.3　知识就是力量5

1.4　下一步的发展6

参考文献8

2 专家系统的结构9

2.1　专家系统的特征9

2.2　专家系统的组成10

2.3　知识库11

2.4　推理机12

2.5　归纳策略13

2.6　人-机窗口15

2.7　谁需要专家系统？15

2.8　语言问题17

2.9 自己动手19

2.10　结论19

参考文献20

3 第五代计算机竞赛21

3.1　背景21

3.2　计划概述22

3.3　目前的成果25

3.4　英国的反应26

3.5　欧洲的反应32

3.6　美国的反应36

3.7　结论39

参考文献41

4 如何评价专家系统44

4.1　专家系统的社会影响44

4.2　评价专家系统50

4.3　结束语57

参考文献58

5 模糊推理系统60

5.1　模糊逻辑60

5.2　置信度系数的用途63

5.3　证据的加权64

5.4　贝叶斯理论的要点66

5.5　惊人的HULK71

5.6　结论72

参考文献74

6 如何构造推理机76

6.1　推理机和知识库79

6.2　贝叶斯理论82

6.3　用户应答中的不确定性91

6.4　推理机92

6.5　规则值的运用94

6.6　结论97

附录 一个知识库例子100

7 采用PROLOG形式的知识工程104

7.1　专家系统的来源104

7.2　什么是基于知识的系统？105

7.3　专家系统像什么样？106

7.4　专家系统结构109

7.5　瓶颈和布雷区111

7.6　间接利益114

7.7 用PROLOG作为一个产生式系统115

7.8　PROLOG如何求出解答？120

7.9　未来的趋势122

附录A　动物识别程序的改进版本124

附录B 读者的练习127

参考文献128

8 如何建造微专家系统131

参考文献154

9 REVEAL：一个专家系统支持环境155

9.1 REVEAL作为决策支持工具158

9.2　在REVEAL中的模糊集164

9.3　REVEAL和知识工程169

9.4　REVEAL的总结175

参考文献176

10　机器学习策略177

10.1　什么是机器学习？177

10.2　学习示例178

10.3　描述语言180

10.4　特征矢量182

10.5　功能更强的语言183

10.6　通过搜索学习183

10.7　ID3184

10.8　INDUCE185

10.9　HOLLAND的算法187

10.10 BEAGLE188

10.11 EURISKO191

参考文献193

11 自适应学习系统195

11.1　引言195

11.2　遗传自适应算法198

11.3　遗传自适应算法在学习问题求解启发式知识中的应用204

11.4　其他的基于遗传算法的学习模式215

11.5　结论216

参考文献217

12.1 引言221

12　知识自动获取221

12.2　AI概述222

12.3　连贯性226

12.4　学习策略229

12.5　另一种知识提炼的方法234

12.6　结论242

参考文献244

13　知识工业247

13.1　信息经济学247

13.2　信息工作者的出现250

13.3　知识工业的未来253

13.4　结论和警告263

参考文献264

英汉名词对照索引266