人工智能與專家系統

本書介紹人工智能的基本理論、方法以及實現技術。全書共7章，可分為兩部分。第一部分包括第1～4章，介紹人工智能的基本概念、方法和技術，包括知識表示方法和搜索、邏輯推理等問題求解的基本方法；第二部分包括第5～7章，以專家系統為應用方向，討論了產生式專家系統及其實現技術、模糊知識表示和模糊推理、機器學習方法及其應用實例。 ^[1] 

人工智能(Artificial Intelligence) ，英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智能是計算機科學的一個分支，它企圖瞭解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

《人工智能與專家系統(第2版)》在延續第一版編寫風格的基礎上，根據近幾年人工智能與專家系統的發展趨勢和國內外高等院校相關專業本科生教學內容的重點，結合作者多年教學經驗，並考慮到讀者的反饋信息，對各章節內容、結構等進行了修訂、調整、完善和補充，刪減和更新了第一版中比較陳舊的內容，增加了典型應用實例。

第二版前言

第一版前言

第1章 緒論

1.1 人工智能及其發展

1.2 人工智能的研究與應用領域

習題一

第2章 知識表示方法

2.1 一階謂詞邏輯表示方法

2.1.1 一階謂詞邏輯

2.1.2 一階謂詞邏輯表示方法

2.2 產生式表示方法

2.2.1 產生式與產生式系統

2.2.2 產生式系統的分類及其特點

習題二

第3章 搜索方法

3.1 問題求解過程的形式表示

3.1.1 狀態空間表示法

3.1.2 與/或圖表示法

3.2 狀態空間的搜索算法

3.2.1 盲目搜索算法

3.2.2 啓發式搜索算法

3.2.3 狀態空間搜索算法的應用

3.2.4 A*算法及其特性

3.3 與/或圖的搜索方法

3.3.1 與/或圖的盲目搜索算法

3.3.2 與/或圖的啓發式搜索算法

3.3.3 博弈算法及應用

習題三

第4章 邏輯推理

4.1 推理的基本概念

4.1.1 推理方式及其分類

4.1.2 推理的控制策略

4.1.3 模式匹配及其變量代換

4.2 歸結演繹推理

4.2.1 謂詞公式化為子句集的方法

4.2.2 歸結原理

4.2.3 歸結反演

4.3 基於歸結反演的問題求解

4.4 歸結反演的改進策略

4.4.1 刪除策略

4.4.2 限制策略

習題四

第5章 專家系統

5.1 專家系統概述

5.1.1 專家系統研究的意義

5.1.2 專家系統的結構與開發方法

5.2 LISP語言

5.2.1 LISP語言的特點與表達式

5.2.2 LISP語言的基本函數

5.3 知識庫與推理機

5.3.1 產生式規則與規則庫的存儲結構

5.3.2 正向推理機

5.3.3 反向推理機

5.4 解釋方法與解釋器

5.5 知識獲取與檢測

5.5.1 知識獲取的任務與方式

5.5.2 知識的檢測與求精

5.5.3 知識檢測的方法

5.6 專家系統工具

5.6.1 專家系統工具概述

5.6.2 CLIPS及其應用

5.6.3 基於Java的規則引擎Jess

習題五

第6章 模糊推理

6.1 知識的不確定性

6.2 模糊集合的定義與運算

6.2.1 模糊集合的定義與表示

6.2.2 模糊集合的運算

6.3 模糊知識表示與模糊匹配

6.3.1 模糊知識表示

6.3.2 模糊匹配

6.4 簡單模糊推理

6.4.1 模糊推理的基本模式

6.4.2 簡單模糊推理方法

6.4.3 模糊三段論推理方法

6.5 一般模式的模糊推理

6.5.1 多維模糊推理方法

6.5.2 帶有可信度的模糊推理方法

習題六

第7章 機器學習

7.1 機器學習的特徵與方法

7.2 歸納學習方法

7.2.1 CLS算法

7.2.2 ID3算法

7.2.3 歸納學習生成產生式規則集的應用

7.3 遺傳算法

7.3.1 遺傳算法的概念與計算方法

7.3.2 遺傳算法在預測預報中的應用

7.4 人工神經網絡方法

7.4.1 人工神經元與感知器

7.4.2 人工神經網絡模型

7.4.3 BP神經網絡的學習算法

7.4.4 BP學習算法的改進

7.4.5 基於神經網絡的專家系統

7.4.6 基於神經網絡的模糊分類器

7.4.7 神經網絡在預測中的應用

習題七

參考文獻

……