资料下载：人工智能智能系统指南原书第三版电子式.pdf

人工智能智能系统指南原书第三版电子式.pdf

http://www.100md.com 2020年11月13日

第1页

第4页

第19页

第22页

第43页

参见附件(5156KB，68页)。

《计算机科学丛书：人工智能·智能系统指南(原书第3版)》是一本很好的人工智能入门书籍,内容丰富、浅显易懂。作者根据自己多年的教学、实践经验，并结合实际代码、图示、案例等讲解了人工智能的基本知识。

    前言

    这本书的主要目的与第1版相同，即为读者提供一本能实际了解计算机智能领域相关知识的书。它适合作为一个学期课程的入门教程，学生需要具备一些微积分的知识，不要求具备编程的经验。

    在涵盖内容方面，本书引入了关于数据挖掘的新的一章，并展示了智能工具在解决复杂实际问题中的新应用。主要的变化如下：在新的“数据挖掘和知识发现”一章中，我们介绍了大型数据库中知识发现不可或缺的一部分-数据挖掘。涉及将数据转换为知识的主要技术和工具，包括统计方法、数据可视化工具、结构化查询语言、决策树和购物篮分析。同时还展示了几个数据挖掘应用的实例。

    在第9章中，增加了采用自组织神经网络进行聚类分析的新的实例。

    最后，我们还扩展了本书的参考文献和参考书目，更新了附录中的人工智能工具和厂商列表。

    内容简介

    全书共分10章，主要内容包括：基于规则的专家系统、不确定性管理技术、模糊专家系统、基于框架的专家系统、人工神经网络、进化计算、混合智能系统、知识工程、数据挖掘等。另外，本书还提供了一个人工智能相关术语表和包含商业化的人工智能工具的附录。

    《计算机科学丛书：人工智能·智能系统指南(原书第3版)》既可以作为计算机科学相关专业本科生的入门教材，也可以作为非计算机科学专业读者的自学参考书。

    章节详解

    本书一共包含10章。

    第1章简要介绍了人工智能的历史，从20世纪中期诞生人工智能的思想并在60年代设立了远大目标并积极实现到20世纪70年代早期理想破灭和资金投入大幅削减；从20世纪70年代第一代专家系统(DENDRAL，MYCIN，PROSPECTOR)的诞生到20世纪八九十年代专家系统技术的成熟和其在不同领域的广泛应用；从20世纪40年代简单的二元神经元模型的提出到20世纪80年代人工神经网络领域的复苏；从20世纪60年代模糊集理论的提出和它的存在被西方忽视到20世纪80年代日本生产出大量模糊用户产品，以及20世纪90年代软计算和文字计算在世界范围内的广泛接受。

    第2章提供了基于规则的专家系统概述。作者简要介绍了知识的概念，以及专家用产生式规则表示知识的过程。作者介绍了专家系统开发团队的主要成员和基于规则系统的结构。分析了专家系统的基本特性，并指出专家系统不是万无一失的。然后回顾了前向链接和后向链接推理技术，并讨论了冲突消解策略。最后分析了基于规则的专家系统的优缺点。

    第3章展示了专家系统使用的两种不确定性管理技术：贝叶斯推理和确信因子。作者分析了不确定知识的主要来源，并简要回顾了概率理论。作者考虑了可累积论据的贝叶斯方法并开发一个简单的基于贝叶斯方法的专家系统。然后讨论确信因子理论(贝叶斯推理的常用替代方法)，并开发一个基于论据推理的专家系统。最后，比较贝叶斯推理和确信因子理论并分析它们的适用范围。

    第4章介绍了模糊逻辑并讨论其背后的哲学思想。首先介绍模糊集的概念，考虑如何在计算机里表示一个模糊集并介绍了模糊集的操作。作者还定义了语言变量和模糊限制语(hedge)。然后作者叙述了模糊规则，并解释了经典规则和模糊规则的主要区别。该章主要研究两种模糊捕理技术：Mandani法和Sugeno法，并就它们适宜的应用领域给出建议。最后介绍开发一个模糊专家系统的主要步骤，并通过构建和调试模糊系统的具体过程来阐明其理论。

    第5章概述了基于框架的专家系统。介绍了框架的概念，并讨论如何将框架用于知识表达，以及阐明继承是基于框架系统的基本特征，还讨论了方法、守护程序和规则的应用。最后通过一个实例来介绍基于框架的专家系统的开发。

    第6章介绍了人工神经网络，并讨论了机器学习的基本思想。叙述作为一个简单的计算单元的感知器的概念，并讨论了感知器的学习规则，还探索了多层神经网络，以及讨论了如何提高反向传播学习算法的计算效率。然后介绍循环神经网络，思考Hopfield网络训练算法和双向联想记忆(BAM)。最后介绍自组织神经网络并探讨Hebbian学习规则和竞争学习。

    第7章概述了进化计算，其中包括遗传算法、进化策略和遗传编程。首先介绍了开发一个遗传算法的主要步骤，讨论遗传算法的工作机制，并通过具体的遗传算法应用阐明其理论。然后叙述一个进化策略的基本概念，比较了进化策略和遗传算法之间的不同。最后考虑遗传编程以及它的实际应用。

    第8章讨论了结合不同智能技术的混合智能系统。首先介绍一种新型的专家系统-神经专

    家系统，它将神经网络和基于规则的专家系统结合起来。然后考虑一个功能上等同于Mamdani模糊推理模型的神经-模糊系统，以及一个功能上等同于Sugeno模糊推理模型的自适应神经模糊推理系统(ANFIS)。最后讨论进化神经网络和模糊进化系统。

    第9章讨论了知识工程。首先讨论智能系统可以解决什么样的问题，并介绍知识工程过程的6个主要阶段。然后展示了专家系统、模糊系统、神经网络和遗传算法的典型应用。作者演示了如何构建智能系统来解决诊断、选择、预测、分类、聚类和优化问题。最后讨论了混合神经-模糊系统在决策支持和时序预测方面的应用。

    第10章介绍了数据挖掘的概貌，讨论了将数据转换为知识的主要技术。首先，宽泛地定义了数据挖掘，并解释了在大型数据库中进行数据挖掘和知识发现的过程。介绍了一些统计学方法，包括主成分分析，并讨论了它们的局限性。随后展示了关系数据库中结构化查询语言的应用，介绍了数据仓库和多维数据分析。最后，介绍了最流行的数据挖掘工具-决策树和购物篮分析。

    本书还包括一个术语表和一个附录。术语表包含了300余条用于专家系统、模糊逻辑、神经网络、进化计算、知识工程以及数据挖掘领域的定义。附录中提供了商业化的人工智能工具的列表。

    人工智能智能系统指南原书第三版电子式截图

附件资料：

人工智能智能系统指南原书第三版电子式.pdf（5156KB）

本页网址：

http://www.100md.com/html/file/202011/135545.htm