內(nèi)容簡介:　　    《人工智能及專家系統(tǒng)》面向智能系統(tǒng)學(xué)科的前沿領(lǐng)域，將人工智能、專家系統(tǒng)及其實現(xiàn)語言（Prolog）3個方面融為一體，系統(tǒng)和全面地反映了人工智能和專家系統(tǒng)的精髓、核心內(nèi)容、研究現(xiàn)狀和新發(fā)展方向。
    《人工智能及專家系統(tǒng)》共13章，包括3個部分：第一部分（第1～7章）系統(tǒng)地闡述了人工智能的基本原理、技術(shù)與方法；重點突出了6種知識表示方法（狀態(tài)空間、與／或圖、產(chǎn)生式、語義網(wǎng)絡(luò)、框架、謂詞邏輯表示法）、3種搜索和推理技術(shù)（窮舉式搜索、啟發(fā)式搜索和邏輯推理）、3種知識獲取和處理方式（機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)、智能主體技術(shù)）。第二部分（第8～11章）主要包括專家系統(tǒng)的建立、設(shè)計、開發(fā)、評價和工具；結(jié)合不確定推理、模糊推理和神經(jīng)網(wǎng)絡(luò)的原理和方法，探討了兩種主要的新型專家系統(tǒng)，即模糊專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。第三部分（第12、13章）詳細(xì)介紹了PDC Prolog語言的語句、語法、編程技巧和c語言的連接、新版本（Visual Prolog）和應(yīng)用于專家系統(tǒng)的實例。
    《人工智能及專家系統(tǒng)》構(gòu)思新穎，內(nèi)容豐富，深入淺出，強(qiáng)調(diào)先進(jìn)性、實用性和可讀性，可作為電子技術(shù)、信息與通信技術(shù)、計算機(jī)、自動控制、系統(tǒng)工程等專業(yè)的研究生和本科生的必修課和選修課教材，也可作為業(yè)余愛好者的科普讀物，還可供從事相關(guān)專業(yè)的教師和廣大科技人員參考。

作者簡介:

目錄:前言<br>第1章 人工智能概述<br>1.1 人工智能的基本概念<br>1.1.1 智能<br>1.1.2 人類智能<br>1.1.3 人工智能<br>1.1.4 人工智能的研究目標(biāo)<br>1.2 人工智能的科學(xué)體系與分支<br>1.2.1 人工智能的科學(xué)體系<br>1.2.2 人工智能的學(xué)科范疇<br>1.2.3 人工智能的應(yīng)用領(lǐng)域<br>1.2.4 人工智能分支的劃分<br>1.3 人工智能的技術(shù)方案與途徑<br>1.3.1 人工智能的基本技術(shù)<br>1.3.2 人工智能的研究內(nèi)容<br>1.3.3 人工智能的研究途徑與方法<br>1.4 人工智能的產(chǎn)生與發(fā)展<br>1.4.1 人工智能的孕育期（1956年以前）<br>1.4.2 人工智能的基礎(chǔ)技術(shù)研究與形成期（1956—1970年）<br>1.4.3 人工智能的發(fā)展與應(yīng)用期（1970年以后）<br>1.4.4 人工智能在我國的發(fā)展情況<br>1.4.5 人工智能的發(fā)展趨勢與展望<br>習(xí)題<br><br>第2章 知識表示<br>2.1 知識與知識表示的概念<br>2.1.1 知識<br>2.1.2 知識表示<br>2.2 狀態(tài)空間表示法<br>2.2.1 狀態(tài)空間表示法的基本概念和策略<br>2.2.2 狀態(tài)空間表示法示例<br>2.3 與／或圖表示法<br>2.3.1 與／或圖知識表示的概念<br>2.3.2 與／或圖表示示例<br>2.4 產(chǎn)生式表示法<br>2.4.1 產(chǎn)生式的結(jié)構(gòu)和組成<br>2.4.2 產(chǎn)生式系統(tǒng)的分類<br>2.4.3 產(chǎn)生式系統(tǒng)的性能及其應(yīng)用<br>2.5 語義網(wǎng)絡(luò)表示法<br>2.5.1 語義網(wǎng)絡(luò)的概念<br>2.5.2 語義網(wǎng)絡(luò)的推理<br>2.5.3 語義網(wǎng)絡(luò)表示法的特征<br>2.6 框架表示法<br>2.6.1 框架表示法的概念與設(shè)計<br>2.6.2 框架的基本結(jié)構(gòu)和描述<br>2.6.3 框架系統(tǒng)<br>2.6.4 框架系統(tǒng)的推理和求解過程<br>2.6.5 5種知識表示方法的比較<br>習(xí)題<br><br>第3章 圖搜索技術(shù)<br>3.1 圖搜索及其分類<br>3.1.1 圖搜索的概念<br>3.1.2 圖搜索的分類<br>3.1.3 狀態(tài)圖搜索樹<br>3.1.4 狀態(tài)空間搜索算法<br>3.1.5 搜索效率<br>3.2 窮舉式搜索<br>3.2.1 廣度優(yōu)先搜索<br>3.2.2 深度優(yōu)先搜索<br>3.2.3 有界深度優(yōu)先搜索<br>3.2.4 代價驅(qū)動搜索<br>3.3 啟發(fā)式搜索<br>3.3.1 啟發(fā)式搜索的基本概念<br>3.3.2 局部擇優(yōu)搜索<br>3.3.3 全局擇優(yōu)搜索<br>3.3.4 與／或圖的啟發(fā)式搜索<br>3.3.5 博弈樹的啟發(fā)式搜索<br>3.3.6 a-β剪枝技術(shù)<br>習(xí)題<br><br>第4章 邏輯的知識表示和推理<br>4.1 命題與邏輯<br>4.1.1 命題與命題定律<br>4.1.2 謂詞邏輯<br>4.2 謂詞邏輯知識表示<br>4.2.1 謂詞邏輯知識表示方法<br>4.2.2 謂詞邏輯表示的優(yōu)缺點<br>4.3 邏輯推理的技術(shù)與算法<br>4.3.1 子句集及其化簡<br>4.3.2 置換與合<br>4.3.3 魯濱遜消解（歸結(jié)）原理<br>習(xí)題<br><br>第5章 智能學(xué)習(xí)系統(tǒng)<br>5.1 機(jī)器學(xué)習(xí)的基本概念<br>5.1.1 機(jī)器學(xué)習(xí)<br>5.1.2 機(jī)器學(xué)習(xí)系統(tǒng)<br>5.2 智能學(xué)習(xí)系統(tǒng)的基本模型<br>5.3 機(jī)器學(xué)習(xí)的幾種常用方法<br>5.3.1 機(jī)械式學(xué)習(xí)<br>5.3.2 指導(dǎo)式學(xué)習(xí)<br>5.3.3 示例學(xué)習(xí)<br>5.3.4 類比學(xué)習(xí)<br>5.3.5 解釋學(xué)習(xí)<br>習(xí)題<br><br>第6章 知識獲取的新途徑：數(shù)據(jù)挖掘與知識發(fā)現(xiàn)<br>6.1 數(shù)據(jù)挖掘的技術(shù)基礎(chǔ)<br>6.1.1 數(shù)據(jù)挖掘的概念<br>6.1.2 數(shù)據(jù)挖掘的功能和存在的主要問題<br>6.1.3 數(shù)據(jù)挖掘成功案例<br>6.2 數(shù)據(jù)挖掘的方法步驟和語言工具<br>6.2.1 數(shù)據(jù)挖掘的方法<br>6.2.2 數(shù)據(jù)挖掘語言<br>6.2.3 數(shù)據(jù)挖掘的工具<br>6.2.4 數(shù)據(jù)挖掘的流程<br>6.3 數(shù)據(jù)挖掘系統(tǒng)的組構(gòu)及管理策略<br>6.3.1 數(shù)據(jù)挖掘系統(tǒng)的組成<br>6.3.2 數(shù)據(jù)挖掘系統(tǒng)的架構(gòu)<br>6.3.3 數(shù)據(jù)挖掘管理系統(tǒng)<br>6.4 數(shù)據(jù)挖掘的研究與發(fā)展<br>6.4.1 數(shù)據(jù)挖掘系統(tǒng)的開發(fā)進(jìn)展<br>6.4.2 數(shù)據(jù)挖掘未來研究方向<br>習(xí)題<br><br>第7章 新的知識處理方式：智能主體技術(shù)<br>7.1 智能主體的基本知識<br>7.1.1 概念、分類與特點<br>7.1.2 智能主體的研究學(xué)派和編程語言<br>7.1.3 智能主體的基本結(jié)構(gòu)<br>7.1.4 智能主體的工作機(jī)制<br>7.1.5 智能主體技術(shù)的應(yīng)用<br>7.2 多鉀能主體系統(tǒng)<br>7.2.1 多智能主體系統(tǒng)的基本概念<br>7.2.2 多智能主體系統(tǒng)的體系結(jié)構(gòu)<br>7.2.3 多智能主體的智能協(xié)同<br>7.3 移動智能主體<br>7.3.1 移動智能主體的基本概念<br>7.3.2 移動智能主體的基本結(jié)構(gòu)<br>7.3.3 移動智能主體的技術(shù)實現(xiàn)<br>7.3.4 移動智能主體的標(biāo)準(zhǔn)化情況<br>習(xí)題<br><br>第8章 專家系統(tǒng)的原理與設(shè)計<br>8.1 專家系統(tǒng)的基本知識<br>8.1.1 專家系統(tǒng)的概念<br>8.1.2 專家系統(tǒng)的特點<br>8.1.3 專家系統(tǒng)的分類<br>8.1.4 新一代專家系統(tǒng)<br>8.1.5 專家系統(tǒng)的主要研究課題<br>8.2 專家系統(tǒng)的設(shè)計<br>8.2.1 開發(fā)專家系統(tǒng)的需求分析<br>8.2.2 知識獲取<br>8.2.3 專家系統(tǒng)構(gòu)造者間的關(guān)系<br>8.2.4 專家系統(tǒng)的設(shè)計結(jié)構(gòu)<br>8.2.5 專家系統(tǒng)的開發(fā)階段與過程<br>8.2.6 專家系統(tǒng)的設(shè)計要素<br>8.3 專家系統(tǒng)的評價<br>8.3.1 評價方法<br>8.3.2 專家系統(tǒng)的技術(shù)評價<br>8.3.3 專家系統(tǒng)的性能評價<br>習(xí)題<br><br>第9章 專家系統(tǒng)的開發(fā)工具與環(huán)境<br>9.1 專家系統(tǒng)的語言型工具<br>9.1.1 程序設(shè)計語言<br>9.1.2 知識工程語言<br>9.2 專家系統(tǒng)的設(shè)計工具<br>9.2.1 輔助型工具<br>9.2.2 支持工具<br>9.3 專家系統(tǒng)的開發(fā)環(huán)境<br>9.3.1 開發(fā)環(huán)境的定義與功能<br>9.3.2 開發(fā)環(huán)境的實現(xiàn)途徑<br>9.4 專家系統(tǒng)工具的經(jīng)典實例<br>9.4.1 骨架工具系統(tǒng)：EMYCIN<br>9.4.2 骨架工具系統(tǒng).KAS<br>9.4.3 通用專家系統(tǒng)工具介紹<br>習(xí)題<br><br>第10章 不精確推理與模糊專家系統(tǒng)<br>10.1 不精確推理的基本理論<br>10.1.1 不精確推理的模式<br>10.1.2 規(guī)則可信度的計算<br>10.1.3 不精確性的組合計算<br>10.1.4 帶加權(quán)因子的不精確推理<br>10.1.5 帶區(qū)間的不精確性表示<br>10.2 主觀Bayes推理方法<br>10.2.1 主觀Bayes推理模型<br>10.2.2 證據(jù)不精確性情況下的推理模型<br>10.2.3 組合證據(jù)的不精確性計算<br>10.2.4 Bayes方法在PROSPECTOR中的應(yīng)用<br>10.3 模糊專家系統(tǒng)<br>10.3.1 模糊專家系統(tǒng)的概念與特點<br>10.3.2 模糊集合<br>10.3.3 模糊矩陣與模糊關(guān)系<br>10.3.4 模糊邏輯<br>10.3.5 模糊知識表示和模糊匹配<br>10.3.6 模糊邏輯推理<br>10.3.7 模糊專家系統(tǒng)舉例<br>習(xí)題<br><br>第11章 基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)<br>11.1 神經(jīng)網(wǎng)絡(luò)的概念與模型<br>11.1.1 生物神經(jīng)元<br>11.1.2 人工神經(jīng)網(wǎng)絡(luò)<br>11.2 神經(jīng)網(wǎng)絡(luò)模型和算法<br>11.2.1 感知器的學(xué)習(xí)結(jié)構(gòu)與算法<br>11.2.2 BP模型<br>11.2.3 Hopfield模型<br>11.2.4 典型的人工神經(jīng)網(wǎng)絡(luò)模型<br>11.3 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)<br>11.3.1 基于神經(jīng)網(wǎng)絡(luò)的知識表示與推理<br>11.3.2 基于神經(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)<br>習(xí)題<br><br>第12章 Prolog語言及其程序設(shè)計<br>12.1 Prolog語言簡介<br>12.2 PDCProlog數(shù)據(jù)結(jié)構(gòu)和基本語句<br>12.2.1 常量與變量<br>12.2.2 3種基本語句<br>12.3 PDCPmlog運算符與常用內(nèi)部謂詞<br>12.3.1 函數(shù)與運算符<br>12.3.2 輸入與輸出內(nèi)部謂詞<br>12.3.3 動態(tài)數(shù)據(jù)庫內(nèi)部謂詞<br>12.4 PDCProlog程序結(jié)構(gòu)及其說明<br>12.4.1 程序結(jié)構(gòu)<br>12.4.2 常量段說明<br>12.4.3 域類型說明<br>12.4.4 謂詞與動態(tài)數(shù)據(jù)庫說明<br>12.4.5 謂詞與域類型說明示例<br>12.4.6 對象數(shù)據(jù)類型的轉(zhuǎn)換<br>12.5 PDCProlog的基本搜索方法<br>12.5.1 搜索與回溯<br>12.5.2 失敗回溯循環(huán)法<br>12.5.3 切斷回溯控制循環(huán)法<br>12.5.4 自定義的循環(huán)方法<br>12.5.5 遞歸<br>12.6 PDCProlog的數(shù)據(jù)處理<br>12.6.1 表處理技術(shù)<br>12.6.2 字符串處理<br>12.6.3 文件處理<br>12.7 PDCProIog的多媒體技術(shù)<br>12.7.1 窗口的建立及使用<br>12.7.2 圖形模式的設(shè)置與繪圖<br>12.7.3 聲音的內(nèi)部謂詞及其應(yīng)用<br>12.8 PDCProlog語言與C語言的連接<br>12.8.1 語言條件<br>12.8.2 外部謂詞說明<br>12.8.3 參數(shù)傳遞<br>12.8.4 外部c語言子程序<br>12.9 VisualProlog語言<br>12.9.1 VisualProlog語言簡介<br>12.9.2 VisualProloy的可視化開發(fā)環(huán)境及其使用<br>習(xí)題<br><br>第13章 基于Prolog程序?qū)崿F(xiàn)的專家系統(tǒng)開發(fā)實例<br>13.1 基于規(guī)則的動物識別專家系統(tǒng)<br>13.1.1 動物識別專家系統(tǒng)的基本組成<br>13.1.2 系統(tǒng)的PDCProlog源程序及運行<br>13.2 基于邏輯的液壓故障診斷專家系統(tǒng)<br>13.2.1 液壓故障診斷專家系統(tǒng)的構(gòu)建<br>13.2.2 液壓故障診斷系統(tǒng)的編程與運行狀態(tài)<br>習(xí)題<br>參考文獻(xiàn)