人工智能及專家系統（簡體書）

《人工智能及專家系統》面向智能系統學科的前沿領域，將人工智能、專家系統及其實現語言（Prolog）3個方面融為一體，系統和全面地反映了人工智能和專家系統的精髓、核心內容、研究現狀和最新發展方向。
《人工智能及專家系統》共13章，包括3個部分：第一部分（第1～7章）系統地闡述了人工智能的基本原理、技術與方法；重點突出了6種知識表示方法（狀態空間、與／或圖、產生式、語義網絡、框架、謂詞邏輯表示法）、3種搜索和推理技術（窮舉式搜索、啟發式搜索和邏輯推理）、3種知識獲取和處理方式（機器學習、數據挖掘與知識發現、智能主體技術）。第二部分（第8～11章）主要包括專家系統的建立、設計、開發、評價和工具；結合不確定推理、模糊推理和神經網絡的原理和方法，探討了兩種主要的新型專家系統，即模糊專家系統和神經網絡專家系統。第三部分（第12、13章）詳細介紹了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）和應用于專家系統的實例。
《人工智能及專家系統》構思新穎，內容豐富，深入淺出，強調先進性、實用性和可讀性，可作為電子技術、信息與通信技術、計算機、自動控制、系統工程等專業的研究生和本科生的必修課和選修課教材，也可作為業余愛好者的科普讀物，還可供從事相關專業的教師和廣大科技人員參考。

前言
第1章 人工智能概述
1.1 人工智能的基本概念
1.1.1 智能
1.1.2 人類智能
1.1.3 人工智能
1.1.4 人工智能的研究目標
1.2 人工智能的科學體系與分支
1.2.1 人工智能的科學體系
1.2.2 人工智能的學科范疇
1.2.3 人工智能的應用領域
1.2.4 人工智能分支的劃分
1.3 人工智能的技術方案與途徑
1.3.1 人工智能的基本技術
1.3.2 人工智能的研究內容
1.3.3 人工智能的研究途徑與方法
1.4 人工智能的產生與發展
1.4.1 人工智能的孕育期(1956年以前)
1.4.2 人工智能的基礎技術研究與形成期(1956—1970年)
1.4.3 人工智能的發展與應用期(1970年以后)
1.4.4 人工智能在我國的發展情況
1.4.5 人工智能的發展趨勢與展望
習題

第2章 知識表示
2.1 知識與知識表示的概念
2.1.1 知識
2.1.2 知識表示
2.2 狀態空間表示法
2.2.1 狀態空間表示法的基本概念和策略
2.2.2 狀態空間表示法示例
2.3 與／或圖表示法
2.3.1 與／或圖知識表示的概念
2.3.2 與／或圖表示示例
2.4 產生式表示法
2.4.1 產生式的結構和組成
2.4.2 產生式系統的分類
2.4.3 產生式系統的性能及其應用
2.5 語義網絡表示法
2.5.1 語義網絡的概念
2.5.2 語義網絡的推理
2.5.3 語義網絡表示法的特徵
2.6 框架表示法
2.6.1 框架表示法的概念與設計
2.6.2 框架的基本結構和描述
2.6.3 框架系統
2.6.4 框架系統的推理和求解過程
2.6.5 5種知識表示方法的比較
習題

第3章 圖搜索技術
3.1 圖搜索及其分類
3.1.1 圖搜索的概念
3.1.2 圖搜索的分類
3.1.3 狀態圖搜索樹
3.1.4 狀態空間搜索算法
3.1.5 搜索效率
3.2 窮舉式搜索
3.2.1 廣度優先搜索
3.2.2 深度優先搜索
3.2.3 有界深度優先搜索
3.2.4 代價驅動搜索
3.3 啟發式搜索
3.3.1 啟發式搜索的基本概念
3.3.2 局部擇優搜索
3.3.3 全局擇優搜索
3.3.4 與／或圖的啟發式搜索
3.3.5 博弈樹的啟發式搜索
3.3.6 a-β剪枝技術
習題

第4章 邏輯的知識表示和推理
4.1 命題與邏輯
4.1.1 命題與命題定律
4.1.2 謂詞邏輯
4.2 謂詞邏輯知識表示
4.2.1 謂詞邏輯知識表示方法
4.2.2 謂詞邏輯表示的優缺點
4.3 邏輯推理的技術與算法
4.3.1 子句集及其化簡
4.3.2 置換與合
4.3.3 魯濱遜消解(歸結)原理
習題

第5章 智能學習系統
5.1 機器學習的基本概念
5.1.1 機器學習
5.1.2 機器學習系統
5.2 智能學習系統的基本模型
5.3 機器學習的幾種常用方法
5.3.1 機械式學習
5.3.2 指導式學習
5.3.3 示例學習
5.3.4 類比學習
5.3.5 解釋學習
習題

第6章 知識獲取的新途徑：數據挖掘與知識發現
6.1 數據挖掘的技術基礎
6.1.1 數據挖掘的概念
6.1.2 數據挖掘的功能和存在的主要問題
6.1.3 數據挖掘成功案例
6.2 數據挖掘的方法步驟和語言工具
6.2.1 數據挖掘的方法
6.2.2 數據挖掘語言
6.2.3 數據挖掘的工具
6.2.4 數據挖掘的流程
6.3 數據挖掘系統的組構及管理策略
6.3.1 數據挖掘系統的組成
6.3.2 數據挖掘系統的架構
6.3.3 數據挖掘管理系統
6.4 數據挖掘的研究與發展
6.4.1 數據挖掘系統的開發進展
6.4.2 數據挖掘未來研究方向
習題

第7章 新的知識處理方式：智能主體技術
7.1 智能主體的基本知識
7.1.1 概念、分類與特點
7.1.2 智能主體的研究學派和編程語言
7.1.3 智能主體的基本結構
7.1.4 智能主體的工作機制
7.1.5 智能主體技術的應用
7.2 多鉀能主體系統
7.2.1 多智能主體系統的基本概念
7.2.2 多智能主體系統的體系結構
7.2.3 多智能主體的智能協同
7.3 移動智能主體
7.3.1 移動智能主體的基本概念
7.3.2 移動智能主體的基本結構
7.3.3 移動智能主體的技術實現
7.3.4 移動智能主體的標準化情況
習題

第8章 專家系統的原理與設計
8.1 專家系統的基本知識
8.1.1 專家系統的概念
8.1.2 專家系統的特點
8.1.3 專家系統的分類
8.1.4 新一代專家系統
8.1.5 專家系統的主要研究課題
8.2 專家系統的設計
8.2.1 開發專家系統的需求分析
8.2.2 知識獲取
8.2.3 專家系統構造者間的關係
8.2.4 專家系統的設計結構
8.2.5 專家系統的開發階段與過程
8.2.6 專家系統的設計要素
8.3 專家系統的評價
8.3.1 評價方法
8.3.2 專家系統的技術評價
8.3.3 專家系統的性能評價
習題

第9章 專家系統的開發工具與環境
9.1 專家系統的語言型工具
9.1.1 程序設計語言
9.1.2 知識工程語言
9.2 專家系統的設計工具
9.2.1 輔助型工具
9.2.2 支持工具
9.3 專家系統的開發環境
9.3.1 開發環境的定義與功能
9.3.2 開發環境的實現途徑
9.4 專家系統工具的經典實例
9.4.1 骨架工具系統：EMYCIN
9.4.2 骨架工具系統.KAS
9.4.3 通用專家系統工具介紹
習題

第10章 不精確推理與模糊專家系統
10.1 不精確推理的基本理論
10.1.1 不精確推理的模式
10.1.2 規則可信度的計算
10.1.3 不精確性的組合計算
10.1.4 帶加權因子的不精確推理
10.1.5 帶區間的不精確性表示
10.2 主觀Bayes推理方法
10.2.1 主觀Bayes推理模型
10.2.2 證據不精確性情況下的推理模型
10.2.3 組合證據的不精確性計算
10.2.4 Bayes方法在PROSPECTOR中的應用
10.3 模糊專家系統
10.3.1 模糊專家系統的概念與特點
10.3.2 模糊集合
10.3.3 模糊矩陣與模糊關係
10.3.4 模糊邏輯
10.3.5 模糊知識表示和模糊匹配
10.3.6 模糊邏輯推理
10.3.7 模糊專家系統舉例
習題

第11章 基於神經網絡的專家系統
11.1 神經網絡的概念與模型
11.1.1 生物神經元
11.1.2 人工神經網絡
11.2 神經網絡模型和算法
11.2.1 感知器的學習結構與算法
11.2.2 BP模型
11.2.3 Hopfield模型
11.2.4 典型的人工神經網絡模型
11.3 神經網絡專家系統
11.3.1 基於神經網絡的知識表示與推理
11.3.2 基於神經網絡的故障診斷專家系統
習題

第12章 Prolog語言及其程序設計
12.1 Prolog語言簡介
12.2 PDCProlog數據結構和基本語句
12.2.1 常量與變量
12.2.2 3種基本語句
12.3 PDCPmlog運算符與常用內部謂詞
12.3.1 函數與運算符
12.3.2 輸入與輸出內部謂詞
12.3.3 動態數據庫內部謂詞
12.4 PDCProlog程序結構及其說明
12.4.1 程序結構
12.4.2 常量段說明
12.4.3 域類型說明
12.4.4 謂詞與動態數據庫說明
12.4.5 謂詞與域類型說明示例
12.4.6 對象數據類型的轉換
12.5 PDCProlog的基本搜索方法
12.5.1 搜索與回溯
12.5.2 失敗回溯循環法
12.5.3 切斷回溯控制循環法
12.5.4 自定義的循環方法
12.5.5 遞歸
12.6 PDCProlog的數據處理
12.6.1 表處理技術
12.6.2 字符串處理
12.6.3 文件處理
12.7 PDCProIog的多媒體技術
12.7.1 窗口的建立及使用
12.7.2 圖形模式的設置與繪圖
12.7.3 聲音的內部謂詞及其應用
12.8 PDCProlog語言與C語言的連接
12.8.1 語言條件
12.8.2 外部謂詞說明
12.8.3 參數傳遞
12.8.4 外部c語言子程序
12.9 VisualProlog語言
12.9.1 VisualProlog語言簡介
12.9.2 VisualProloy的可視化開發環境及其使用
習題

第13章 基於Prolog程序實現的專家系統開發實例
13.1 基於規則的動物識別專家系統
13.1.1 動物識別專家系統的基本組成
13.1.2 系統的PDCProlog源程序及運行
13.2 基於邏輯的液壓故障診斷專家系統
13.2.1 液壓故障診斷專家系統的構建
13.2.2 液壓故障診斷系統的編程與運行狀態
習題
參考文獻