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HULK 71
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 ID3 184
10.8 INDUCE 185
10.9 HOLLAND的算法 187
10.10 BEAGLE 188
10.11 EURISKO 191
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