第1章 人工智能综述 1
1.1 什么是人工智能 1
1.2 人工智能研究的领域与课题 1
1.2.1 研究领域 1
1.2.2 研究课题 3
1.3 人工智能研究的特点与方法 6
1.3.1 研究特点 6
1.3.2 研究方法 6
1.4 人工智能的应用与发展方向 7
思考题 8
参考文献 8
2.1 什么是专家系统 9
第2章 专家系统概述 9
2.2 专家系统的功能与结构 10
2.2.1 专家系统的功能 10
2.2.2 专家系统的结构 11
2.3 专家系统的基本特征 13
2.4 专家系统的分类 14
2.5 专家系统的产生与发展 17
2.6 专家系统的作用和意义 20
思考题 21
参考文献 21
第3章 知识表示 22
3.1 概述 22
3.1.1 基本概念 22
3.1.2 知识的属性 23
3.1.3 知识的分类 24
3.2.1 知识表示 25
3.2 知识表示 25
3.2.2 知识表示应具备的特性 26
3.2.3 过程性表示与叙述性表示 27
3.3 产生工表示法 27
3.3.1 产生式的定义 28
3.3.2 产生式的与/或树表示 28
3.3.3 产生式系统的基本结构 29
3.3.4 一个简单实例 30
3.3.5 产生式系统的评价 31
3.4 逻辑表示法 32
3.4.1 一阶谓词逻辑 32
3.4.2 逻辑表示法应用举例 33
3.5 语义网络表示法 36
3.4.3 逻辑系统的评价 36
3.5.1 语义网络的定义 37
3.5.2 用语义网络表示知识 37
3.5.3 基于语义网络的推理 40
3.5.4 语义网络系统的评价 41
3.6 框架表示法 41
3.6.1 框架表示的定义 42
3.6.2 框架表示应用举例 42
3.6.3 基于框架的推理 45
3.6.4 框架系统的评价 45
3.7其他知识表示法 46
3.7.1 特性表表示法 46
3.7.2 过程表示法 46
思考与练习 47
参考文献 48
第4章 知识获取与知识库管理 49
4.1 知识获以概述 49
4.1.1 什么是知识获取 49
4.1.2 知识获取方法的分类 50
4.1.3 知识获取的困难 52
4.2 知识获取的基本过程 52
4.2.1 确定阶段 53
4.2.2 概念化阶段 53
4.2.5 测试阶段 54
4.2.6 修改完善阶段 54
4.3 知识获取一个简单实例 54
4.2.4 实现阶段 54
4.2.3 形式化阶段 54
4.3.1 问题的提出 55
4.3.2 知识获取的过程 55
4.4 知识获取的基本方法 63
4.4.1 会谈式知识获取 63
4.4.2 案例分析式知识获取 63
4.4.3 教学式知识获取 63
4.4.4 归纳式知识获取 64
4.4.5 假设式知识获取 66
4.5 知识获取的辅助工具 66
4.5.1 知识库编辑程序与接口 67
4.5.2 解释机构 67
4.5.3 修改知识库 67
4.6.3 知识库的组织 68
4.6.2 知识库管理与知识获取 68
4.6.1 术语解释 68
4.6 知识库管理 68
4.6.4 知识库的管理与维护 69
思考题 70
参考文献 70
第5章 推理与控制策略 71
5.1 基本概念 71
5.1.1 演绎推理与归纳推理 71
5.1.2 精确推理与不精确推理 73
5.1.3 单调推理与非单调推理 74
5.1.4 推理与知识表示 74
5.2 推理控制策略 74
5.2.2 正向推理控制策略 75
5.2.1 冲突消解策略 75
5.2.3 反向推理控制策略 77
5.2.4 混合推理控制策略 78
5.2.5 双向理控制策略 79
5.2.6 元控制策略 79
5.2.7 推理效率与推理效果 80
5.3 不精确推理的基本结构 80
5.3.1 不确定性 81
5.3.2 不精确推理的要素 81
5.4 确定理论方法 82
5.4.1 不确定性描述 82
5.4.2 不确定性传播算未能 83
5.4.3 一个计算实例 84
5.5.1 主观Bayes方法的基本思路 85
5.5.2 不确定性描述 85
5.5 主观Bayes方法 85
5.5.3 不确定性的传播算法 87
5.5.4 一个例子 89
5.6 可能性理论方法 91
5.6.1 特征函数与模糊子集 92
5.6.2 基本运算与操作 95
5.6.3 模糊集合的应用 96
5.7 证据理论方法 99
5.7.1基本理论 99
5.7.2 不确定性描述 102
5.7.3 不确定性传播算法 103
5.7.4 一个具体应用例子 104
5.8 四种不精确推理方法的评价 108
5.8.1 四种不精确推理方法的分析 109
5.8.2 四种不精确推理方法的比较 110
思考题与习题 111
参考文献 113
第6章 解释机制 115
6.1 解释系统的作用 115
6.2 解释机制的设计要求 115
6.3 解释机制的设计原理和结构 116
6.4 解释机制的实现方法 116
思考题 117
参考文献 118
第7章 智能程序设计语言 119
7.1 LISP语言 119
7.1.1 LISP语言的特点 119
7.1.2 LISP数据结构——S-表达式 120
7.1.3 基本函数 121
7.1.4 赋值与求值函数 123
7.1.5 算术与逻辑运算函数 124
7.1.6 表处理函数与谓词函数 126
7.1.7 条件函数COND 128
7.1.8 函数定义及递归和迭代 129
7.1.9 PROG函数 133
7.1.10 输入和输出函数 134
7.1.11 LISP程序结构 134
7.1.12 程序举例 135
7.2 PROLOG语言 137
7.2.1 PROLOG语言的特点 137
7.2.2 PROLOG语言的三种基本语句 138
7.2.3 PROLOG中的项、结构、表 139
7.2.4 递归 141
7.2.5 搜索、匹配、回溯 143
7.2.6 截断 145
7.2.7TURBO PROLOG的特点与程序结构 147
7.2.8 标准谓词 150
7.2.9 TURBO PROLOG系统构成与基本用法 153
7.2.10 程序举例 155
思考题与练习题 157
参考文献 158
第8章 专家系统的设计与开发 159
8.1 专家系统的基本设计思想 159
8.2 专家系统的一般设计方法 159
8.2.1 专家系统设计的关键 160
8.2.2 专家系统的构造原则 161
8.2.3 专家系统的主要设计步骤 162
8.3 专家系统的开发过程 163
8.3.1 专家系统的选择原则 163
8.3.2 专家系统的开发基本步骤 164
8.4 专家系统开发工具的介绍 166
8.4.1 程序设计语言 167
8.4.2 骨架系统 167
8.4.3 通用型开发工具 167
8.4.4 组合型开发工具 168
思考题 168
参考文献 168
9.1 典型的专家系统——MYCIN系统 169
9.1.1 概述 169
第9章 专家系统实例简介 169
9.1.2 知识和数据的表示与组织 170
9.1.3 推理技术与控制策略 174
9.1.4 知识获取机制 178
9.1.5 解释机制 178
9.2 肺结核病诊断治疗专家系统 180
9.2.1 概述 180
9.2.2 知识表示 181
9.2.3 推理机制 181
9.2.4 系统特点及系统效果 183
思考题 184
参考文献 184
第10章 神经网络在专家系统中的应用 185
10.1 人工神经网络的结构与工作原理 185
10.2.1 感知器 187
10.2 神经网络模型 187
10.2.2 反向传播网络 189
10.3 基于神经网络的专家系统 192
10.3.1 传统专家系统与神经网络的集成 192
10.3.2 基于神经网络的知识处理 194
10.3.3 基于神经网络的专家系统实例 195
思考题 198
参考文献 198
第11章 专家系统的效能评估 200
11.1 专家系统效能评估的研究内容 200
11.2 专家系统可靠性评估的数学模型 201
11.3 专家系统效能评估的指标体系 207
11.3.1 专家系统的评估内容 207
11.3.3 MAU评估指标体系 208
11.3.2 专家系统的评估要素 208
11.3.4 MAU评估模型的分析 209
11.4 基于MAU模型的专家系统效能评估方法 214
思考题 217
参考文献 217
第12章 专家系统展望 218
12.1 专家系统的研究方向 218
12.2 专家系统的研究课题 219
12.3 新一代专家系统 220
12.3.1 新一代专家系统的特征 220
12.3.2 新一代专家系统的概况 221
12.4 国内专家系统的发展 222
思考题 223
参考文献 223