推荐理由
人工智能经常被人们认为是计算机科学中一门高度复杂甚至令人生畏的学科。长期以来人工智能方面的书籍往往包含复杂矩阵代数和微分方程。本书基于作者多年来给没有多少微积分知识的学生授课时所用的讲义，假定读者没有编程经验，以简单易懂的方式介绍了智能系统的基础知识。
本书目前已经被国际上多所大学 （例如，德国的马格德堡大学、日本的广岛大学、美国的波士顿大学和罗切斯特理工学院）采用为教材。 如果您正在寻找关于人工智能或智能系统设计课程的浅显易懂的入门级教材，如果您不是计算机科学领域的专业人员而又正在寻找介绍基于知识系统最新技术发展的自学指南，本书将是您的最佳选择。
本书的主要内容：
·基于规则的专家系统
·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
内容简介
本书是关于人工智能的教科书。全书共分九章，包括基于规则的专家系统、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、知识工程以及数据挖掘等内容。本书浅显易懂、内容全面、案例丰富、参考文献详尽，不仅适合人工智能的初学者学习，而且也非常适合于非计算机背景相关学科的研究人员参考。
本书作者
Micheal Negnevitsky，澳大利亚塔斯马尼亚大学电气工程和计算机科学系教授。他的许多研究课题都涉及人工智能和软计算。他一直致力于电气工程、过程控制和环境工程中智能系统的开发和应用，著有200多篇论文、两本专著，并获得了四项发明专利。
目录
出版者的话
专家指导委员会
译者序
序
第2版序
致谢
第1章 基于知识的智能系统概述
1.1 智能机器概述
1.2 人工智能发展历史
1.3 小结
复习题
参考文献
第2章 基于规则的专家系统
2.1 知识概述
2.2 规则是一种知识表达技术
2.3 专家系统研发团队中的主要参与者
2.4 基于规则的专家系统的结构
2.5 专家系统的基本特征
2.6 前向链接和后向链接推理技术
2.7 实例
2.8 冲突的解决方案
2.9 基于规则的专家系统的优缺点
2.10 小结
复习题
参考文献
第3章 基于规则的专家系统的不确定管理
3.1 不确定性简介
3.2 基本概率论
3.3 贝叶斯推理
3.4 FORECAST：贝叶斯证据累积
3.5 贝叶斯方法的偏差
3.6 确定因子理论和证据推理
3.7 FORECAST：确定因子的应用
3.8 贝叶斯推理和确定因子的比较
3.9 小结
复习题
参考文献
第4章 模糊专家系统
4.1 概述
4.2 模糊集
4.3 语言变量和模糊限制语
4.4 模糊集的操作
4.5 模糊规则
4.6 模糊推理
4.7 建立模糊专家系统
4.8 小结
复习题
参考文献
参考书目
第5章 基于框架的专家系统
5.1 框架简介
5.2 作为知识表达技术的框架
5.3 基于框架系统中的继承
5.4 方法和守护程序
5.5 框架和规则的交互
5.6 基于框架的专家系统实例：Buy Smart
5.7 小结
复习题
参考文献
参考书目
第6章 人工神经网络
6.1 人脑工作机制简介
6.2 作为简单计算元素的神经元
6.3 感知器
6.4 多层神经网络
6.5 多层神经网络的加速学习
6.6 Hopfield神经网络
6.7 双向相关记忆
6.8 自组织神经网络
6.9 小结
复习题
参考文献
第7章 进化计算
7.1 进化是智能的吗
7.2 模拟自然进化
7.3 遗传算法
7.4 遗传算法如何工作
7.5 实例：用遗传算法来维护计划
7.6 进化策略
7.7 遗传编程
7.8 小结
复习题
参考文献
参考书目
第8章 混合智能系统
8.1 概述
8.2 神经专家系统
8.3 神经模糊系统
8.4 ANFIS：自适应性神经模糊推理系统
8.5 进化神经网络
8.6 模糊进化系统
8.7 小结
复习题
参考文献
第9章 知识工程和数据挖掘
9.1 知识工程简介
9.2 专家系统可以解决的问题
9.3 模糊专家系统可以解决的问题
9.4 神经网络可以解决的问题
9.5 遗传算法可以解决的问题
9.6 混合智能系统可以解决的问题
9.7 数据挖掘和知识发现
9.8 小结
复习题
参考文献
术语表
附录 人工智能工具和厂商
