• 
  高级专家系统：原...
  ￥101.12元

本书第二版介绍专家系统的理论基础、设计技术及其应用，共11章。书中概述专家系统定义、发展历史、类型、结构和特点以及专家系统构建的步骤；讨论开发专家系统时可能采用的人工智能的知识表示方法和搜索推理技术；探讨专家的解释机制；研究基于规则专家系统、基于框架专家系统、基于模型专家系统、基于Web专家系统和实时专家系统的结构、推理技术、设计方法及应用示例；介绍人工智能和专家系统的编程语言和开发工具；展望专家系统的发展趋势和研究课题，并简介新型专家系统的特征与示例。本书内容比第一版有较大的更新，特别是补充了许多专家系统的设计方法、编程技术和应用实例。

样章试读

• 暂时还没有任何用户评论

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

• 暂时还没有任何用户咨询内容

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

用户名：	匿名用户
E-mail：
咨询内容：

• 目录
  第二版前言
  第一版前言
  第1章 专家系统概述 1
  1.1 专家系统的定义 1
  1.2 专家系统的发展历史 4
  1.3 专家系统的分类 11
  1.3.1 系统应用领域 11
  1.3.2 问题求解任务 12
  1.3.3 系统工作原理 16
  1.4 专家系统的结构 16
  1.5 专家系统的特点 18
  1.6 构建专家系统的步骤 22
  1.7 人在专家系统中的作用 24
  1.8 本章小结 26
  习题1 27
  第2章 专家系统的知识表示和推理 28
  2.1 知识表示 28
  2.1.1 知识的类型 28
  2.1.2 对象-属性-值三元组 29
  2.1.3 规则 30
  2.1.4 框架 32
  2.1.5 语义网络 34
  2.1.6 谓词逻辑 35
  2.2 知识获取 37
  2.2.1 基本概念和知识类型 37
  2.2.2 知识提取任务 39
  2.2.3 知识获取的时间需求和困难 40
  2.3 知识推理 41
  2.3.1 人类的推理 41
  2.3.2 机器的推理 43
  2.4 不确定推理 44
  2.4.1 关于证据的不确定性 44
  2.4.2 关于结论的不确定性 45
  2.4.3 多个规则支持同一事实的不确定性 46
  2.5 基于规则的推理系统 47
  2.6 模糊逻辑 48
  2.6.1 模糊集合？模糊逻辑及其运算 48
  2.6.2 模糊逻辑推理 51
  2.6.3 模糊判决方法 53
  2.7 人工神经网络 54
  2.7.1 人工神经网络研究的进展 55
  2.7.2 人工神经网络的结构 56
  2.7.3 人工神经网络的典型模型 58
  2.7.4 基于神经网络的知识表示与推理 59
  2.8 进化计算 64
  2.8.1 遗传算法基本原理 64
  2.8.2 遗传算法求解步骤 67
  2.9 免疫计算 72
  2.9.1 自体和异体的知识表示 72
  2.9.2 异体特征空间的表示 73
  2.9.3 异体特征空间的搜索与推理 74
  2.10 本章小结 77
  习题2 78
  第3章 专家系统的解释机制 80
  3.1 解释机制的行为 80
  3.2 解释机制的要求 81
  3.3 解释机制的结构 82
  3.3.1 预制文本法 83
  3.3.2 追踪解释法 83
  3.3.3 策略解释法 88
  3.3.4 自动程序员法 91
  3.3.5 基于事实的自动解释机制 93
  3.4 解释机制的实现 94
  3.4.1 预制文本法的实现 94
  3.4.2 基于事实的自动解释机制的实现 95
  3.5 解释机制的Web可视化 98
  3.5.1 基于Web的解释界面设计 98
  3.5.2 解释信息的可视化显示 99
  3.5.3 解释机制的Web可视化案例 100
  3.6 本章小结 104
  习题3 104
  第4章 基于规则的专家系统 105
  4.1 基于规则专家系统的发展 105
  4.2 基于规则专家系统的工作模型 107
  4.2.1 产生式系统 107
  4.2.2 基于规则专家系统的工作模型和结构 120
  4.3 基于规则专家系统的特点 122
  4.3.1 基于规则专家系统的优点 122
  4.3.2 基于规则专家系统的缺点 124
  4.4 基于规则专家系统的设计过程 125
  4.4.1 专家知识的描述 125
  4.4.2 知识的使用和决策解释 128
  4.5 反向推理规则专家系统的设计 129
  4.5.1 基于规则专家系统的一般设计方法 130
  4.5.2 反向推理规则专家系统的设计任务 130
  4.6 正向推理规则专家系统的设计 142
  4.6.1 正向规则专家系统的一般设计方法 142
  4.6.2 正向推理规则专家系统的设计任务 143
  4.7 基于规则专家系统的设计示例 152
  4.7.1 MYCIN概述 152
  4.7.2 咨询子系统 154
  4.7.3 静态数据库 156
  4.7.4 动态数据库 160
  4.7.5 非精确推理 161
  4.7.6 控制策略 163
  4.8 基于规则专家系统的应用实例 165
  4.8.1 机器人规划专家系统 165
  4.8.2 基于模糊规则的飞机空气动力学特征预测专家系统 169
  4.9 本章小结 175
  习题4 176
  第5章 基于框架的专家系统 178
  5.1 基于框架的专家系统概述 178
  5.2 框架的表示与推理 179
  5.2.1 框架的表示 179
  5.2.2 框架的推理 179
  5.3 基于框架专家系统的定义和结构 181
  5.4 基于框架专家系统的概念剖析 182
  5.4.1 框架的类剖析 182
  5.4.2 框架的子类剖析 183
  5.4.3 实例框架剖析 184
  5.4.4 框架的属性剖析 184
  5.5 基于框架专家系统的继承？槽和方法 185
  5.5.1 基于框架专家系统的继承 185
  5.5.2 基于框架专家系统的槽 187
  5.5.3 基于框架专家系统的方法 188
  5.6 基于框架专家系统的设计 188
  5.6.1 框架专家系统与规则专家系统的对比 188
  5.6.2 基于框架专家系统的一般设计任务 190
  5.7 基于框架专家系统的设计示例 201
  5.7.1 基于槽的对象间通信 202
  5.7.2 消息传递 203
  5.8 基于框架专家系统的应用实例 203
  5.8.1 基于框架的系统知识表示与获取 204
  5.8.2 故障诊断推理与系统实现 206
  5.9 本章小结 206
  习题5 207
  第6章 基于模型的专家系统 208
  6.1 基于模型专家系统的提出 208
  6.2 基于神经网络的专家系统 210
  6.2.1 传统专家系统与神经网络的集成 210
  6.2.2 基于神经网络专家系统的结构 211
  6.2.3 基于神经网络的专家系统实例 212
  6.3 基于概率模型的专家系统 216
  6.3.1 主观概率与Monte Carlo模拟 216
  6.3.2 概率模型 217
  6.4 基于模型专家系统的设计方法 219
  6.4.1 因果时间本体论 219
  6.4.2 推理系统设计 225
  6.4.3 可变系统的本体论 228
  6.5 基于模型专家系统的实例 229
  6.5.1 核电站应用实例 230
  6.5.2 电路和汽车启动部分的实例 234
  6.6 本章小结 236
  习题6 237
  第7章 基于Web的专家系统 238
  7.1 基于Web专家系统的结构 238
  7.2 基于Web专家系统的应用实例 243
  7.2.1 基于Web的飞机故障远程诊断专家系统 243
  7.2.2 基于Web的拖网绞机专家系统 245
  7.2.3 基于Web的通用配套件选型专家系统 247
  7.2.4 基于Web的苜蓿产品开发与利用专家系统 251
  7.2.5 基于Web的好莱坞经理决策支持系统 251
  7.3 基于Web专家系统的开发工具 260
  7.4 本章小结 264
  习题7 265
  第8章 实时专家系统 266
  8.1 实时专家系统的定义和技术要求 266
  8.1.1 实时专家系统的定义 266
  8.1.2 实时专家系统的设计要求和技术要点 267
  8.2 基于单片机的实时专家系统 268
  8.2.1 基于单片机的实时专家系统结构 268
  8.2.2 基于单片机的实时专家系统案例分析 269
  8.3 基于嵌入式系统的实时专家系统 270
  8.3.1 基于嵌入式系统的实时专家系统结构 271
  8.3.2 基于嵌入式系统的实时专家系统案例 271
  8.3.3 基于手机的实时专家系统案例 273
  8.4 实时控制与决策的专家系统RTXPS 275
  8.5 高炉监控专家系统 276
  8.6 实时专家系统研究的难点与生长点 280
  8.7 本章小结 282
  习题8 283
  第9章 专家系统的评估 284
  9.1 评估专家系统的原因 284
  9.1.1 发展专家系统的需要 284
  9.1.2 专家系统评估的受益者 285
  9.2 评估专家系统的内容和时机 286
  9.2.1 评估专家系统的内容 286
  9.2.2 评估专家系统的时机 289
  9.3 专家系统的评估方法 291
  9.4 专家系统的评估工具 293
  9.4.1 一致性检验程序 293
  9.4.2 在数据库中查找模式搜索程序 293
  9.4.3 比较计算机结论与专家结论 294
  9.5 专家系统的评估实例 295
  9.5.1 多面评估方法实例 295
  9.5.2 R1专家系统的评估实例 299
  9.6 本章小结 302
  习题9 303
  第10章 专家系统的编程语言和开发工具 304
  10.1 概述 304
  10.2 LISP 305
  10.2.1 LISP的特点和数据结构 305
  10.2.2 LISP的基本函数 307
  10.2.3 递归和迭代 310
  10.2.4 LISP编程举例 312
  10.3 PROLOG 315
  10.3.1 PROLOG语法与数据结构 315
  10.3.2 PROLOG程序设计原理 316
  10.3.3 PROLOG编程举例 318
  10.4 基于Web专家系统的编程语言 319
  10.4.1 Java语言 319
  10.4.2 JavaScript语言 320
  10.4.3 JSP语言 321
  10.4.4 PHP语言 322
  10.4.5 ASP.NET语言 322
  10.5 其他语言 323
  10.5.1 关系数据模型 323
  10.5.2 关系模型的操作语言 329
  10.6 专家系统的开发工具 333
  10.6.1 骨架开发工具 333
  10.6.2 语言开发工具 334
  10.6.3 辅助构建工具 334
  10.6.4 支持环境 335
  10.7 专家系统的新型开发工具 336
  10.7.1 基于框架的开发工具 336
  10.7.2 基于模糊逻辑的开发工具 338
  10.7.3 基于神经网络的开发工具 341
  10.8 专家系统的Matlab开发工具 342
  10.9 其他开发工具 347
  10.10 本章小结 350
  习题10 351
  第11章 专家系统的展望 353
  11.1 专家系统的发展趋势 353
  11.1.1 专家系统的发展要求 353
  11.1.2 专家系统的研究方向 355
  11.2 专家系统的研究课题 358
  11.3 新型专家系统 359
  11.3.1 新型专家系统的特征 359
  11.3.2 分布式专家系统 360
  11.3.3 协同式专家系统 362
  11.3.4 基于免疫计算的专家系统 363
  11.3.5 无处不在与随时随地的专家系统 364
  11.4 本章小结 369
  习题11 370
  参考文献 371
  索引 378
  Contents
  Preface for Second Edition
  Preface for First Edition
  Chapter 1 Introduction to Expert Systems 1
  1.1 Definition of Expert Systems 1
  1.2 Development History of Expert Systems 4
  1.3 Types of Expert Systems 11
  1.3.1 Classify by Application Fields 11
  1.3.2 Classify by Problem-solving Tasks 12
  1.3.3 Classify by Working Principles 1 6
  1.4 Structure of Expert Systems 16
  1.5 Features of Expert Systems 18
  1.6 Steps for Building Expert Systems 22
  1.7 Human Roles in Expert Systems 24
  1.8 Summary 26
  Exercise 1 27
  Chapter 2 Knowledge Representation and Reasoning of Expert Systems 28
  2.1 Knowledge Representation 28
  2.1 Knowledge Types 28
  2.2 Objcct-Atribute-Value Combination 29
  2.3 Rule 30
  2.4 Frame 32
  2.5 Semantic Network 34
  2.6 Logic 35
  2.2 Knowledge Acquisition 37
  2.2.1 Basic Concepts and Knowledge Types 37
  2.2.2 Tasks of Knowledge Acquisition 39
  2.2.3 Time Requirements and Difficulty of Knowledge Acquisition 40
  2.3 Knowledge Reasoning 41
  2.3.1 Human Reasoning 41
  2.3.2 Machine Reasoning 43
  2.4 Reasoning with Uncertainty 44
  2.4.1 Uncertainty about Evidence 44
  2.4.2 Uncertainty about Conclusion 45
  2.4.3 Uncertainty Supported by Multiple Rules for Same Fact 46
  2.5 Reasoning System Based on Rules 47
  2.6 Fuzzy Logic 48
  2.6.1 Fuzzy Sets，Fuzzy Logic and Their Operations 48
  2.6.2 Fuzzy Logic Inference 51
  2.6.3 Methods of Dcfuzzification 53
  2.7 Artificial Neural Network 54
  2.7.1 Advances of ANN Rcscarch 55
  2.7.2 Architecture of ANN 56
  2.7.3 Typical Models of ANN 58
  2.7.4 Knowledge Representation and Reasoning Based on ANN 59
  2.8 Evolutionary Computation 64
  2.8.1 Gcncric Principle of Gcnctic Algorithm 64
  2.8.2 Step of Gcnctic Algorithm 67
  2.9 Immune Computation 72
  2.9.1 Knowledge Representation of Self and Non-self 72
  2.9.2 Representation of Non-self Characteristic Space 73
  2.9.3 Searching and Reasoning of Non-self Characteristic Space 74
  2.10 Summary 77
  Exercise 2 78
  Chapter 3 Interpretation Mechanism of Expert Systems 80
  3.1 Behaviors of Interpretation Mechanism 80
  3.2 Requirements of Interpretation Mechanism 81
  3.3 Architecture of Interpretation Mechanism 82
  3.3.1 Prefabricated Text Method 83
  3.3.2 Track Interpretation Method 83
  3.3.3 Strategy Interpretation Method 88
  3.3.4 Automatic Programmer Method 91
  3.3.5 Automatic Interpretation Mcchanism Based on Facts 93
  3.4 Implementation of Interpretation Mechanism 94
  3.4.1 Implementation of Prefabricated Text Method 94
  3.4.2 Implementation of Automatic Interpretation Mcchanism Based on Facts 95
  3.5 Web Visualization of Interpretation Mechanism 98
  3.5.1 Design of Interpretation Intcrfacc Based on Web 98
  3.5.2 Visualization Display of Interpretation Information 99
  3.5.3 Paradigm for Web Visualization of Interpretation Mcchanism 100
  3.6 Summary 104
  Exercise 3 104
  Chapter 4 Rule-Based Expert Systems 105
  4.1 Development of Rule-Based Expert Systems 105
  4.2 Model of Rule-Based Expert Systems 107
  4.2.1 Production System 107
  4.2.2 Model and 八rchitccturc of Rule-Based Expert Systems 120
  4.3 Features of Rule-Based Expert Systems 122
  4.3.1 Advantages of Rule-Based Expert Systems 122
  4.3.2 Disadvantages of Rule-Based Expert Systems 124
  4.4 Design Issues of Rule-Based Expert Systems 125
  4.4.1 Description of Expertise 125
  4.4.2 Knowledge Utilization and Decision Interpretation 128
  4.5 Design of Backward Chaining Rule-Based Expert Systems 129
  4.5.1 General Design Methods of Rule-Based Expert Systems 130
  4.5.2 Design Tasks of Backward Chaining Rule-Based Expert Systems 130
  4.6 Design of Forward Chaining Rule-Based Expert Systems 142
  4.6.1 General Design Methods of Forward Chaining Rule-Based Expert Systems 142
  4.6.2 Design Tasks of Forward Chaining Rule-Based Expert Systems 143
  4.7 Design Example of Rule-Based Expert Systems 152
  4.7.1 Introduction to MYCIN 152
  4.7.2 Consulting Sub-System 154
  4.7.3 Static Database 156
  4.7.4 Dynamic Database 160
  4.7.5 Imprccisc Reasoning 161
  4.7.6 Control Strategies 163
  4.8 Paradigms of Rule-Based Expert Systems 165
  4.8.1 Robot Planning Based on Expert Systems 165
  4.8.2 Prediction Expert System of Aircraft Aerodynamics Based on Fuzzy Rules 169
  4.9 Summary 175
  Exercise 4 176
  Chapter 5 Frame-Based Expert Systems 178
  5.1 Introduction to Frame-Based Expert Systems 178
  5.2 Representation and Reasoning of Frame-Based Expert Systems 179
  5.2.1 Representation of Frame-Based Expert Systems 179
  5.2.2 Reasoning of Frame-Based Expert Systems 179
  5.3 Definition and Architecture of Frame-Based Expert Systems 181
  5.4 Conceptual Anatomy of Frame-Based Expert Systems 182
  5.4.1 Class Anatomy of Frame 182
  5.4.2 Sub-class Anatomy of Frame 183
  5.4.3 Anatomy of Sample Frame 184
  5.4.4 Attribute Anatomy of Frame 1 84
  5.5 Inheriting, Slot and Method of Frame-Based Expert Systems 185
  5.5.1 Inheriting of Frame-Based Expert Systems 185
  5.5.2 Slot of Frame-Based Expert Systems 187
  5.5.3 Method of Frame-Based Expert Systems 188
  5.6 Design of Frame-Based Expert Systems 188
  5.6.1 Frame-Based Expert Systems VS Rule-Based Expert Systems 188
  5.6.2 Design Tasks of Frame-Based Expert Systems 190
  5.7 Design Example of Frame-Based Expert Systems 201
  5.7.1 Communication between Slot-Based Objccts 202
  5.7.2 Message Transfer 203
  5.8 Application Example of Frame-Based Expert Systems 203
  5.8.1 Knowledge Representation and Reasoning of Frame-Based Systems 204
  5.8.2 Fault Diagnosis Inference and System Implementation 206
  5.9 Summary 206
  Exercise 5 207
  Chapter 6 Model-Based Expert Systems 208
  6.1 Introduction of Model-Based Expert Systems 208
  6.2 ANN-Based Expert Systems 210
  6.2.1 Integration of Traditional Expert Systems and ANN 210
  6.2.2 Architccture of ANN-Bascd Expert Systems 211
  6.2.3 Paradigm of ANN-Bascd Expert Systems 212
  6.3 Probability Model-Based Expert Systems 216
  6.3.1 Subjective Probability and Simulation of Monte Carlo 216
  6.3.2 Probability Model 217
  6.4 Design Methods for Model-Based Expert Systems 219
  6.4.1 Cause and Efcct Time Ontology 219
  6.4.2 Design for Reasoning System 225
  6.4.3 Ontology of Variable Systems 228
  6.5 Paradigms of Model-Based Expert Systems 229
  6.5.1 Nuclcar Power Plant Application 230
  6.5.2 Paradigm of Circuit and Auto Startup Part 234
  6.6 Summary 236
  Exercise 6 237
  Chapter 7 Web-based Expert Systems 238
  7.1 Architecture of Web-based Expert Systems 238
  7.2 Paradigms of Web-based Expert Systems 243
  7.2.1 Wcb-bascd Expert Systems for Plane Fault Remote Diagnosis 243
  7.2.2 Wcb-bascd Expert System for Trawl Winchcs 245
  7.2.3 Wcb-bascd Decision Support System for General Typc-sclcction of Fittings 247
  7.2.4 Wcb-bascd Expert System for Alfalfa Production Development and Utilization 251
  7.2.5 Wcb-bascd Decision Support System for Hollywood Managers 251
  7.3 Development Tools of Web-based Expert Systems 260
  7.4 Summary 264
  Exercise 7 265
  Chapter 8 Rea卜Time Expert Systems 266
  8.1 Definition and Requirements for Real-time Expert Systems 266
  8.1.1 Definition of Rcal-timc Expert Systems 266
  8.2 Design Requirements and Key Tcchniqucs of Rcal-timc Expert Systems 267
  8.2 Real-time Expert Systems Based on Singlechip 268
  8.2.1 八rchitccturc of Real-time Expert Systems Based on Singlcchip 268
  8.2.1 Example Analysis of Real-time Expert Systems Based on Singlcchip 269
  8.3 Real-time Expert Systems Based on Built-in System 270
  8.3.1 八rchitccture of Real-time Expert Systems Based on Built-in System 271
  8.3.2 Paradigm of Rcal-timc Expert Systems Based on Built-in System 271
  8.3.3 Example of Rcal-timc Expert Systems Based on Mobile Phonc 273
  8.4 Real-time Control and Decision-making Expert System RTXPS 275
  8.5 Supervision Expert System of Blast 276
  8.6 Research Difficulties and Growers of Real-time Expert Systems 280
  8.7 Summary 282
  Exercise 8 283
  Chapter 9 Evaluation of Expert Systems 284
  9.1 Reasons for Evaluating Expert Systems 284
  9.1.1 Expert System Development is Long-Term Fccdback Procedure 284
  9.2 Who Benefits from Expert System Evaluation 285
  9.2 What and When to Evaluate Expert Systems 286
  9.2.1 What Evaluate Expert Systems 286
  9.2.2 When Evaluate Expert Systems 289
  9.3 Evaluation Methods for Expert Systems 291
  9.4 Evaluation Tools for Expert Systems 293
  9.4.1 Consistency Test 293
  9.4.2 Pattern Lookup in Database 293
  9.4.3 Comparison between Computer Conclusion and Expert Conclusion 294
  9.5 Evaluation Example of Expert Systems 295
  9.5.1 Multiple Evaluation 7 Example of Expert System 295
  9.5.2 Evaluation Example of Expert System R1 299
  9.6 Summary 302
  Exercise 9 303
  Chapter 10 Programming Language and Development Tools for Expert Systems 304
  10.1 Introduction 304
  10.2 LISP 305
  10.2.1 Features and Data Structure of LISP 305
  10.2.2 Basic Functions of LISP 307
  10.2.3 Rccurrcncc and Rcplaccmcnt 310
  10.2.4 Examples of LISP Programming 312
  10.3 PROLOG 315
  10.3.1 Gram mar and Data Structure of PROLOG 315
  10.3.2 Programming Principle of PROLOG 316
  10.3.3 Example of PROLOG Programming 318
  10.4 Programming Language for Web-Based Expert Systems 319
  10.4.1 Java Programming Language 319
  10.4.2 JavaScript Programming Language 320
  10.4.3 JSP Programming Language 321
  10.4.4 PHP Programming Language 322
  10.4.5 ASP.NET Programming Language 322
  10.5 Other Languages 323
  10.5.1 Model of Relational Data 323
  10.5.2 Operation Language of Relational model 329
  10.6 Developing Tools of Expert Systems 333
  10.6.1 Skeletal Development Tools 333
  10.6.2 Language Development Tools 334
  10.6.3 Construction-八idcd Tools 334
  10.6.4 Supporting Environment 335
  10.7 New Developing Tools of Expert Systems 336
  10.7.1 Development Tools Based on Frame 336
  10.7.2 Development Tools Based on Fuzzy Logic 338
  10.7.3 Development Tools Based on ANN 341
  10.8 MATLAB Development Tool for Expert Systems 342
  10.9 Other development Tools for Expert Systems 347
  10.10 Summary 350
  Exercise10 351
  Chapter 11 Prospect for Expert Systems 353
  11.1 Development Trend of Expert Systems 353
  11.1.1 Requirements of Developing Expert Systems 353
  11.1.2 Directions of Expert System Rcscarch 355
  11.2 Research Issues of Expert Systems 358
  11.3 New Generation of Expert Systems 359
  11.3.1 Features of New Generation Expert Systems 359
  11.3.2 Distributed Expert Systems 360
  11.3.3 Syncrgctic Expert Systems 362
  11.3.4 Expert Systems Based on Immune Computation 363
  11.3.5 Ubiquity and Whcrcvcr-Whcncvcr Expert Systems 364
  11.4 Summary 369
  Exercise 11 370
  Bibliography 371
  Index 378