内容简介
本书介绍专家系统的原理、设计技术及其应用，共11章。本书概述专家系统的定义、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一些方法；逐一探讨了专家系统的解释机制、开发工具和评估方法；分别研究了基于规则的专家系统、基于框架的专家系统、基于模型的专家系统和基于web的专家系统的结构、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；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。
本书适合作为高等院校电子信息、自动化、自动控制、机电工程、电子工程、计算机及其他相关专业本科高年级学生和研究生教材，也可供从事专家系统、人工智能和智能系统研究、开发和应用的科技工作者参考。
作译者
蔡自兴教授联合国专家、纽约科学院院士、国际导航与运动控制科学院院土、首届国家级教学名师、全国政协委员。主要从事计算机智能系统、人工智能、智能控制、智能机器人研究。我国智能控制、人工智能、机器人学诸学科的学术带头人之一。己在国内外公开出版专著／教材25部，发表学术论文510多篇，主持并完成包括国家自然科学基金重点项目在内的科研课题30多项，获国际奖励1项，国家级奖励2项，省部级以上奖励12项。
现为中南大学信息科学与工程学院教授、博士生导师，兼任中国人工智能学会副理事长、中国.. <<
目录
前言
第1章 专家系统概述
1.1 专家系统的定义
1.2 专家系统的历史
1.3 专家系统的类型
1.3.1 应用领域
1.3.2 应用活动
1.3.3 发展率和软件平台
1.4 专家系统的结构
1.5 专家系统的特点
1.6 构建专家系统的步骤
1.7 小结
参考文献
第2章 专家系统的知识表示和推理
2.1 知识表示
2.1.1 知识的类型
2.1.2 对象—属性—值三元组
2.1.3 规则
2.1.4 框架
2.1.5 语义网络
.2.1.6 逻辑
2.2 知识获取
2.2.1 基本概念和知识类型
2.2.2 知识提取任务
2.2.3 知识获取的时间需求和困难
2.3 知识推理
2.3.1 人类的推理
2.3.2 机器推理
2.4 不确定性推理
2.4.1 关于证据的不确定性
2.4.2 关于结论的不确定性
2.4.3 多个规则支持同一事实时的不确定性
2.5 基于规则的推理系统
2.6 模糊逻辑
2.6.1 模糊集合、模糊逻辑及其运算
2.6.2 模糊逻辑推理
2.6.3 模糊判决方法
2.7 人工神经网络
2.7.1 人工神经网络研究的进展
2.7.2 人工神经网络的结构
2.7.3 人工神经网络的典型模型
2.7.4 基于神经网络的知识表示与推理
2.8 进化计算
2.8.1 遗传算法
2.8.2 进化策略
2.8.3 进化编程
2.9 小结
参考文献
第3章 专家系统的解释机制
3.1 解释机制的行为
3.2 解释机制的要求
3.3 解释机制的结构
3.3.1 预制文本法
3.3.2 追踪解释法
3.3.3 策略解释法
3.3.4 自动程序员法
3.3.5 基于事实的自动解释机制
3.4 解释机制的实现
3.4.1 预制文本法的实现
3.4.2 基于事实的自动解释机制的实现
3.5 小结
参考文献
第4章 专家系统的开发工具
4.1 骨架开发工具
4.2 语言开发工具
4.3 辅助构建工具
4.4 支持环境
