人工智慧：智慧型系統導論(第三版)

1 基於知識的智慧系統導言
1.1 智慧型機器概述 1-1
1.2 人工智慧發展歷史 1-5
1.3 總結 1-20 複習題 2-24 參考文獻 2-25

2 基於規則的專家系統
2.1 概述 2-1
2.2 規則是知識表達的技能 2-2
2.3 專家系統研發隊伍中的主要參與者 2-5
2.4 基於規則的專家系統結構 2-7
2.5 專家系統的基本性能 2-10
2.6 前向連結和後向連結的推理技術 2-13
2.7 實例 2-18
2.8 衝突的解決方案 2-25
2.9 基於規則的專家系統的優缺點 2-29
2.10 總結 2-30 複習題 2-32 參考文獻 2-33

3 基於規則的專家系統的不確定管理
3.1 不確定性簡介 3-1
3.2 基本機率論 3-4
3.3 貝氏推理 3-7
3.3 貝氏推理 3-8
3.4 FORECAST：貝氏證據累積 3-11
3.5 貝氏方法的偏差 3-19
3.6 確定因數理論和證據推理 3-22
3.7 FORECAST：確定因數的應用 3-28
3.8 貝氏推理和確定因數的比較 3-30
3.9 總結 3-32 複習題 3-33 參考文獻 3-34

4 模糊專家系統
4.1 概述 4-1
4.2 模糊集 4-4
4.3 語言變數和模糊限制語 4-10
4.4 模糊集的操作 4-14
4.5 模糊規則 4-19
4.6 模糊推理 4-22
4.7 建立模糊專家系統 4-32
4.8 總結 4-43 複習題 4-44 參考文獻 4-45 參考書目 4-46

5 基於框架的專家系統
5.1 框架簡介 5-1
5.2 作為知識表達技術的框架 5-3
5.3 基於框架系統中的繼承 5-9
5.4 方法和守護程式 5-13
5.5 框架和規則的互動 5-18
5.6 基於框架的專家系統實例：BuySmart 5-22
5.7 總結 5-35 複習題 5-36 參考文獻 5-37 參考書目 5-37

6 人工神經網路
6.1 腦工作機制簡介 6-1
6.2 為簡單計算元素的神經元 6-5
6.3 感知器 6-7
6.4 多層神經網路 6-12
6.5 多層神經網路的加速學習 6-23
6.6 Hopfield神經網路 6-26
6.7 雙向相關記憶 6-34
6.8 自組織神經網路 6-39
6.9 總結 6-51 複習題 6-54 參考文獻 6-55

7 演化計算
7.1 演化是智慧的嗎？ 7-1
7.2 模擬自然演化 7-2
7.3 基因演算法 7-4
7.4 基因演算法如何工作 7-15
7.5 個案研究：用基因演算法來維護計畫 7-18
7.6 演化策略 7-26
7.7 遺傳程式設計 7-29
7.8 總結 7-39 複習題 7-41 參考文獻 7-42 參考書目 7-43

8 混合智慧系統
8.1 概述 8-1
8.2 神經專家系統 8-3
8.3 神經模糊系統 8-12
8.4 ANFIS：自適應性神經模糊推理系統 8-20
8-5 演化神經網路 8-29
8.6 模糊演化系統 8-35
8.7 總結 8-41 複習題 8-43 參考文獻 8-44

9 知識工程
9.1 知識工程簡介 9-1
9.2 專家系統可以解決的問題 9-9
9.3 模糊專家系統可以解決的問題 9-19
9.4 神經網路可以解決的問題 9-28
9.5 基因演算法可以解決的問題 9-50
9.6 混合智慧系統可以解決的問題 9-55
9.7 總結 9-66 複習題 9-68 參考資料 9-72

10 資料探勘與知識發掘
10.1 前言，或者什麼是資料探勘 10-1
10.2 統計方法和資料視覺化 10-5
10.3 主成份分析 10-12
10.4 關聯資料庫及資料庫查詢 10-24
10.5 資料倉儲和多維度資料分析 10-30
10.6 決策樹 10-41
10.7 關聯規則和購物籃分析 10-50
10.8 總結 10-60 複習題 10-62 參考文獻 10-63

附錄 術語表 App-1
AI工具和廠商 App-39