21世纪高等院校计算机系列教材：人工智能与专家系统（第2版）

　　第二版前言
　　第一版前言
　　第1章 绪论
　　1.1 人工智能及其发展
　　1.2 人工智能的研究与应用领域
　　习题一
　　第2章 知识表示方法
　　2.1 一阶谓词逻辑表示方法
　　2.1.1 一阶谓词逻辑
　　2.1.2 一阶谓词逻辑表示方法
　　2.2 产生式表示方法
　　2.2.1 产生式与产生式系统
　　2.2.2 产生式系统的分类及其特点
　　习题二
　　第3章 搜索方法
　　3.1 问题求解过程的形式表示
　　3.1.1 状态空间表示法
　　3.1.2 与/或图表示法
　　3.2 状态空间的搜索算法
　　3.2.1 盲目搜索算法
　　3.2.2 启发式搜索算法
　　3.2.3 状态空间搜索算法的应用
　　3.2.4 A*算法及其特性
　　3.3 与/或图的搜索方法
　　3.3.1 与/或图的盲目搜索算法
　　3.3.2 与/或图的启发式搜索算法
　　3.3.3 博弈算法及应用
　　习题三
　　第4章 逻辑推理
　　4.1 推理的基本概念
　　4.1.1 推理方式及其分类
　　4.1.2 推理的控制策略
　　4.1.3 模式匹配及其变量代换
　　4.2 归结演绎推理
　　4.2.1 谓词公式化为子句集的方法
　　4.2.2 归结原理
　　4.2.3 归结反演
　　4.3 基于归结反演的问题求解
　　4.4 归结反演的改进策略
　　4.4.1 删除策略
　　4.4.2 限制策略
　　习题四
　　第5章 专家系统
　　5.1 专家系统概述
　　5.1.1 专家系统研究的意义
　　5.1.2 专家系统的结构与开发方法
　　5.2 LISP语言
　　5.2.1 LISP语言的特点与表达式
　　5.2.2 LISP语言的基本函数
　　5.3 知识库与推理机
　　5.3.1 产生式规则与规则库的存储结构
　　5.3.2 正向推理机
　　5.3.3 反向推理机
　　5.4 解释方法与解释器
　　5.5 知识获取与检测
　　5.5.1 知识获取的任务与方式
　　5.5.2 知识的检测与求精
　　5.5.3 知识检测的方法
　　5.6 专家系统工具
　　5.6.1 专家系统工具概述
　　5.6.2 CLIPS及其应用
　　5.6.3 基于Java的规则引擎Jess
　　习题五
　　第6章 模糊推理
　　6.1 知识的不确定性
　　6.2 模糊集合的定义与运算
　　6.2.1 模糊集合的定义与表示
　　6.2.2 模糊集合的运算
　　6.3 模糊知识表示与模糊匹配
　　6.3.1 模糊知识表示
　　6.3.2 模糊匹配
　　6.4 简单模糊推理
　　6.4.1 模糊推理的基本模式
　　6.4.2 简单模糊推理方法
　　6.4.3 模糊三段论推理方法
　　6.5 一般模式的模糊推理
　　6.5.1 多维模糊推理方法
　　6.5.2 带有可信度的模糊推理方法
　　习题六
　　第7章 机器学习
　　7.1 机器学习的特征与方法
　　7.2 归纳学习方法
　　7.2.1 CLS算法
　　7.2.2 ID3算法
　　7.2.3 归纳学习生成产生式规则集的应用
　　7.3 遗传算法
　　7.3.1 遗传算法的概念与计算方法
　　7.3.2 遗传算法在预测预报中的应用
　　7.4 人工神经网络方法
　　7.4.1 人工神经元与感知器
　　7.4.2 人工神经网络模型
　　7.4.3 BP神经网络的学习算法
　　7.4.4 BP学习算法的改进
　　7.4.5 基于神经网络的专家系统
　　7.4.6 基于神经网络的模糊分类器
　　7.4.7 神经网络在预测中的应用
　　习题七
　　参考文献

　　《人工智能与专家系统（第2版）》在延续第一版编写风格的基础上，根据近几年人工智能与专家系统的发展趋势和国内外高等院校相关专业本科生教学内容的重点，结合作者多年教学经验，并考虑到读者的反馈信息，对各章节内容、结构等进行了修订、调整、完善和补充，删减和更新了第一版中比较陈旧的内容，增加了典型应用实例。
　　《人工智能与专家系统（第2版）》主要介绍人工智能的基本理论、方法以及实现技术。全书共7章，可分为两部分。第一部分包括第1～4章，主要介绍人工智能的基本概念、方法和技术，包括知识表示方法和搜索、逻辑推理等问题求解的基本方法。第二部分包括第5～7章，以专家系统为应用方向，讨论了产生式专家系统及其实现技术、模糊知识表示和模糊推理、机器学习方法及其应用实例。
　　《人工智能与专家系统（第2版）》内容翔实，层次清晰，详略适当，重点突出，语言严谨，例题丰富，可作为高等院校计算机等信息类和管理类相关专业的本科生教材，也可供从事相关行业的人员参考。