人工智能中的图表推理

　　译者序
　　原书前言
　　第1章 引言：人工智能领域的局限
　　1.1 引言
　　1.2 人工智能的局限
　　1.2.1 创造一台思考机器的困难
　　1.2.2 缺乏常识性推理
　　1.2.3 难以驾驭的特性
　　1.3 智能系统的解释能力
　　1.3.1 系统的透明度
　　1.3.2 系统的灵活性
　　1.4 人工智能的未来：面向交互式的图表
　　参考文献
　　第2章 思维模型：在人眼中的图表
　　2.1 思维模型的定义
　　2.2 知识的组织
　　2.2.1   内部连接
　　2.2.2 外部连接
　　2.3 讨论
　　参考文献
　　第3章 图表的类型
　　3.1 引言
　　3.2 系统拓扑
　　3.3 顺序和流程
　　3.3.1 活动图表
　　3.3.2 泳道：分割一幅活动图表
　　3.3.3 案例研究：在急救室中的治疗类选法
　　3.4 层次和分类
　　3.4.1 组织图表
　　3.4.2 遗传层次
　　3.4.3 组成模型
　　3.5 关联
　　3.5.1 语义网络
　　3.5.2 实体关系图表
　　3.6 因果关系
　　3.6.1 有向图
　　3.6.2 其他符号系统
　　3.6.3 因果关系推理中的谬论
　　3.7 决策图表
　　3.7.1 决策树
　　3.7.2 影响图表
　　3.7.3 顺序的决策
　　3.8 讨论
　　参考文献
　　第4章 应用图表的逻辑推理
　　4.1 引言
　　4.2 论证图表
　　4.3 用动态维恩图表进行逻辑推理
　　4.3.1 维恩图表介绍
　　4.3.2 通过维恩图表的演绎推论：第一个途径
　　4.3.3 转换规则
　　4.4 回顾演绎推理
　　4.4.1 两种表示系统的检验：语言学（一阶逻辑）对应非语言学（维恩图表）
　　参考文献
　　第5章 基于规则的专家系统
　　5.1 引言
　　5.2 基于规则的推理
　　5.2.1 基于规则的专家系统的组成部分
　　5.2.2 推理机
　　5.2.3 冲突结果
　　5.2.4  CUPS
　　5.3 利益与局限
　　5.3.1 很难对专门技术进行提取
　　5.3.2 不能捕获所有的知识
　　5.3.3 专家系统不能够学习
　　5.3.4 专家系统缺乏灵活性
　　5.3.5 缺乏对专家系统的信任，同时在解释结果上面专家系统的能力有限
　　……
　　第6章 带有图形的基于规则的推理
　　第7章 基于模型的推理
　　第8章 基于置信度与贝叶斯网络的不精确推理
　　第9章 理解图表推理的框架

　　    Robbie T.Nakatsu博士目前是美国Loyola Marymount大学信息系统领域的教授，其研究领域涉及智能用户接口、人机接口、人工智能应用和信息技术管理：在加入Loyola Marymount大学之前，Nakatsu博士先后在百事可乐公司的信息管理系统做顾问，在哥伦比亚广播公司（CBS）做高级研究分析员，并在摩根士丹利的信息系统部做分析师。他开发了LogNet软件，这种软件可对如何设计商业后勤网络提供了建议。Nakatsu博士也开发了Expert-Strategy（专家战略）软件，这种软件为专家系统的知识库提供了图形用户界面。Nakatsu博士是美国计算机协会和信息系统协会的会员。
　　    Nakatsu博士目前所感兴趣的研究领域集中在智能用户接口，计算机仿真建模和信息技术管理。

　　    《人工智能中的图表推理》以一种全新的角度对人工智能及其应用领域中的技术和方法（即图表理论）进行了研究和探索。《人工智能中的图表推理》在介绍人工智能基本原理的同时，着重论述了当前图表理论在人工智能领域中的应用。
　　    《人工智能中的图表推理》详细介绍了图表的类型与相关应用，包括逻辑推理、基于规则的专家系统、基于规则的推理、基于模型的推理等。《人工智能中的图表推理》除了对静态图表的相关理论进行了论述外，也对交互式和动态图表进行了阐述，以便帮助研究者、程序员、智能系统设计人员和Web应用设计人员进行更深入的研究。
　　    《人工智能中的图表推理》可作为高等院校相关专业的高年级本科生、研究生、程序员、智能系统设计人员、Web应用设计人员及人工智能领域的相关研究人员的参考用书。