1、书书书计算机科学丛书人工智能智能系统指南（原书第版）：，（澳）著陈 薇 等译本书是一本很好的人工智能入门书籍，内容丰富、浅显易懂。作者根据自己多年的教学、实践经验，并结合实际代码、图示、案例等讲解了人工智能的基本知识。全书共分章，主要内容包括：基于规则的专家系统、不确定性管理技术、模糊专家系统、基于框架的专家系统、人工神经网络、进化计算、混合智能系统、知识工程、数据挖掘等。另外，本书还提供了一个人工智能相关术语表和包含商业化的人工智能工具的附录。本书既可以作为计算机科学相关专业本科生的入门教材，也可以作为非计算机科学专业读者的自学参考书。：，（）?：，（）本书中文简体字版由英国培生教育出版集团
2、授权出版。封底无防伪标均为盗版版权所有，侵权必究本书法律顾问 北京市展达律师事务所本书版权登记号：图字：图书在版编目（）数据人工智能：智能系统指南（原书第版）（澳）尼格尼维斯基（，）著；陈薇等译北京：机械工业出版社，（计算机科学丛书）书名原文：人 尼 陈 人工智能 中国版本图书馆数据核字（）第号机械工业出版社（北京市西城区百万庄大街号 邮政编码 ）责任编辑：高婧雅印刷年月第版第次印刷印张标准书号：定价：元凡购本书，如有缺页、倒页、脱页，由本社发行部调换客服热线：（）；购书热线：（）；投稿热线：（）读者信箱：G21 G22 G23，人工智能（，）是计算机学科的一个分支，被认为是世纪三大尖端技术（
3、基因工程、纳米科学、人工智能）之一。“人工智能”一词最初是在年达特茅斯学院研讨会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。在经历了辉煌和低谷之后，近年来，人工智能的研究取得了迅速的发展，在很多领域（例如工程、医疗、财经、商业和管理等）都获得了广泛应用。人工智能的研究逐渐成熟，已成为一个独立的分支，无论在理论和实践上都已自成一个系统。本书作者是澳大利亚塔斯马尼亚大学电气工程和计算机科学系教授。他的许多研究课题都涉及人工智能和软计算，一直致力于电气工程、过程控制和环境工程中智能系统的开发和应用。他著有多篇论文、两本书，并获得了四项发明专利。本书是一本很好的人工智能
4、入门书籍，内容丰富、浅显易懂、适应面广。美国、德国、日本等多所大学的计算机相关专业都采用本书作为教材或主要教学参考书。与第版相比，第版引入了关于“数据挖掘”的新的一章，并展示了智能工具在解决复杂实际问题中的新应用。第版还扩展了本书的参考文献和参考书目，并更新了附录中的人工智能工具和厂商列表。通过本书的学习，相信读者一定会对人工智能的完整知识体系有全面的了解。陈薇组织并参与了本书的翻译和审校工作，参加翻译工作的还有闫秋玲、黄威靖、欧高炎、刘璐。由于译者水平有限，译文中疏漏和错误之处在所难免，欢迎广大读者批评指正。陈 薇年于北京大学G24G25 G26 G27，这本书的主要目的与第版相同，即为读者
5、提供一本能实际了解计算机智能领域相关知识的书。它适合作为一个学期课程的入门教程，学生需要具备一些微积分的知识，不要求具备编程的经验。在涵盖内容方面，本书引入了关于数据挖掘的新的一章，并展示了智能工具在解决复杂实际问题中的新应用。主要的变化如下：在新的“数据挖掘和知识发现”一章中，我们介绍了大型数据库中知识发现不可或缺的一部分数据挖掘。涉及将数据转换为知识的主要技术和工具，包括统计方法、数据可视化工具、结构化查询语言、决策树和购物篮分析。同时还展示了几个数据挖掘应用的实例。在第章中，增加了采用自组织神经网络进行聚类分析的新的实例。最后，我们还扩展了本书的参考文献和参考书目，更新了附录中的人工智能
6、工具和厂商列表。年月于澳大利亚塔斯马尼亚州 霍巴特市G24G25 G26 G27，“”又是一本人工智能的书我已经见过很多同类的书，为什么还要理会它？它有什么与众不同之处？每年，有成百上千本书和博士论文拓展着计算机或人工智能的知识体系。专家系统、人工神经网络、模糊系统以及进化计算是应用于智能系统的主要技术，数百个工具支持着这些技术，数以千计的科学论文不断推进着该学科的发展。本书中的任何章节的内容都可以作为一本书的主题。然而，我想写一本能够阐述智能系统基础的书，更为重要的原因是，我想消除大家对人工智能理论的畏惧心理。大多数人工智能文献是采用计算机科学的专业术语进行描述的，其中充斥着大量复杂的矩阵代
7、数和微分方程，这当然给人工智能理论带来了令人敬佩的资本，但同时也令非计算机科学的科学家对其敬而远之。不过，这种情况已经有所改变！个人电脑已经成为我们日常生活中不可或缺的部分，我们将它用于打字机和计算器、日历和通信系统、交互式数据库以及决策支持系统。并且我们还渴望更多。我们希望计算机智能化！我们发现智能系统正快速地走出实验室，而我们也想更好地利用它。智能系统的原理是什么？它是如何构建的？智能系统的用处是什么？我们该如何选择适当的工具构建智能系统？这些问题都可以在本书中找到答案。与许多介绍计算机智能的书不同，本书将智能系统背后的奥妙简单明了地展示给读者。它是基于作者多年来给没有多少微积分知识的学生
8、授课时所用的讲义而编写的，读者甚至不用学习任何编程语言就可轻松理解！书中的素材已经经过笔者年的教学实践的检验，写作中也考虑了学生们提出的典型问题和建议。本书是一本计算机智能领域的入门书籍，内容包括基于规则的专家系统、模糊专家系统、基于框架的专家系统、人工神经网络、进化计算、混合智能系统、知识工程和数据挖掘。总体来说，本书可作为计算机科学、计算机信息系统和工程专业的本科生的入门教材。我在教学过程中，会要求学生开发小型的基于规则和基于框架的专家系统，设计一个模糊系统，探究人工神经网络，采用遗传算法求解一个简单的优化问题，并开发混合的神经模糊系统。他们使用一些专家系统的核心程序（、和）、的模糊逻辑工
9、具箱以及的神经网络工具箱。我们选择这些工具的原因是它们能够便利地演示教学中的原理。然而，本书并不局限于任何特定的工具，书中给出的例子可以轻松地在不同的工具中实现。本书也适合非计算机科学专业的相关人士自学。对于他们来说，本书提供了进入基于知识的系统和计算智能的前沿领域的钥匙。事实上，本书面向的专业读者群十分广泛：工程师和科学家、管理人员和商人、医生和律师，也就是所有面临挑战而无法用传统的方法解决问题的人，所有想了解计算机智能领域巨大成就的人。本书将帮助你实际了解智能系统的用途，发现与你的工作密切相关的工具，并最终学会如何使用这些工具。希望读者能与我共同分享人工智能和软计算学科所带来的乐趣，并从本
10、书中获益。读者可以访问：获得更多的信息。年月于澳大利亚塔斯马尼亚州霍巴特市G28 G29 G2A G2B，本书一共包含章。第章简要介绍了人工智能的历史，从世纪中期诞生人工智能的思想并在年代设立了远大目标并积极实现到世纪年代早期理想破灭和资金投入大幅削减；从世纪年代第一代专家系统（、）的诞生到世纪八九十年代专家系统技术的成熟和其在不同领域的广泛应用；从世纪年代简单的二元神经元模型的提出到世纪年代人工神经网络领域的复苏；从世纪年代模糊集理论的提出和它的存在被西方忽视到世纪年代日本生产出大量模糊用户产品，以及世纪年代软计算和文字计算在世界范围内的广泛接受。第章提供了基于规则的专家系统概述。作者简要介
11、绍了知识的概念，以及专家用产生式规则表示知识的过程。作者介绍了专家系统开发团队的主要成员和基于规则系统的结构。分析了专家系统的基本特性，并指出专家系统不是万无一失的。然后回顾了前向链接和后向链接推理技术，并讨论了冲突消解策略。最后分析了基于规则的专家系统的优缺点。第章展示了专家系统使用的两种不确定性管理技术：贝叶斯推理和确信因子。作者分析了不确定知识的主要来源，并简要回顾了概率理论。作者考虑了可累积论据的贝叶斯方法并开发一个简单的基于贝叶斯方法的专家系统。然后讨论确信因子理论（贝叶斯推理的常用替代方法），并开发一个基于论据推理的专家系统。最后，比较贝叶斯推理和确信因子理论并分析它们的适用范围。
12、第章介绍了模糊逻辑并讨论其背后的哲学思想。首先介绍模糊集的概念，考虑如何在计算机里表示一个模糊集并介绍了模糊集的操作。作者还定义了语言变量和模糊限制语（）。然后作者叙述了模糊规则，并解释了经典规则和模糊规则的主要区别。该章主要研究两种模糊推理技术：法和法，并就它们适宜的应用领域给出建议。最后介绍开发一个模糊专家系统的主要步骤，并通过构建和调试模糊系统的具体过程来阐明其理论。第章概述了基于框架的专家系统。介绍了框架的概念，并讨论如何将框架用于知识表达，以及阐明继承是基于框架系统的基本特征，还讨论了方法、守护程序和规则的应用。最后通过一个实例来介绍基于框架的专家系统的开发。第章介绍了人工神经网络，
13、并讨论了机器学习的基本思想。叙述作为一个简单的计算单元的感知器的概念，并讨论了感知器的学习规则，还探索了多层神经网络，以及讨论了如何提高反向传播学习算法的计算效率。然后介绍循环神经网络，思考网络训练算法和双向联想记忆（）。最后介绍自组织神经网络并探讨学习规则和竞争学习。第章概述了进化计算，其中包括遗传算法、进化策略和遗传编程。首先介绍了开发一个遗传算法的主要步骤，讨论遗传算法的工作机制，并通过具体的遗传算法应用阐明其理论。然后叙述一个进化策略的基本概念，比较了进化策略和遗传算法之间的不同。最后考虑遗传编程以及它的实际应用。第章讨论了结合不同智能技术的混合智能系统。首先介绍一种新型的专家系统神经
14、专家系统，它将神经网络和基于规则的专家系统结合起来。然后考虑一个功能上等同于模糊推理模型的神经模糊系统，以及一个功能上等同于模糊推理模型的自适应神经模糊推理系统（）。最后讨论进化神经网络和模糊进化系统。第章讨论了知识工程。首先讨论智能系统可以解决什么样的问题，并介绍知识工程过程的个主要阶段。然后展示了专家系统、模糊系统、神经网络和遗传算法的典型应用。作者演示了如何构建智能系统来解决诊断、选择、预测、分类、聚类和优化问题。最后讨论了混合神经模糊系统在决策支持和时序预测方面的应用。第章介绍了数据挖掘的概貌，讨论了将数据转换为知识的主要技术。首先，宽泛地定义了数据挖掘，并解释了在大型数据库中进行数据
15、挖掘和知识发现的过程。介绍了一些统计学方法，包括主成分分析，并讨论了它们的局限性。随后展示了关系数据库中结构化查询语言的应用，介绍了数据仓库和多维数据分析。最后，介绍了最流行的数据挖掘工具决策树和购物篮分析。本书还包括一个术语表和一个附录。术语表包含了余条用于专家系统、模糊逻辑、神经网络、进化计算、知识工程以及数据挖掘领域的定义。附录中提供了商业化的人工智能工具的列表。本书的网站地址为：。G2C G2D G2D G2E，在本书的出版过程中，我直接或间接地得到了很多人至诚的帮助。我首先要感谢博士，他不仅对我在软计算领域的研究提出了许多建设性的意见，还在我过去年间的奋斗生涯中与我建立了真诚的友谊并
16、给予了我大力支持。我还要感谢许许多多为本书提出评论和有益建议的检阅人，感谢的编辑们，特别是、和，他们帮助我完成了本书的出版发行工作。我要感谢我在澳大利亚塔斯马尼亚大学的本科生和研究生们，特别是我以前的博士生、和，他们对新知识的渴求对我来说既是挑战也是激励。我想感谢美国波士顿大学的教授、德国马德堡大学的教授、日本广岛大学的教授、美国罗切斯特理工学院的教授以及东京工业大学的教授，他们为我提供了在学生中对书的内容进行测试的机会。我还要衷心地感谢和博士对本书初稿的审读工作。尽管本书的第版出版了十多年，但是已经有很多人用过它并向我提出了宝贵的意见和建议，由于人数众多，在此不能一一致谢，但我至少要感谢那些
17、提出了特别有益建议的人们：（英国普利茅斯大学）、（澳大利亚阿德莱德大学）、（美国哥伦比亚大学）、（南非比勒陀利亚大学）、（埃及美洲大学）、（中国浙江大学）、（美国曼达尔学院）、（加拿大温莎大学）、（加拿大大学）、（美国威斯康星大学）、（英国沃里克大学）、（澳大利亚埃迪斯科文大学）、（美国斯坦福大学）、（韩国光云大学）、（英国赫特福德郡大学）、（加纳大学）、（英国牛津大学）、（美国罗切斯特理工学院）、（中国香港理工大学）、（美国科罗拉多大学）、（德国美因茨约翰尼斯古腾堡大学）、（澳大利亚维多利亚大学）、（比利时安特卫普大学）、（美国西南密苏里州立大学）、（新加坡南洋理工大学）以及（丹麦哥本哈根信息技术大学）。
个人主页
