第1章　基於知識的智慧系統導言
1.1　智慧型機器概述 1-2
1.2　人工智慧發展歷史 1-6
1.3　總結 1-21
複習題 1-25
參考文獻 1-25
第2章　基於規則的專家系統
2.1　概述 2-2
2.2　規則是知識表達的技能 2-3
2.3　專家系統研發隊伍中的主要參與者 2-6
2.4　基於規則的專家系統結構 2-8
2.5　專家系統的基本性能 2-11
2.6　前向連結和後向連結的推理技術 2-14
2.7　實例 2-20
2.8　衝突的解決方案 2-27
2.9　基於規則的專家系統的優缺 2-30
2.10　總結 2-32
複習題 2-33
參考文獻 2-34
第3章　基於規則的專家系統的不確定管理
3.1　不確定性簡介 3-2
3.2　基本機率論 3-4
3.3　貝氏推理 3-9
3.4　FORECAST：貝氏證據累積 3-12
3.5　貝氏方法的偏差 3-20
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 3-31
3.9　總結 3-32
複習題 3-33
參考文獻 3-34
第4章　模糊專家系統
4.1　概述 4-2
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 4-15
4.5　模糊規則 4-20
4.6　模糊推理 4-23
4.7　建立模糊專家系統 4-33
4.8　總結 4-44
複習題 4-46
參考文獻 4-47
參考書目 4-47
第5章　基於框架的專家系統
5.1　框架簡介 5-2
5.2　作為知識表達技術的框架 5-4
5.3　基於框架系統中的繼承 5-11
5.4　方法和守護程式 5-14
5.5　框架和規則的交互 5-19
5.6　基於框架的專家系統實例：Buy Smart 5-23
5.7　總結 5-36
複習題 5-37
參考文獻 5-38
參考書目 5-38
第6章　人工神經網路
6.1　腦工作機制簡介 6-2
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 6-14
6.5　多層神經網路的加速學習 6-25
6.6　Hopfield神經網路 6-29
6.7　雙向相關記憶 6-38
6.8　自組織神經網路 6-42
6.9　總結 6-55
複習題 6-58
參考文獻 6-59
第7章　演化計算
7.1　演化是智能的嗎 7-2
7.2　模擬自然演化 7-2
7.3　基因演算法 7-5
7.4　基因演算法如何工作 7-15
7.5　實例：用基因演算法來維護計畫 7-18
7.6　演化策略 7-27
7.7　遺傳程式設計 7-30
7.8　總結 7-40
複習題 7-41
參考文獻 7-42
參考書目 7-43
第8章　混合智慧系統
8.1　概述 8-2
8.2　神經專家系統 8-4
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 8-21
8-5　演化神經網路 8-30
8.6　模糊演化系統 8-36
8.7　總結 8-42
複習題 8-44
參考文獻 8-45
第9章　知識工程和資料探勘
9.1　知識工程簡介 9-2
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 9-26
9.5　基因演算法可以解決的問題 9-39
9.6　混合智慧系統可以解決的問題 9-44
9.7　資料探勘和知識發現 9-55
9.8　總結 9-67
複習題 9-69
參考文獻 9-70
術語表
術語表 術-1
附錄
人工智慧工具和廠商 附-1

第1章　基於知識的智慧系統導言
1.1　智慧型機器概述 1-2
1.2　人工智慧發展歷史 1-6
1.3　總結 1-21
複習題 1-25
參考文獻 1-25
第2章　基於規則的專家系統
2.1　概述 2-2
2.2　規則是知識表達的技能 2-3
2.3　專家系統研發隊伍中的主要參與者 2-6
2.4　基於規則的專家系統結構 2-8
2.5　專家系統的基本性能 2-11
2.6　前向連結和後向連結的推理技術 2-14
2.7　實例 2-20
2.8　衝突的解決方案 2-27
2.9　基於規則的專家系統的優缺 2-30
2.10　總結 2-32
複習題 2-33
參考文獻 2-34
第3章　基於規則的專家系統的不確定...