《計算機科學叢書：人工智能·智能系統指南（原書第3版）》是一本很好的人工智能入門書籍,內容豐富、淺顯易懂。作者根據自己多年的教學、實踐經驗，并結合實際代碼、圖示、案例等講解了人工智能的基本知識。
全書共分10章，主要內容包括：基于規則的專家系統、不確定性管理技術、模糊專家系統、基于框架的專家系統、人工神經網絡、進化計算、混合智能系統、知識工程、數據挖掘等。另外，本書還提供了一個人工智能相關術語表和包含商業化的人工智能工具的附錄。
《計算機科學叢書：人工智能·智能系統指南（原書第3版）》既可以作為計算機科學相關專業本科生的入門教材，也可以作為非計算機科學專業讀者的自學參考書。
譯者序
第3版前言
第1版前言
本書概要
致謝
第1章 基于知識的智能系統概述
1.1 智能機
1.2 人工智能的發展歷史，從“黑暗時代”到基于知識的系統
1.2.1 “黑暗時代”，人工智能的誕生（1943年~1956年）
1.2.2 人工智能的上升期，遠大目標積極實現的年代（1956年～20世紀60年代晚期）
1.2.3 沒有履行的諾言，來自現實的沖擊（20世紀60年代晚期～20世紀70年代早期）
1.2.4 專家系統技術，成功的關鍵因素（20世紀70年代早期～20世紀80年代中期）
1.2.5 如何使機器學習，神經網絡的重生（20世紀80年代中期至今）
1.2.6 進化計算，在嘗試中學習（20世紀70年代早期至今）
1.2.7 知識工程的新紀元，文字計算（20世紀80年代后期至今）
1.3 小結
復習題
參考文獻
第2章 基于規則的專家系統
2.1 知識概述
2.2 知識表達技術——規則
2.3 專家系統研發團隊的主要參與者
2.4 基于規則的專家系統的結構
2.5 專家系統的基本特征
2.6 前向鏈接和后向鏈接推理技術
2.6.1 前向鏈接
2.6.2 后向鏈接
2.7 MEDIA ADVISOR：基于規則的專家系統實例
2.8 沖突消解
2.9 基于規則的專家系統的優點和缺點
2.1 0小結
復習題
參考文獻
第3章 基于規則的專家系統中的不確定性管理
3.1 不確定性簡介
3.2 概率論基本知識
3.3 貝葉斯推理
3.4 FORECAST：論據累積的貝葉斯方法
3.5 貝葉斯方法的偏差
3.6 確信因子理論和基于論據的推理
3.7 FORECAST：確信因子的應用
3.8 貝葉斯推理和確信因子的對比
3.9 小結
復習題
參考文獻
第4章 模糊專家系統
4.1 概述
4.2 模糊集
4.3 語言變量和模糊限制語
4.4 模糊集的操作
4.5 模糊規則
4.6 模糊推理
4.6.1 Mamdani?style 推理
4.6.2 Sugeno?style推理
4.7 建立模糊專家系統
4.8 小結
復習題
參考文獻
參考書目
第5章 基于框架的專家系統
5.1 框架簡介
5.2 知識表達技術——框架
5.3 基于框架的系統中的繼承
5.4 方法和守護程序
5.5 框架和規則的交互
5.6 基于框架的專家系統實例：Buy Smart
5.7 小結
復習題
參考文獻
參考書目
第6章 人工神經網絡
6.1 人腦工作機制簡介
6.2 作為簡單計算元素的神經元
6.3 感知器
6.4 多層神經網絡
6.5 多層神經網絡的加速學習
6.6 Hopfield網絡
6.7 雙向聯想記憶
6.8 自組織神經網絡
6.8.1 Hebbian學習
6.8.2 競爭學習
6.9 小結
復習題
參考文獻
第7章 進化計算
7.1 進化是智能的嗎
7.2 模擬自然進化
7.3 遺傳算法
7.4 遺傳算法為什么可行
7.5 案例研究：用遺傳算法來維護調度
7.6 進化策略
7.7 遺傳編程
7.8 小結
復習題
參考文獻
參考書目
第8章 混合智能系統
8.1 概述
8.2 神經專家系統
8.3 神經-模糊系統
8.4 ANFIS
8.5 進化神經網絡
8.6 模糊進化系統
8.7 小結
復習題
參考文獻
第9章 知識工程
9.1 知識工程簡介
9.1.1 問題評估
9.1.2 數據和知識獲取
9.1.3 原型系統開發
9.1.4 完整系統開發
9.1.5 系統評價和修訂
9.1.6 系統集成和維護
9.2 專家系統可以解決的問題
9.3 模糊專家系統可以解決的問題
9.4 神經網絡可以解決的問題
9.5 遺傳算法可以解決的問題
9.6 混合智能系統可以解決的問題
9.7 小結
復習題
參考文獻
第10章 數據挖掘和知識發現
10.1 數據挖掘簡介
10.2 統計方法和數據可視化
10.3 主成分分析
10.4 關系數據庫和數據庫查詢
10.5 數據倉庫和多維數據分析
10.6 決策樹
10.7 關聯規則和購物籃分析
10.8 小結
復習題
參考文獻
術語表
附錄人工智能工具和經銷商
索引
新書資訊