人工智能中的圖表推理

內(nèi)容概要

《人工智能中的圖表推理》以一種全新的角度對人工智能及其應(yīng)用領(lǐng)域中的技術(shù)和方法（即圖表理論）進(jìn)行了研究和探索。本書在介紹人工智能基本原理的同時，著重論述了當(dāng)前圖表理論在人工智能領(lǐng)域中的應(yīng)用。
本書詳細(xì)介紹了圖表的類型與相關(guān)應(yīng)用，包括邏輯推理、基于規(guī)則的專家系統(tǒng)、基于規(guī)則的推理、基于模型的推理等。本書除了對靜態(tài)圖表的相關(guān)理論進(jìn)行了論述外，也對交互式和動態(tài)圖表進(jìn)行了闡述，以便幫助研究者、程序員、智能系統(tǒng)設(shè)計人員和Web應(yīng)用設(shè)計人員進(jìn)行更深入的研究。
《人工智能中的圖表推理》可作為高等院校相關(guān)專業(yè)的高年級本科生、研究生、程序員、智能系統(tǒng)設(shè)計人員、Web應(yīng)用設(shè)計人員及人工智能領(lǐng)域的相關(guān)研究人員的參考用書。本書的作者Robbie
T．Nakatsu博士目前是美國Loyola
Marymount大學(xué)信息系統(tǒng)教授，其研究領(lǐng)域涉及智能用戶接口、人機(jī)接口、人工智能應(yīng)用和信息技術(shù)管理。全書由陳一民、樊清、史曉霞翻譯。

作者簡介

Robb.e丁Nakatsu博士目前是美NLoyola
Marymount大學(xué)信息系統(tǒng)領(lǐng)域的教授，其研究領(lǐng)域涉及智能用戶接口、人機(jī)接1：3、人工智能應(yīng)用和信患技術(shù)管理。在加入Loyola
Marymount大學(xué)之前，Nakatsu博士先后在百事可樂公司的信息管理系統(tǒng)做顧問，在哥倫比亞廣播公司(CBS)做高級研究分析員,并在摩根士丹利的信息系統(tǒng)部做分析師。他開發(fā)了LogNet軟件,這種軟件可對如何設(shè)計商業(yè)后勤網(wǎng)絡(luò)提供了建議。Nakatsu博士也開發(fā)了Expert—Strategy(專家戰(zhàn)略）軟件，這種軟件為專家系統(tǒng)的知識庫提供了圖形用戶界面。Nakatsu博士是美國計算機(jī)協(xié)會和信息系統(tǒng)協(xié)會的會員。
Nakatsu博士目前所感興趣的研究領(lǐng)域集中在智能用戶接rl，計算機(jī)仿真建模和信息技術(shù)管理。

書籍目錄

譯者序
原書前言
第1章  引言：人工智能領(lǐng)域的局限
  1.1  引言
  1.2  人工智能的局限
    1.2.1  創(chuàng)造一臺思考機(jī)器的困難
    1.2.2  缺乏常識性推理
    1.2.3  難以駕馭的特性
  1.3  智能系統(tǒng)的解釋能力
    1.3.1  系統(tǒng)的透明度
    1.3.2  系統(tǒng)的靈活性
  1.4  人工智能的未來：面向交互式的圖表
  參考文獻(xiàn)
第2章  思維模型：在人眼中的圖表
  2.1  思維模型的定義
  2.2  知識的組織
    2.2.1  內(nèi)部連接
    2.2.2  外部連接
  2.3  討論
  參考文獻(xiàn)
第3章  圖表的類型
  3.1  引言
  3.2  系統(tǒng)拓?fù)?br />  3.3  順序和流程
    3.3.1  活動圖表
    3.3.2  泳道：分割一幅活動圖表
    3.3.3  案例研究：在急救室中的治療類選法
  3.4  層次和分類
    3.4.1  組織圖表
    3.4.2  遺傳層次
    3.4.3  組成模型
  3.5  關(guān)聯(lián)
    3.5.1  語義網(wǎng)絡(luò)
    3.5.2  實(shí)體關(guān)系圖表
  3.6  因果關(guān)系
    3.6.1  有向圖
    3.6.2  其他符號系統(tǒng)
    3.6.3  因果關(guān)系推理中的謬論
  3.7  決策圖表
    3.7.1  決策樹
    3.7.2  影響圖表
    3.7.3順序的決策
  3.8  討論
  參考文獻(xiàn)
第4章  應(yīng)用圖表的邏輯推理
  4.1  引言
  4.2  論證圖表
  4.3  用動態(tài)維恩圖表進(jìn)行邏輯推理
    4.3.1  維恩圖表介紹
    4.3.2  通過維恩圖表的演繹推論：第一個途徑
    4.3.3  轉(zhuǎn)換規(guī)則
  4.4  回顧演繹推理
    4.4.1  兩種表示系統(tǒng)的檢驗：語言學(xué)(一階邏輯)對應(yīng)非語言學(xué)(維恩圖表)
  參考文獻(xiàn)
第5章  基于規(guī)則的專家系統(tǒng)
  5.1  引言
  5.2  基于規(guī)則的推理
    5.2.1  基于規(guī)則的專家系統(tǒng)的組成部分
    5.2.2  推理機(jī)
    5.2.3  沖突結(jié)果
    5.2.4  CLIPS
  5.3  利益與局限
    5.3.1  很難對專門技術(shù)進(jìn)行提取
    5.3.2  不能捕獲所有的知識
    5.3.3  專家系統(tǒng)不能夠?qū)W習(xí)
    5.3.4  專家系統(tǒng)缺乏靈活性
    5.3.5  缺乏對專家系統(tǒng)的信任，同時在解釋結(jié)果上面專家系統(tǒng)的能力有限
    5.3.6  專家系統(tǒng)很難檢驗和驗證
  附錄A  股票選擇專家系統(tǒng)
  參考文獻(xiàn)
第6章  帶有圖形的基于規(guī)則的推理
  6.1  專家系統(tǒng)的透明性
  6.2  用圖表表示一個簡單的專家系統(tǒng)
  6.3  更復(fù)雜的應(yīng)用：運(yùn)輸模式選擇
  6.4  知識庫的分層模型
  6.5  專家系統(tǒng)的靈活性
  6.6  規(guī)則軌跡圖
  6.7  策略知識
  6.8  討論
  附錄A  運(yùn)輸模式知識庫
  參考文獻(xiàn)
第7章  基于模型的推理
  7.1  基于模型的診斷
    7.1.1  排除一個簡單設(shè)備的故障
    7.1.2  排除邏輯門設(shè)備故障
  7.2  設(shè)計商業(yè)后勤網(wǎng)絡(luò)
    7.2.1  LogNet描述
    7.2.2  網(wǎng)絡(luò)基準(zhǔn)
  7.3  帶有圖形用戶界面的可視化交互模型
  7.4  基于模型的推理：通向一個較好網(wǎng)絡(luò)設(shè)計的向?qū)?br />    7.4.1  網(wǎng)絡(luò)整理
    7.4.2  網(wǎng)絡(luò)分散
  7.5  使用LogNet解決問題：兩個方案
  7.6  基于啟發(fā)式搜索的調(diào)整
  7.7  討論
參考文獻(xiàn)
第8章  基于置信度與貝葉斯網(wǎng)絡(luò)的不精確推理
  8.1  置信度
    8.1.1  信度網(wǎng)絡(luò)
    8.1.2  惡意病毒檢測系統(tǒng)
  8.2  概率論基本原理
    8.2.1  基本概念
    8.2.2  條件概率與貝葉斯定理
  8.3  貝葉斯網(wǎng)絡(luò)
  8.4  討論
  參考文獻(xiàn)
第9章  理解圖表推理的框架
  9.1  評估圖表準(zhǔn)則
    9.1.1  有效圖表可以深化對系統(tǒng)的理解
    9.1.2  有效圖表表述非常明確
    9.1.3  有效圖表是最簡的
    9.1.4  有效圖表是相關(guān)的
    9.1.5  有效圖表支持多層的描述
  9.2  比較兩個圖表：信息能力和計算能力
  9.3  超越靜態(tài)圖表
  9.4  編后：應(yīng)用并超越人工智能技術(shù)的圖形化用戶界面
參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：插圖：兩個定義的重要之處是人們有能力運(yùn)行一個思維模型。根據(jù)這種觀點(diǎn)，思維模型并不是一個靜態(tài)結(jié)構(gòu)，而是能夠根據(jù)特定的背景和情景進(jìn)行調(diào)整的動態(tài)結(jié)構(gòu)。參數(shù)的傳遞和傳播是允許以一種合適的方式使用思維模型的機(jī)制。通過這些機(jī)制，能夠?qū)ξ磥淼臓顟B(tài)進(jìn)行預(yù)測，或是能夠?qū)ο到y(tǒng)響應(yīng)新的狀態(tài)進(jìn)行完成預(yù)測?！霸谌祟愌壑械哪７聶C(jī)器（或系統(tǒng)）”的表述很好地表達(dá)了這種思想。人們?yōu)槭裁词褂盟季S模型呢？首先，使用思維模型作為接口工具可以去預(yù)測在異常條件下的系統(tǒng)行為。思維模型能夠使我們從系統(tǒng)參數(shù)中預(yù)測出系統(tǒng)的輸出：可以通過調(diào)整系統(tǒng)參數(shù)和觀測系統(tǒng)的行為是如何改變?nèi)ミ\(yùn)行思維模型。其次，可以使用思維模型生成說明和調(diào)整。在使用系統(tǒng)時這樣的說明能夠給我們信心，并且使我們更樂意去信任系統(tǒng)的結(jié)果。最后，能夠?qū)⑺季S模型作為記憶裝置進(jìn)行使用，以便使對信息的記憶和長期保持更加便利。這里，思維模型可以給人們提供“封面的故事”，以便使對于系統(tǒng)的理解更加值得記憶并且便于回顧。這三點(diǎn)原因的基礎(chǔ)是對于使用思維模型去理解系統(tǒng)的一個假設(shè)：“我可以假設(shè)，對于理解的心理上的核心是存在于在你的頭腦中你所擁有的對于現(xiàn)象的“工作模型”。因而，思維模型能夠使用戶對系統(tǒng)產(chǎn)生更深的理解，用戶在與這一系統(tǒng)進(jìn)行交互時可以有意識或無意識地選擇這一系統(tǒng)進(jìn)行使用。因而，通過預(yù)測、解釋和長期保持的幫助，這一更深刻的理解能夠提高用戶的問題解決能力。在本章中，從概念模型（這一模型通過一些類型的圖表十分典型地表示出來）中區(qū)別了思維模型。稍后，在本章中，將看到由圖表表示的概念模型的實(shí)例。思維模型是目標(biāo)系統(tǒng)的用戶模型，是存在于人類頭腦中的系統(tǒng)的模型。隨著人類對系統(tǒng)建立更多的經(jīng)驗，模型也在發(fā)展，并且變得更為精確。因而，在所給出的任何時間點(diǎn)，思維模型（如同用戶眼中所看到的）是動態(tài)的，并且常常是目標(biāo)系統(tǒng)的不完全定義。另一方面，概念模型典型的是設(shè)計者對于目標(biāo)系統(tǒng)的完整定義。如此看來，概念模型就是目標(biāo)系統(tǒng)的精確、一致和完整的表示。我們希望用戶的思維模型能與系統(tǒng)設(shè)計者的概念模型相一致。許多對思維模型進(jìn)行調(diào)查的實(shí)驗研究表明用戶如何經(jīng)常產(chǎn)生了病態(tài)形式的思維模型：這些模型是不完整的、錯誤的、矛盾的、在時域上不穩(wěn)定，并且常常是充滿迷信的。例如，一項研究通過使用計算器來審視人類的思維模型。用戶將經(jīng)常會對一些計算器產(chǎn)生不信任，甚至當(dāng)他們已經(jīng)充分意識到了計算器的存在。用戶常常采取其他的步驟或是不能有效利用計算特性。例如，即使當(dāng)用戶意識到中間的結(jié)果會存儲在計算器內(nèi)存中，他們也將經(jīng)常清除顯示（有時候按下清除按鈕許多次），或是將部分結(jié)果寫在一張紙上。

編輯推薦

《人工智能中的圖表推理》是國際電氣工程先進(jìn)技術(shù)譯叢之一。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    人工智能中的圖表推理 PDF格式下載

---