Джексон П. Введение в экспертные системы. Учебное пособие Пер. с англ. Москва: Издательский дом "Вильямс", 2001, 624 с.
Все книги скачиваются через наш абсолютно ЧИСТЫЙ загрузчик (без рекламы и т.п.). Скачав загручик с этой страницы,
после его установки вы автоматически скачаете книгу "Джексон П. Введение в экспертные системы. Учебное пособие Пер. с англ. Москва: Издательский дом "Вильямс", 2001, 624 с."
Книга является вводным курсом в теорию и
проектирование экспертных систем и рассчитана на разные категории
читателей. В главах 2 и 3 рассматриваются базовые концепции технологии
экспертных систем. В главах 3-9 освещаются основные схемы представления
проблемно-ориентированных знаний в программах и методы применения этих
знаний к решению сложных проблем с помощью компьютера. Изложение
материала начинается с краткого обзора работ в области символических
вычислений, а затем анализируются некоторые специализированные языки
представления знаний. В главах 10-16 речь идет о технических вопросах
конструирования экспертных систем. Сначала читатель знакомится с
проблемой восприятия знаний, а затем рассматриваются парадигмы решения
проблем, которые целесообразно использовать для таких задач, как
диагностика и конструирование. В главах 17-19 анализируются
инструментарий л структура программного обеспечения экспертных систем. В
заключительных главах книги затронуты более сложные темы, которые в
настоящее время еще находятся в стадии научного поиска: машинное
обучение, сети доверия (правдоподобия), логический вывод, базирующийся
на прецедентах, и гибридные экспертные системы.
Введение ГЛАВА 1. Что такое
экспертная система? 1.1. Смысл экспертного анализа 1.2.
Характеристики экспертных систем 1.3. Базовые функции экспертных
систем 1.3.1. Приобретение знаний 1.3.2. Представление знаний 1.3.3.
Управление процессом поиска решения 1.3.4. Разъяснение принятого
решения 1.4. Резюме и структура книги 1.4.1. Текущее состояние
проблемы 1.4.2. Распределение материала книги по главам Рекомендуемая
литература Упражнения ГЛАВА 2. Обзор исследований в области
искусственного интеллекта 2.1. Классический период: игры и
доказательство теорем 2.1.1. Поиск в пространстве состояний 2.1.2.
Эвристический поиск 2.2. Романтический период: компьютер начинает
понимать 2.2.1. Система SHRDLU 2.2.2. Схемы представления знаний 2.3.
Период модернизма: технологии и приложения 2.3.1. В знании сила 2.3.2.
Периоды "зимней спячки" и "пробуждения" в истории искусственного
интеллекта Рекомендуемая литература Упражнения ГЛАВА 3.
Представление знаний 3.1. Представление знаний: принципы и методы 3.2.
Планировщик STRIPS 3.2.1. Таблицы операторов и методика "средство —
анализ завершения" 3.2.2. Анализ метода представления и управления в
STRIPS 3.3. Формулировка подцелей в MYCIN 3.3.1. Лечение
заболеваний крови 3.3.2. База знаний системы MYCIN 3.3.3.
Структуры управления в MYCIN 3.4. Оценка и сравнение характеристик
экспертных систем 3.4.1. Оценка системы MYCIN 3.4.2. Сравнение
MYCIN и STRIPS Рекомендуемая литература Упражнения ГЛАВА 4.
Символические вычисления 4.1. Символическое представление 4.2.
Физическая символическая система 4.3. Реализация символических
структур на языке LISP 4.3.1. Структуры данных в языке LISP 4.3.2.
Структура LISP-программы 4.3.3. Приложение функции и
лямбда-исчисление 4.3.4. Обработка списков 4.3.5. Сопоставление с
образцом 4.4. Почему LISP не является языком представления знаний 4.4.1.
Символический уровень и уровень знаний 4.4.2. LISP и разработка
программ 4.5. Языки представления знаний Рекомендуемая литература Упражнения ГЛАВА
5. Системы, основанные на знаниях 5.1. Канонические системы 5.2.
Системы порождающих правил для решения проблем 5.2.1. Синтаксис
представления правил 5.2.2. Рабочая память 5.3. Управление
функционированием интерпретатора 5.3.1. Разрешение конфликтов 5.3.2.
Прямая и обратная цепочки рассуждений 5.3.3. Правила и метаправила Рекомендуемая
литература Упражнения ГЛАВА 6. Ассоциативные сети и системы
фреймов 6.1. Графы, деревья и сети 6.2. Ассоциативные сети 6.2.1.
Разделение видов узлов и когнитивная экономия 6.2.2. Анализ
адекватности ассоциативных сетей 6.3. Представление типовых объектов и
ситуаций 6.3.1. Основные понятия концепции фреймов 6.3.2. Фреймы и
графы 6.3.3. Значения по умолчанию и демоны 6.3.4. Множественное
наследование 6.3.5. Сравнение сетей и фреймов Рекомендуемая
литература Упражнения ГЛАВА 7. Объектно-ориентированное
программирование 7.1. Язык KRL 7.2. Языки LOOPS и FLAVORS 7.2.1.
Передача сообщений 7.2.2. Проблема наложения методов 7.2.3.
Метаклассы 7.3. Языки CLIPS и CLOS 7.3.1. Множественное
наследование в CLOS и CLIPS 7.3.2. Наложение методов в CLOS и CLIPS 7.3.3.
Метаклассы в CLOS и CLIPS 7.4. Множественное наследование в C++ 7.5.
Объектно-ориентированный анализ и конструирование экспертных систем Рекомендуемая
литература Упражнения ГЛАВА 8. Логическое программирование 8.1.
Формальные языки 8.1.1. Исчисление высказываний 8.1.2. Исчисление
предикатов 8.2. Язык PROLOG 8.3. Опровержение резолюций 8.3.1.
Принцип резолюций 8.3.2. Поиск доказательства в системе резолюций 8.4.
Процедурная дедукция в системе PLANNER 8.5. PROLOG и MBASE 8.5.1.
Правила поиска в языке PROLOG 8.5.2. Управление поиском в системе
MBASE Рекомендуемая литература Упражнения ГЛАВА 9.
Представление неопределенности знаний и данных 9.1. Источники
неопределенности 9.2. Экспертные системы и теория вероятностей 9.2.1.
Условная вероятность 9.2.2. Коэффициенты уверенности 9.2.3.
Коэффициенты уверенности и условные вероятности 9.3. Сомнительность и
возможность 9.3.1. Нечеткие множества 9.3.2. Нечеткая логика 9.3.3.
Теория возможности 9.4. Неопределенное состояние проблемы
неопределенности Рекомендуемая литература Упражнения ГЛАВА 10.
Приобретение знаний 10.1. Теоретический анализ процесса приобретения
знаний 10.1.1. Стадии приобретения знаний 10.1.2. Уровни анализа
знаний 10.1.3. Онтологический анализ 10.2. Оболочки экспертных
систем 10.2.1. Система ЕМYCIN 10.2.2. Сопровождение и
редактирование баз знаний с помощью программы TEIRESIAS 10.3.
Методы приобретения знаний 10.3.1. Использование опроса экспертов для
извлечения знаний в системе COMPASS 10.3.2. Автоматизация
процесса извлечения знаний в системе OPAL 10.3.3. Графический
интерфейс модели предметной области 10.3.4. Эффективность программы
OPAL 10.4. Приобретение новых знаний на основе существующих Рекомендуемая
литература Упражнения ГЛАВА 11. Эвристическая классификация (I) 11.1.
Классификация задач экспертных систем 11.2. Классификация методов
решения проблем 11.2.1. Эвристическое сопоставление 11.2.2.
Общность эвристической классификации 11.3. Классификация или
конструирование? Рекомендуемая литература Упражнения ГЛАВА 12.
Эвристическая классификация (II) 12.1. Инструментальные средства и
задачи, решаемые экспертной системой 12.2. Эвристическая
классификация в системах MUD и MORE 12.2.1. Модель предметной области
выполнения буровых работ 12.2.2. Стратегии приобретения знаний 12.2.3.
Использование коэффициентов уверенности в программе MORE 12.2.4.
Опыт эксплуатации системы MORE 12.3. Совершенствование стратегий 12.3.1.
Уроки проекта GUIDON 12.3.2. Структура задач в системе NEOMYCIN Рекомендуемая
литература Упражнения ГЛАВА 13. Иерархическое построение и
проверка гипотез 13.1. Влияние сложности пространства гипотез на
организацию работы системы 13.2. Структурированные объекты в CENTAUR 13.2.1.
Структура фреймов в CENTAUR 13.2.2. Правила, включенные в прототипы 13.3.
Формирование суждений на базе модели в системе INTERNIST 13.3.1.
Представление знаний в дереве заболеваний 13.3.2. Методика выделения
правдоподобных гипотез в INTERNIST 13.3.3. Проблемы, обнаруженные в
процессе эксплуатации системы INTERNIST 13.4. Рабочая среда инженерии
знаний TDE Рекомендуемая литература Упражнения ГЛАВА 14.
Решение проблем конструирования (I) 14.1. Области применения методов
конструктивного решения проблем 14.2. Система R1/XCON 14.2.1.
Компоненты и ограничения 14.2.2. Использование текущего контекста для
управления структурой задачи 14.2.3. Формирование суждений с учетом
ограничений: метод Match 14.3. Использование знаний, развитие и
расширение системы XCON 14.3.1. Извлечение знаний в системе R1/XCON 14.3.2.
Совершенствование и расширение системы R1/XCON Рекомендуемая
литература Упражнения ГЛАВА 15. Решение проблем конструирования
(II) 15.1. Стратегии конструирования 15.2. Архитектура систем
планирования и метапланирования 15.3. Извлечение, представление и
применение знаний о проектировании 15.3.1. Реализация обратного
прослеживания в системе VT 15.3.2. Приобретение знаний с помощью
системы SALT 15.4. Итоги анализа систем решения проблем
конструирования Рекомендуемая литература Упражнения ГЛАВА 16.
Средства формирования пояснений 16.1. Формирование пояснений на
основе знаний 16.1.1. Подсистема формирования пояснений в MYCIN 16.1.2.
Формирование пояснений в системах, производных от MYCIN 16.1.3.
Формирование пояснений на основе фреймов 16.1.4. Организация вывода
пояснений в системе CENTAUR 16.1.5. Использование мультимедийного
интерфейса для формирования пояснений 16.2. Формирование пояснений и
автоматическое программирование 16.2.1. Автоматическое
программирование в системе XPLAN 16.2.2. Проект Explainable Expert
Systems 16.2.3. Планирование текстов пояснений и модели пользователей
в PEA 16.3. Перспективы дальнейших исследований методов формирования
пояснений Рекомендуемая литература Упражнения ГЛАВА 17.
Инструментальные средства разработки экспертных систем 17.1. Общая
характеристика инструментальных средств для построения экспертных систем 17.2.
Оболочки экспертных систем 17.3. Языки программирования высокого
уровня 17.3.1. Языки описания порождающих правил 17.3.2.
Объектно-ориентированные языки 17.3.3. Языки логического
программирования экспертных систем 17.3.4. Многофункциональные
программные среды 17.3.5. Дополнительные модули 17.4.
Использование инструментальных средств 17.4.1. Характерные сложности и
способы их избежать 17.4.2. Выбор подходящего инструментария для
разработки экспертной системы 17.4.3. Практическое освоение
инструментальных средств 17.4.4. Стиль программирования 17.5.
Некоторые максимы разработки экспертных систем Рекомендуемая
литература Упражнения ГЛАВА 18. Системы с доской объявлений 18.1.
Принципы организации систем с доской объявлений 18.2. Системы
HEARSAY, AGE и ОРМ 18.2.1. Почему для HEARSAY-I1 выбрана такая
архитектура 18.2.2. Использование источников знаний в HEARSAY-II 18.2.3.
Система HEARSAY-ПІ — оболочка для создания систем с доской объявлений 18.2.4.
Инструментальные среды AGE и ОРМ 18.3. Среда с доской объявлений ВВ 18.3.1.
Уровни абстракции в среде ВВ 18.3.2. Системы ВВІ и ACCORD 18.3.3.
Система PROTEAN 18.3.4. Интеграция стратегий логического вывода 18.3.5.
Общая характеристика ВВ 18.4. Эффективность и гибкость модели с
доской объявлений 18.4.1. Организация доски объявлений в системе GBB 18.4.2.
Компоновка доски объявлений в среде ERASMUS 18.5. Организация
параллельных вычислений в системах CAGE и POLIGON Рекомендуемая
литература Упражнения ГЛАВА 19. Система отслеживания истинности
предположений 19.1. Отслеживание зависимостей 19.1.1. Релаксация в
сети 19.1.2. Пересмотр допущений 19.2. Пересмотр теорий
высказываний 19.3. Немонотонное обоснование 19.4. Работа со
множеством контекстов 19.4.1. Отслеживание истинности предположений,
основанное на анализе допущений 19.4.2. Использование систем
отслеживания истинности предположений для диагностирования на основе
моделей 19.5. Сравнение различных вариантов организации систем
отслеживания истинности предположений Рекомендуемая литература Упражнения ГЛАВА
20. Формирование знаний на основе машинного обучения 20.1.
Индуктивное обучение 20.2. Система Meta-DENDRAL 20.2.1.
Формирование и уточнение правил 20.2.2. Пространство версий 20.2.3.
Алгоритм отсеивания кандидатов 20.2.4. Сопоставление экземпляров с
образцами в Meta-DENDRAL 20.3. Построение дерева решений и
порождающих правил 20.3.1. Структура дерева решений 20.3.2.
Алгоритм формирования дерева решений по обучающей выборке 20.4.
Уточнение наборов правил Рекомендуемая литература Упражнения ГЛАВА
21. Сети доверия 21.1. Теория Демпстера—Шефера 21.1.1. Функции
доверия 21.1.2. Применение теории Демпстера—Шефера к системе MYCIN 21.2.
Методика Перла 21.3. Сравнение методов неточных рассуждений 21.4.
Резюме Рекомендуемая литература Упражнения ГЛАВА 22.
Рассуждения, основанные на прецедентах 22.1. База прецедентов 22.1.1.
Программа CHEF 22.1.2. Методы извлечения и адаптации прецедентов 22.2.
Обучение с помощью компьютера: система С АТО 22.2.1. Предметная
область программы САТО 22.2.2. Расследования и рассуждения в
юриспруденции 22.2.3. Обучение с помощью системы САТО 22.3.
Формирование отчетов в системе FRANK 22.4. Сравнение систем,
основанных на правилах и прецедентах Рекомендуемая литература Упражнения
ГЛАВА 23. Гибридные системы 23.1. Методы обучения в системе
ODYSSEUS 23.2. Системы ODYSSEUS и MINERVA 23.2.1. Оболочка
экспертной системы MINERVA 23.2.2. Обучение в системе ODYSSEUS 23.3.
Использование прецедентов для обработки исключений 23.4. Гибридный
символический подход и нейронные сети 23.4.1. Нейронные сети 23.4.2.
SCALIR — гибридная система для извлечения правовой информации 23.4.3.
Организация обучения в системе SCALIR 23.5. Будущее гибридных систем Рекомендуемая
литература Упражнения ГЛАВА 24. Заключение 24.1. Загадка
искусственного интеллекта 24.2. Представление знаний 24.3. Языки
программирования систем искусственного интеллекта 24.4. Решение
практических проблем 24.5. Архитектура экспертных систем Рекомендуемая
литература ПРИЛОЖЕНИЕ. Программирование на языке CLIPS А. 1.
Краткая история CLIPS А.2. Правила и функции в CLIPS А.2.1. Факты А.2.2.
Правила А.2.3. Наблюдение за процессом интерпретации А.2.4.
Использование шаблонов А.2.5. Определение функций А.3.
Объектно-ориентированные средства в CLIPS А.4. Задача "Правдолюбцы и
лжецы" А.4.1. Анализ проблемы А.4.2. Онтологический анализ и
представление знаний А.4.3. Разработка правил А.4.4. Расширение
набора правил — работа с составными высказываниями А.4.5. Обратное
прослеживание и множество контекстов А.4.6. Обработка
метавысказываний А.4.7. Полный листинг программы А.5. Стиль
программирования на языке CLIPS Упражнения Литература Предметный
указатель
