人工智能中的图表推理

     《人工智能中的图表推理》结构清晰，首先介绍了当前人工智能领域的理论和应用局限。并且通过一个实例(人类视觉中的图表)介绍了人类思维模型，从而引出图表的概念。随后，本书详细介绍了图表的类型与相关应用。 本书适合于对人工智能基本原理有所了解的高等院校教师、学生、科研人员以及对人工智能感兴趣的工程技术人员作为参考。本书的作者Robbie T．Nakatsu博士目前是美国Loyola Marymount大学信息系统教授，其研究领域涉及智能用户接口、人机接口、人工智能应用和信息技术管理。全书由陈一民、樊清、史晓霞翻译。

     《人工智能中的图表推理》以一种全新的角度对人工智能及其应用领域中的技术和方法（即图表理论）进行了研究和探索。本书在介绍人工智能基本原理的同时，着重论述了当前图表理论在人工智能领域中的应用。
     本书详细介绍了图表的类型与相关应用，包括逻辑推理、基于规则的专家系统、基于规则的推理、基于模型的推理等。本书除了对静态图表的相关理论进行了论述外，也对交互式和动态图表进行了阐述，以便帮助研究者、程序员、智能系统设计人员和Web应用设计人员进行更深入的研究。
     《人工智能中的图表推理》可作为高等院校相关专业的高年级本科生、研究生、程序员、智能系统设计人员、Web应用设计人员及人工智能领域的相关研究人员的参考用书。本书的作者Robbie T．Nakatsu博士目前是美国Loyola Marymount大学信息系统教授，其研究领域涉及智能用户接口、人机接口、人工智能应用和信息技术管理。全书由陈一民、樊清、史晓霞翻译。

译者序
原书前言
第1章  引言：人工智能领域的局限
  1.1  引言
  1.2  人工智能的局限
    1.2.1  创造一台思考机器的困难
    1.2.2  缺乏常识性推理
    1.2.3  难以驾驭的特性
  1.3  智能系统的解释能力
    1.3.1  系统的透明度
    1.3.2  系统的灵活性
  1.4  人工智能的未来：面向交互式的图表
  参考文献
第2章  思维模型：在人眼中的图表
  2.1  思维模型的定义
  2.2  知识的组织
    2.2.1  内部连接
    2.2.2  外部连接
  2.3  讨论
  参考文献
第3章  图表的类型
  3.1  引言
  3.2  系统拓扑
  3.3  顺序和流程
    3.3.1  活动图表
    3.3.2  泳道：分割一幅活动图表
    3.3.3  案例研究：在急救室中的治疗类选法
  3.4  层次和分类
    3.4.1  组织图表
    3.4.2  遗传层次
    3.4.3  组成模型
  3.5  关联
    3.5.1  语义网络
    3.5.2  实体关系图表
  3.6  因果关系
    3.6.1  有向图
    3.6.2  其他符号系统
    3.6.3  因果关系推理中的谬论
  3.7  决策图表
    3.7.1  决策树
    3.7.2  影响图表
    3.7.3顺序的决策
  3.8  讨论
  参考文献
第4章  应用图表的逻辑推理
  4.1  引言
  4.2  论证图表
  4.3  用动态维恩图表进行逻辑推理
    4.3.1  维恩图表介绍
    4.3.2  通过维恩图表的演绎推论：第一个途径
    4.3.3  转换规则
  4.4  回顾演绎推理
    4.4.1  两种表示系统的检验：语言学(一阶逻辑)对应非语言学(维恩图表)
  参考文献
第5章  基于规则的专家系统
  5.1  引言
  5.2  基于规则的推理
    5.2.1  基于规则的专家系统的组成部分
    5.2.2  推理机
    5.2.3  冲突结果
    5.2.4  CLIPS
  5.3  利益与局限
    5.3.1  很难对专门技术进行提取
    5.3.2  不能捕获所有的知识
    5.3.3  专家系统不能够学习
    5.3.4  专家系统缺乏灵活性
    5.3.5  缺乏对专家系统的信任，同时在解释结果上面专家系统的能力有限
    5.3.6  专家系统很难检验和验证
  附录A  股票选择专家系统
  参考文献
第6章  带有图形的基于规则的推理
  6.1  专家系统的透明性
  6.2  用图表表示一个简单的专家系统
  6.3  更复杂的应用：运输模式选择
  6.4  知识库的分层模型
  6.5  专家系统的灵活性
  6.6  规则轨迹图
  6.7  策略知识
  6.8  讨论
  附录A  运输模式知识库
  参考文献
第7章  基于模型的推理
  7.1  基于模型的诊断
    7.1.1  排除一个简单设备的故障
    7.1.2  排除逻辑门设备故障
  7.2  设计商业后勤网络
    7.2.1  LogNet描述
    7.2.2  网络基准
  7.3  带有图形用户界面的可视化交互模型
  7.4  基于模型的推理：通向一个较好网络设计的向导
    7.4.1  网络整理
    7.4.2  网络分散
  7.5  使用LogNet解决问题：两个方案
  7.6  基于启发式搜索的调整
  7.7  讨论
参考文献
第8章  基于置信度与贝叶斯网络的不精确推理
  8.1  置信度
    8.1.1  信度网络
    8.1.2  恶意病毒检测系统
  8.2  概率论基本原理
    8.2.1  基本概念
    8.2.2  条件概率与贝叶斯定理
  8.3  贝叶斯网络
  8.4  讨论
  参考文献
第9章  理解图表推理的框架
  9.1  评估图表准则
    9.1.1  有效图表可以深化对系统的理解
    9.1.2  有效图表表述非常明确
    9.1.3  有效图表是最简的
    9.1.4  有效图表是相关的
    9.1.5  有效图表支持多层的描述
  9.2  比较两个图表：信息能力和计算能力
  9.3  超越静态图表
  9.4  编后：应用并超越人工智能技术的图形化用户界面
参考文献