人工智能中的图表推理

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