а天堂最新版中文在线,国产盗摄XXXX视频XXXX

內容簡介

　　知識庫系統(tǒng)”是人工智能的一個重要分支，是近年來發(fā)展起來的一門綜合性的新興學科。隨著計算機科學技術和人工智能技術的迅速發(fā)展，基于知識的智能系統(tǒng)已在工業(yè)、農業(yè)、軍事和科教等國民經濟領域得到廣泛應用；與此同時，人們對智能系統(tǒng)的要求和期望也越來越高，迫切希望它們能有效地解決更加復雜的問題。實踐證明，任何一個智能系統(tǒng)的行為都離不開知識，如何合理地存貯、組織、管理、應用和共享知識是所有智能系統(tǒng)深入發(fā)展所面臨的共同問題。本書以知識庫系統(tǒng)的發(fā)展為主線，結合知識處理和數據庫技術的最新成果，全面地介紹了知識庫系統(tǒng)的基礎理論、技術進展、現有成就和今后的發(fā)展趨勢。本書第l章是知識庫系統(tǒng)的概還，簡要介紹了知識和知識庫的定義、知識庫系統(tǒng)的結構和相關的技術，使讀者對本書有一個全面的了解。一階謂詞邏輯語言是最基本的知識表示工具，也是邏輯程序設計的基礎，第2章在扼要闡述一階謂詞邏輯原理的基礎上介紹了近十余年發(fā)展起來的非經典邏輯及其在知識庫系統(tǒng)中的應用。

作者簡介

暫缺《知識庫系統(tǒng)原理》作者簡介

圖書目錄

1  知識庫系統(tǒng)概述
1. 1  引言
1. 2  知識及其特性
1. 2. 1  數據和信息
1. 2. 2  知識的定義
1. 2. 3  知識的層次
1. 2. 4  知識的類型
1. 3  知識表示
1. 3. 1  自然語言
1. 3. 2  知識的形式化表示
1. 3. 3  不確定性知識的表示
1. 4  知識的運用
1. 4. 1  知識的搜索技術
1. 4. 2  知識的推理方法
1. 5  知識庫和知識庫系統(tǒng)
1. 5. 1  定義
1. 5. 2  知識庫的推理和維護
1. 6  知識庫系統(tǒng)構造技術
目錄
1  知識庫系統(tǒng)概述
1. 1  引言
1. 2  知識及其特性
1. 2. 1  數據和信息
1. 2. 2  知識的定義
1. 2. 3  知識的層次
1. 2. 4  知識的類型
1. 3  知識表示
1. 3. 1  自然語言
1. 3. 2  知識的形式化表示
1. 3. 3  不確定性知識的表示
1. 4  知識的運用
1. 4. 1  知識的搜索技術
1. 4. 2  知識的推理方法
1. 5  知識庫和知識庫系統(tǒng)
1. 5. 1  定義
1. 5. 2  知識庫的推理和維護
1. 6  知識庫系統(tǒng)構造技術
1. 6. 1  知識表示模式
1. 6. 2  問題求解方法
1. 6. 3  知識獲取
1. 7  小結
2  知識的邏輯表達
2. 1  關于推理的簡要討論
2. 1. 1  命題和斷言
2. 1. 2  一致性檢查
2. 1. 3  演繹
2. 1. 4  形式化方法
2. 2  一階謂詞邏輯
2. 2. 1  引言
2. 2. 2  一階謂詞邏輯語言的句法
2. 2. 3  一階謂詞邏輯語言的語義
2. 2. 4  命題邏輯中的歸結推理方法
2. 3  非經典邏輯在知識處理中的應用
2. 3. 1  引言
2. 3. 2多分類邏輯
2. 3. 3  模態(tài)邏輯
2. 3. 4  非單調邏輯
2. 3. 5  時序邏輯
2. 3. 6  模糊邏輯
2. 4  小結
3  基于關系的知識表示
3. 1  知識的關系表示
3. 1. 1  關系結構
3. 1. 2  關系
3. 1. 3  關系模型
3. 1. 4  關系代數
3. 1. 5  關系計算
3. 2  二元關系知識庫
3, 2. 1  系統(tǒng)的描述
3. 2. 2  語義一致性檢查
3. 2. 3  存在的問題
4  面向對象的知識表示
4. 1  對象類及其特性
4. 1. 1  對象類的定義
4. 1. 2  繼承性
4. 1. 3  封裝性
4. 1. 4  動態(tài)聯編
4. 1. 5  消息發(fā)送
4. 1. 6  對象類和例示的關系
4. 2  基于框架的知識表示
4. 2. 1  基本概念
4. 2. 2  基于框架的推理
4. 3  基于案例的推理--CBR
4. 3. 1  CBR循環(huán)
4. 3. 2  案例的檢索
4. 3. 3  案例的修改
4. 3. 4  錯誤結論的處理
4. 3. 5  基于案例的推理和學習系統(tǒng)--CREEK
4. 4  小結
5  基于規(guī)則的知識表示
5. 1  產生式和產生式系統(tǒng)
5. 2  基于規(guī)則的知識表示
5. 2. 1  基于規(guī)則的系統(tǒng)
5. 2. 2  基于規(guī)則系統(tǒng)的結構
5. 2. 3  基于規(guī)則系統(tǒng)的特點
5. 2. 4  基于規(guī)則系統(tǒng)的實例
5. 3  規(guī)則和知識庫
5. 3. 1  一致性維護
5. 3. 2  封閉性世界假定
5. 3. 3  在規(guī)則中使用變量
5. 4  數據驅動和目標驅動求解方法
5. 4. 1  數據驅動方法
5. 4. 2  規(guī)則中變量的例示
5. 4. 3  Rete算法
5. 4. 4  目標驅動求解方法
5. 4. 5  混合方法
5. 5  搜索策略
5. 5. 1  沖突解決方案
5. 5. 2  深度優(yōu)先和寬度優(yōu)先搜索
5. 5. 3  啟發(fā)式搜索
5. 5. 4  規(guī)則關系網絡
5. 6  解釋機制
5. 7  小結
6  基于模型的知識表示
6. 1  深層模型和淺層模型
6. 1. 1  淺層知識模型
6. 1. 2  深層知識模型
6. 1. 3  混合知識模型
6. 2  基于模型的知識表示
6. 2. 1  規(guī)則的局限性
6. 2. 2  功能. 結構和狀態(tài)建模
6. 2. 3  模型的使用
6. 2. 4  監(jiān)控
6. 2. 5  試探性診斷
6. 2. 6  故障模擬
6. 2. 7  使用問題樹
6. 3  小結
7  不確定知識的表示與推理
7. 1  引言
7. 2  概率論
7. 2. 1  基本概念
7. 2. 2  貝葉斯(Bayes)規(guī)則
7. 2. 3  貝葉斯規(guī)則的另一種表示方法
7. 2. 4  一個實例
7. 2. 5  概率論處理不確定性的缺陷
7. 3  置信度理論
7. 3. 1  引言
7. 3. 2  條件部分置信度值小于1. 0的規(guī)則
7. 3. 3  復合條件
7. 3. 4  實例
7. 3. 5  置信度理論和概率論的相互關系
7. 3. 6  置信度理論的優(yōu)點
7. 4  證據理論
7. 4. 1  命題和集合
7. 4. 2  基本概率賦值函數
7. 4. 3  信任函數
7. 4, 4  似然函數和信任區(qū)間
7. 4. 5  組合概率賦值函數和信任函數
7. 4. 6  應用實例
7. 5  可能性理論
7. 6  發(fā)生率計算
7. 6. 1  純數值機制的限制
7. 6. 2  事件
7. 6. 3  發(fā)生率計算
7. 6. 4  加權概率
7. 6. 5  事件的表示
7. 6. 6  事件的使用
7. 7  1  INFERNO
7. 7. 1  引言
7. 7. 2  INFERNO中的不確定性的傳播
8  知識獲取
8. 1  知識獲取及其過程
8. 2  知識分析
8. 3  知識獲取中的模型
8. 4  自動知識獲取
8. 4. 1  歸納法符號學習
8. 4. 2  優(yōu)化算法
8. 4. 3  人工神經網絡
8. 5  基于數據庫的知識發(fā)現-KDD
8. 5. 1  引言
8. 5. 2  用數據庫作為知識源
8. 5. 3  知識發(fā)現的過程
8. 5. 4  知識發(fā)現的方法
8. 5. 5  AKS原理及總體結構
8. 6  小結
9  高性能知識庫系統(tǒng)--HPKB
9. 1  HPKB概述
9. 1. 1  開發(fā)HPKB的目的
9. 1. 2  HPKB的關鍵技術
9. 1. 3  HPKB的任務和功能模塊
9. 2  本體知識庫
9. 2. 1  什么是本體
9. 2. 2  本體知識表示語言MELD
9. 2. 3HPKB本體知識庫的層次結構
9. 2. 4  本體知識庫推理機制
9. 3  HPKB的知識獲取
9. 3. 1  知識獲取工具HAWK
9. 3. 2  從領域本體中生成獲取知識的工具
9. 4  小結