世紀之交的知識工程與知識科學

第一部分  軟  計  算                  
     第1章  計算智能——神經(jīng)計算和遺傳算法技術(shù)  （張鈴 張鈸編）                  
     1. 1  引言                  
     1. 2  神經(jīng)計算                  
     1. 2. 1  歷史發(fā)展                  
     1. 2. 2  神經(jīng)網(wǎng)絡計算                  
     1. 2. 3  我們的工作                  
     1. 3  遺傳算法                  
     1. 3. 1  遺傳算法                  
     1. 3. 2  應用例子                  
     1. 4  分析                  
     1. 5  結(jié)論                  
     參考文獻                  
     第2章  模糊邏輯. 神經(jīng)元網(wǎng)絡和進化計算　?。ê涡沦F 梁久楨編）                  
     2. 1  引言                  
     2. 2  智能系統(tǒng)的特征                  
     2. 3  神經(jīng)元網(wǎng)絡                  
     2. 4  模糊邏輯和模糊推理網(wǎng)絡                  
     2. 5  模糊神經(jīng)元網(wǎng)絡                  
     2. 6  神經(jīng)元網(wǎng)絡的學習                  
     2. 7  神經(jīng)元網(wǎng)絡的進化                  
     2. 8  智能系統(tǒng)                  
     2. 9  應用                  
     2. 10  結(jié)語                  
     參考文獻                  
     第3章  基于Agent的計算　　?。ㄊ円?nbsp;徐晉暈編）                  
     3. 1  前言                  
     3. 2  Agent模型                  
     3. 2. 1  概述                  
     3. 2. 2  邏輯學方法                  
     3. 2. 3  經(jīng)濟學方法                  
     3. 2. 4  開放信息系統(tǒng)                  
     3. 3  MAS求解機制                  
     3. 3. 1  MAS問題求解                  
     3. 3. 2  理論基礎(chǔ)                  
     3. 3. 3  Agent組織                  
     3. 3. 4  協(xié)商和協(xié)調(diào)機制                  
     3. 3. 5  合作機制和任務分配                  
     3. 3. 6  個性. 社會性和規(guī)范                  
     3. 4  Agent技術(shù)和應用                  
     3. 4. 1  KQML和AOP                  
     3. 4. 2  應用                  
     參考文獻                  
     第4章  形象思維    （潘云鶴 耿衛(wèi)東編）                  
     4. 1  形象思維的認知機制研究綜述                  
     4. 1. 1  概述                  
     4. 1. 2  記憶中的形象信息表征                  
     4. 1. 3  形象思維與心象                  
     4. 1. 4  小結(jié)                  
     參考文獻                  
     4. 2  圖形圖像技術(shù)與形象思維模擬                  
     4. 2. 1  心象型信息的表達模擬                  
     4. 2. 2  心象型信息的操作模擬                  
     4. 2. 3  小結(jié)                  
     參考文獻                  
     4. 3  語義與視覺形象的集成及人工形象智能                  
     4. 3. 1  引言                  
     4. 3. 2  集成模型概述                  
     4. 3. 3  單路模型                  
     4. 3. 4  多路或模型                  
     4. 3. 5  多路與模型                  
     4. 3. 6  人工形象智能的提出                  
     參考文獻                  
     4. 4  綜合推理的理論與模型                  
     4. 4. 1  推理的發(fā)展概述                  
     4. 4. 2  綜合推理的模型                  
     4. 4. 3  綜合推理的特點                  
     4. 4. 4  綜合推理示例——多源類比生成                  
     4. 4. 5  小結(jié)                  
     參考文獻                  
     4. 5  形狀的心象型表達模型                  
     4. 5. 1  問題的提出                  
     4. 5. 2  形狀的心象型表達準則                  
     4. 5. 3  心象型表達模型的提出                  
     4. 5. 4  二維形狀的抽象表達                  
     4. 5. 5  三維形體的抽象表達模型                  
     4. 5. 6  模型的分析與評價                  
     參考文獻                  
     4. 6  形象思維模擬：實例研究                  
     4. 6. 1  語義到形狀的轉(zhuǎn)換：自動造型                  
     4. 6. 2  基于知識的真實感繪制                  
     4. 6. 3  融合視覺認知的工程視圖理解                  
     4. 6. 4  形象化語義的生成——CAD中的表達型繪制                  
     4. 6. 5  智能多媒體表現(xiàn)                  
     4. 6. 6  基于形象語義的壁畫檢索                  
     4. 6. 7  基于視頻知識的動畫                  
     參考文獻                  
     4. 7  形象思維研究展望                  
     參考文獻                  
     第二部分  自然語言處理                     
     第5章  自然語言理解與機器翻譯    （姚天順編）                  
     5. 1  前言                  
     5. 2  當今的自然語言理解                  
     5. 2. 1  自然語言理解的研究                  
     5. 2. 2  信息檢索                  
     5. 3  新世紀研究的設想                  
     5. 3. 1  開展語言信息處理的基礎(chǔ)研究                  
     5. 3. 2  統(tǒng)計方法進入了自然語言理解的新階段                  
     5. 3. 3  構(gòu)造結(jié)構(gòu)化語言模型                  
     5. 3. 4  基于語段的處理方法(Chunk—based Method)                  
     5. 4  結(jié)束語                  
     參考文獻                  
     第6章  形式文法與故事理解　　（張松懋編）                  
     6. 1  故事理解研究簡述                  
     6. 2  Rumelhart的故事文法及對其的不同評價                  
     6. 3  其他與故事理解有關(guān)的文法方法                  
     6. 4  故事生成中的形式文法                  
     6. 5  語言學和文學中的故事文法                  
     6. 6  我們的故事分析文法及其功能分析                  
     6. 7  故事理解形式化文法方法的研究趨勢                  
     參考文獻                  
     專家討論：自然語言處理方法論自議     （陸汝占 靳光瑾編）                  
     專家討論：理解“故事理解”   （陸汝占編）                  
     第三部分  非經(jīng)典邏輯                  
     第7章  開放邏輯：一個關(guān)于形式系統(tǒng)序列和極限的理論   （李未編）                  
     7. 1  公理化方法及其局限性                  
     7. 2  公理化進程                  
     7. 3  形式理論序列和極限                  
     7. 4  新假設與事實反駁                  
     7. 5  猜想與反駁序列                  
     7. 6  演繹與歸納                  
     7. 7  歸納序列                  
     7. 8  過程模式                  
     7. 9  結(jié)論與展望                  
     參考文獻                  
     第8章  模態(tài)邏輯和定理證明     （孫吉貴編）                  
     8. 1  引言                  
     8. 2  模態(tài)邏輯系統(tǒng)                  
     8. 2. 1  正規(guī)模態(tài)邏輯                  
     8. 2. 2  時態(tài)邏輯                  
     8. 3  模態(tài)邏輯推理方法                  
     8. 3. 1  模態(tài)邏輯的表推演方法                  
     8. 3. 2  子句型模態(tài)歸結(jié)方法                  
     8. 3. 3  模態(tài)非子句歸結(jié)方法                  
     8. 3. 4  模態(tài)邏輯的理論歸結(jié)方法                  
     8. 3. 5  模態(tài)邏輯轉(zhuǎn)換為經(jīng)典邏輯的推理方法                  
     8. 3. 6  模態(tài)邏輯的Gentzen相繼式演算                  
     8. 3. 7  模態(tài)邏輯的Matrix證明方法                  
     8. 4  模態(tài)推理器                  
     8. 5  模態(tài)推理展望                  
     參考文獻                  
     第9章  約束邏輯程序設計CLP——現(xiàn)狀與未來     （劉椿年編）                  
     9. 1  引言                  
     9. 2  語義基礎(chǔ)                  
     9. 2. 1  約束論域                  
     9. 2. 2  語法結(jié)構(gòu)                  
     9. 2. 3  狀態(tài)間的推導法則和推導序列                  
     9. 2. 4  CLP程序的操作語義                  
     9. 2. 5  例子                  
     9. 2. 6  其他語義和主要的理論結(jié)果                  
     9. 3  語言設計                  
     9. 3. 1  約束論域和約束求解算法——約束系統(tǒng)                  
     9. 3. 2  約束系統(tǒng)的宿主語言                  
     9. 3. 3  程序調(diào)試和可視化工具                  
     9. 4  實現(xiàn)技術(shù)                  
     9. 4. 1  CLP編譯器和抽象機                  
     9. 4. 2  CLP程序的全局分析技術(shù)                  
     9. 4. 3  CLP的并行實現(xiàn)                  
     9. 4. 4  CLP系統(tǒng)的一個實例                  
     9. 5  應用——CLP的建模技術(shù)                  
     9. 5. 1  實數(shù)論域上CLP(R)的建模技術(shù)                  
     9. 5. 2  離散論域上CLP(FD)的建模技術(shù)                  
     9. 6  相關(guān)學科                  
     9. 6. 1  人工智能與約束程序設計                  
     9. 6. 2  數(shù)據(jù)庫與約束程序設計                  
     9. 6. 3  人機接口與約束程序設計                  
     9. 6. 4  運籌學與約束程序設計                  
     9. 6. 5  并發(fā)性與約束程序設計                  
     9. 6. 6  機器人和控制論與約束程序設計                  
     9. 7  發(fā)展趨勢                  
     9. 7. 1  更為實用的約束系統(tǒng)和約束語言                  
     9. 7. 2  基于約束的分布式系統(tǒng)                  
     9. 7. 3  系統(tǒng)效率的進一步提高                  
     9. 7. 4  約束數(shù)據(jù)庫                  
     9. 7. 5  用戶接口與基于約束的嵌入式智能系統(tǒng)                  
     9. 7. 6  CLP與人工智能中一些領(lǐng)域的交叉研究                  
     9. 8  結(jié)束語                  
     參考文獻                  
     專家討論：分層約束邏輯程序設計(HCLP)    （孫吉貴 張永剛編）                  
     專家討論：模態(tài)邏輯與Rough集理論　　　　　　　?。▌⒋荒昃帲?nbsp;                 
     第四部分  非經(jīng)典推理                  
     第10章  關(guān)于行動推理的研究    （朱朝暉 戈也挺 陳世福 朱梧槚編）                  
     10. 1  引言                  
     10. 2  行動推理研究中的形式工具                  
     10. 3  框架問題的研究                  
     10. 3. 1  基于限定論的方法                  
     10. 3. 2  框架問題的Reiter解決方案                  
     10. 4  結(jié)果(ramifications)問題的研究                  
     10. 4. 1  PWA. PMA及極小變化原則                  
     10. 4. 2  極小原則與狀態(tài)變元的分類                  
     10. 4. 3  基于因果關(guān)系的方法                  
     10. 5  資格問題的研究                  
     10. 6  行動推理的元理論研究                  
     10. 7  行動推理理論在agent中的應用及行動推理研究趨勢                  
     10. 8  結(jié)束語                  
     參考文獻                  
     第11章  基于事例的推理系統(tǒng)    （劉大有 趙宇霆 艾景軍編）                  
     11. 1  引言                  
     11. 2  CBR研究的歷史和現(xiàn)狀                  
     11. 3  CBR思想                  
     11. 3. 1  什么是CBR                  
     11. 3. 2  CBR系統(tǒng)的特點                  
     11. 3. 3  CBR系統(tǒng)的整體結(jié)構(gòu)                  
     11. 4  CBR中的機器學習                  
     11. 4. 1  學習途徑                  
     11. 4. 2  學習策略                  
     11. 4. 3  學習方法                  
     11. 5  CBR方法                  
     11. 5. 1  事例表示                  
     11. 5. 2  索引                  
     11. 5. 3  事例檢索                  
     11. 5. 4  相似性度量                  
     11. 5. 5  適應性修改                  
     11. 5. 6  評估和學習                  
     11. 6  CBR方法與其他方法的結(jié)合                  
     11. 7  結(jié)論                  
     參考文獻                  
     第12章  關(guān)于基于模型的診斷    （姜云飛 歐陽丹彤編）                  
     12. 1  什么是基于模型的診斷                  
     12. 1. 1  基于模型診斷的思想                  
     12. 1. 2  基于模型診斷的形式定義                  
     12. 1. 3  基于模型診斷的示例                  
     12. 2  基于模型診斷的步驟                  
     12. 3  基于模型診斷的計算方法                  
     12. 3. 1  基于一致性極小診斷                  
     12. 3. 2  基本診斷                  
     12. 3. 3  基于一致性的中心診斷                  
     12. 3. 4  溯因診斷                  
     12. 4  基于模型的診斷與傳統(tǒng)的基于規(guī)則診斷的區(qū)別                  
     12. 4. 1  傳統(tǒng)的基于規(guī)則的診斷依賴于專家的經(jīng)驗                  
     12. 4. 2  基于模型的診斷依賴于元件的功能和元件間的連接                  
     12. 4. 3  基于規(guī)則的診斷系統(tǒng)類似于中醫(yī)診斷, 而基于模型的診斷系統(tǒng)類似于西醫(yī)診斷                  
     12. 5  基于模型診斷的優(yōu)點                  
     12. 6  基于模型診斷的應用研究領(lǐng)域                  
     12. 7  基于模型診斷的研究課題                  
     12. 8  基于模型診斷在應用方面的研究成果                  
     12. 9  我們在基于模型診斷上的研究工作                  
     參考文獻                  
     第五部分  機器學習                  
     第13章  機器學習：研究與分析    （王玨 白碩編）                  
     13. 1  機器學習研究概況                  
     13. 2  機器學習算法的基礎(chǔ)——優(yōu)化                  
     13. 2. 1  表示(數(shù)學基函數(shù)). 知識表示(模型)與機器學習(優(yōu)化算法)                  
     13. 2. 2  數(shù)據(jù)性質(zhì)                  
     13. 2. 3  目標函數(shù)與搜索策略                  
     13. 2. 4  小結(jié)                  
     13. 3  符號機器學習                  
     13. 3. 1  符號機器學習的一般描述                  
     13. 3. 2  AQ11與ID3                  
     13. 3. 3  Rough Set理論與差別矩陣原理                  
     13. 4  統(tǒng)計機器學習                  
     13. 4. 1  MP模型的幾何解釋                  
     13. 4. 2  Vapnik的支持向量機                  
     13. 4. 3  基于領(lǐng)域的空間劃分方法                  
     13. 4. 4  分析                  
     13. 4. 5  聚類分析                  
     13. 5  數(shù)據(jù)挖掘                  
     13. 5. 1  例子                  
     13. 5. 2  人的數(shù)據(jù)理解                  
     13. 5. 3  計算機數(shù)據(jù)理解                  
     13. 6  非結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)挖掘                  
     13. 6. 1  對非結(jié)構(gòu)化數(shù)據(jù)進行結(jié)構(gòu)化表示的三個層次                  
     13. 6. 2  文本挖掘與圖像挖掘                  
     13. 6. 3  半結(jié)構(gòu)化數(shù)據(jù)挖掘                  
     13. 6. 4  語言歸納機器學習                  
     13. 7  函數(shù)歸納機器學習                  
     13. 7. 1  BACON與AM                  
     13. 7. 2  遺傳程序設計                  
     13. 8  分析機器學習                  
     13. 8. 1  案例機器學習                  
     13. 8. 2  類比機器學習                  
     13. 8. 3  解釋機器學習                  
     13. 8. 4  小結(jié)                  
     13. 9  適應性計算                  
     13. 9. 1  環(huán)境                  
     13. 9. 2  適應性計算                  
     13. 9. 3  對用戶需求的適應——情感計算                  
     13. 10  總結(jié)與問題                  
     參考文獻                  
     第14章  數(shù)據(jù)采掘     （史忠植 葉施仁等）                  
     14. 1  引言                  
     14. 2  理論研究                  
     14. 2. 1  學習的認知問題                  
     14. 2. 2  歸納的邏輯問題                  
     14. 2. 3  學習的計算理論                  
     14. 3  采掘方法和算法                  
     14. 3. 1  統(tǒng)計方法                  
     14. 3. 2  機器學習                  
     14. 3. 3  神經(jīng)計算                  
     14. 3. 4  可視化                  
     14. 4  采掘?qū)ο蠛蛙浖ぞ?nbsp;                 
     14. 4. 1  面向關(guān)系數(shù)據(jù)庫                  
     14. 4. 2  面向文本                  
     14. 4. 3  面向Web                  
     14. 4. 4  面向空間數(shù)據(jù)                  
     14. 4. 5  面向圖像和視頻數(shù)據(jù)采掘                  
     14. 4. 6  多策略通用數(shù)據(jù)采掘工具MSMiner                  
     14. 5  應用                  
     14. 5. 1  商業(yè)應用                  
     14. 5. 2  科學應用                  
     14. 5. 3  政府部門                  
     14. 5. 4  工農(nóng)業(yè)生產(chǎn)                  
     14. 6  展望                  
     參考文獻                  
     第15章  Bayesian網(wǎng)學習    （劉大有 王飛等）                  
     15. 1  引言                  
     15. 2  Bayesian網(wǎng)的學習                  
     15. 2. 1  已知網(wǎng)絡結(jié)構(gòu), 完備數(shù)據(jù)條件下概率分布的學習                  
     15. 2. 2  已知網(wǎng)絡結(jié)構(gòu), 不完備數(shù)據(jù)條件下概率分布的學習                  
     15. 2. 3  網(wǎng)絡結(jié)構(gòu)學習                  
     15. 2. 4  當前的研究熱點和未來的研究趨向                  
     15. 2. 5  Bayesian網(wǎng)學習的成功應用                  
     參考文獻                  
     第六部分  知識處理                  
     第16章  知識工程中的本體論研究     （金芝編）                  
     16. 1  引言                  
     16. 2  本體論和本體：理論基礎(chǔ)                  
     16. 2. 1  什么是本體?                  
     16. 2. 2  建立本體要依據(jù)的原則                  
     16. 2. 3  本體的組成                  
     16. 2. 4  本體的分類                  
     16. 2. 5  總結(jié)                  
     16. 3  本體論和本體：當前的研究現(xiàn)狀和主要方法                  
     16. 3. 1  當前的研究現(xiàn)狀                  
     16. 3. 2  建立本體的主要方法                  
     16. 3. 3  表示本體的語言和建立本體的環(huán)境                  
     16. 4  將本體論推向應用                  
     16. 4. 1  本體與自然語言的研究                  
     16. 4. 2  信息檢索和信息集成                  
     16. 4. 3  企業(yè)模擬                  
     16. 4. 4  軟件需求獲取與需求工程                  
     16. 5  目前存在的問題和未來的發(fā)展方向                  
     參考文獻                  
     第17章  關(guān)于常識的研究    （陸汝鈐 姬廣峰編）                  
     17. 1  通向人工智能之路                  
     17. 2  常識的本質(zhì)                  
     17. 2. 1  什么是常識——一般學者的觀點                  
     17. 2. 2  什么課題屬于常識研究的范圍——人工智能專家的觀點                  
     17. 2. 3  常識處理不同于專業(yè)知識處理的主要之處是什么——計算機科學家的觀點                  
     17. 2. 4  常識問題論壇——研究常識的專家們提出的常識問題                  
     17. 2. 5  常識性知識的實用研究                  
     17. 3  常識哲學和常識心理學                  
     17. 3. 1  常識的三個層次和常識世界                  
     17. 3. 2  現(xiàn)象和本質(zhì)——人的認識如何完成                  
     17. 3. 3  常識心理學的三個學派                  
     17. 3. 4  心態(tài)的形式化表示                  
     17. 3. 5  與取消主義的論爭                  
     17. 4  常識的表示                  
     17. 4. 1  常識知識的Agent表示                  
     17. 4. 2  常識知識的本體論表示                  
     17. 4. 3  語境和本體                  
     17. 4. 4  常識表示語言                  
     17. 5  大規(guī)模常識知識庫                  
     17. 5. 1  關(guān)于知識共享的努力                  
     17. 5. 2  CYC計劃及相關(guān)工作                  
     17. 5. 3  本體庫和問題解決方法庫——當前常用的組合                  
     17. 5. 4  盤古計劃和盤古知識庫                  
     17. 6  常識知識庫上的推理                  
     17. 6. 1  常識推理的不同表現(xiàn)形式                  
     17. 6. 2  基于agent的分布式推理                  
     17. 6. 3  基于本體的聯(lián)想式推理                  
     17. 7  兩個帶理論性的難題                  
     17. 7. 1  常識知識的完備性問題                  
     17. 7. 2  自然語言表示的不精確問題