基于包含度的不確定推理

內(nèi)容概要

本書以作者提出包含度理論為指導，對不確定推理這一人工智能研究中最為活躍的研究領(lǐng)域的定量方法進行了系統(tǒng)的概括，其中前3章分別為：指出研究不確定推理的原理和方法的緒論，構(gòu)成全書的數(shù)學基礎(chǔ)的測試與信息，建立全書的一般方法和框架的包含度理論，其他5章是以包含度理論為基本原理，系統(tǒng)地概括率推理、證據(jù)推理、模糊推理、信息推理與計算推理，其中第7章還包括假設(shè)生成的方法與修正的方法。　　本書可作為研究人工智能和專家系統(tǒng)中不確定推理的參考書，也可作為應用數(shù)學、計算數(shù)學、系統(tǒng)科學、管理科學等專業(yè)的研究生教材。

書籍目錄

第1章　緒論　1.1　人工智能及其推理特征　1.2　常識推理的基本內(nèi)容　1.3　不確定推理原理與方法　1.4　本書的結(jié)構(gòu)第2章　測試與信息　2.1　經(jīng)典集合與模糊集合　2.2　粗糙集與隨機集　2.3　模糊測試及其性質(zhì)　　2.4　概率測試與貝葉斯公式　　2.5　信任測試與似然測試　　2.6　可能性測試與必然性測試　　2.7　模糊測試各類之間的關(guān)系　2.8　不確定性度量與信息第3章　包含度理論　　3.1　包含度的定義及其性質(zhì)　　3.2　包含度的生成方法　3.3　相似度及其在專家系統(tǒng)檢索中的應用　3.4　包含度在關(guān)系數(shù)據(jù)庫中的應用　3.5　包含度在形式背景中的應用　3.6　蘊涵度及其在中確定推理中的應用　3.7　專家系統(tǒng)中證據(jù)的合成、傳播與修正　　3.8　關(guān)系數(shù)據(jù)庫的隨機集表示第4章　概率推理　4.1　概率推理原理　4.2　貝葉斯網(wǎng)絡概率推理　4.3　主觀貝葉斯概率推理　4.4　主觀貝葉斯概率推理的討論　4.5　主觀概率推理的包含度方法　4.6　MYCIN確定因子概率推理方法　4.7　MYCIN確定因子的模糊擴張　4.8　概率推理的區(qū)間估計　第5章　證據(jù)推理　5.1　證據(jù)推理原理　5.2　關(guān)于證據(jù)推理的進一步討論　5.3　證據(jù)推理模式　　5.4　形式背景上的證據(jù)推理　5.5　模糊形式背景上的證據(jù)推理　5.6　隨機關(guān)系數(shù)據(jù)庫上的證據(jù)推理　5.7　基于隨機集的證據(jù)理論　　5.8　基于粗糙集的證據(jù)理論第6章　模糊推理　6.1　模糊推理原理　6.2　宏觀模糊推理　6.3　微觀模糊推理　6.4　Mamdani模糊推理　6.5　Lukasiewicz多值邏輯的模糊化　6.6　Mamdani模糊真值推理　6.7　Mamdani模糊推理的神經(jīng)網(wǎng)絡算法　6.8　模糊規(guī)則的協(xié)調(diào)性與矛盾規(guī)則的排除第7章　信息推理　7.1　信息推理原理　7.2　合情推理信息模型　7.3　概率命題的合情推理　7.4　關(guān)系數(shù)據(jù)庫上的合情推理　7.5　關(guān)系數(shù)據(jù)庫上的知識約簡　7.6　假設(shè)生成與創(chuàng)新思維　7.7　默認推理的包含度解釋　　7.8　知識庫的維護與修正第8章　計算推理　8.1　計算推理原理　8.2　單位敬意上的正則蘊涵算子　8.3　命題格以及命題格上的包含度　8.4　命題格上的真度理論　　8.5　命題格上的計算推理理論　　8.6　命題格上的近似推理參考文獻常用符號索引　

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    基于包含度的不確定推理 PDF格式下載

---