1 基于知识的智慧系统导言
1.1 智慧型机器概述 1-1
1.2 人工智慧发展历史 1-5
1.3 总结 1-20 复习题 2-24 参考文献 2-25

2 基于规则的专家系统
2.1 概述 2-1
2.2 规则是知识表达的技能 2-2
2.3 专家系统研发队伍中的主要参与者 2-5
2.4 基于规则的专家系统结构 2-7
2.5 专家系统的基本性能 2-10
2.6 前向连结和后向连结的推理技术 2-13
2.7 实例 2-18
2.8 冲突的解决方案 2-25
2.9 基于规则的专家系统的优缺点 2-29
2.10 总结 2-30 复习题 2-32 参考文献 2-33

3 基于规则的专家系统的不确定管理
3.1 不确定性简介 3-1
3.2 基本机率论 3-4
3.3 贝氏推理 3-7
3.3 贝氏推理 3-8
3.4 FORECAST：贝氏证据累积 3-11
3.5 贝氏方法的偏差 3-19
3.6 确定因数理论和证据推理 3-22
3.7 FORECAST：确定因数的应用 3-28
3.8 贝氏推理和确定因数的比较 3-30
3.9 总结 3-32 复习题 3-33 参考文献 3-34

4 模煳专家系统
4.1 概述 4-1
4.2 模煳集 4-4
4.3 语言变数和模煳限制语 4-10
4.4 模煳集的操作 4-14
4.5 模煳规则 4-19
4.6 模煳推理 4-22
4.7 建立模煳专家系统 4-32
4.8 总结 4-43 复习题 4-44 参考文献 4-45 参考书目 4-46

5 基于框架的专家系统
5.1 框架简介 5-1
5.2 作为知识表达技术的框架 5-3
5.3 基于框架系统中的继承 5-9
5.4 方法和守护程式 5-13
5.5 框架和规则的互动 5-18
5.6 基于框架的专家系统实例：BuySmart 5-22
5.7 总结 5-35 复习题 5-36 参考文献 5-37 参考书目 5-37

6 人工神经网路
6.1 脑工作机制简介 6-1
6.2 为简单计算元素的神经元 6-5
6.3 感知器 6-7
6.4 多层神经网路 6-12
6.5 多层神经网路的加速学习 6-23
6.6 Hopfield神经网路 6-26
6.7 双向相关记忆 6-34
6.8 自组织神经网路 6-39
6.9 总结 6-51 复习题 6-54 参考文献 6-55

7 演化计算
7.1 演化是智慧的吗？ 7-1
7.2 模拟自然演化 7-2
7.3 基因演算法 7-4
7.4 基因演算法如何工作 7-15
7.5 个案研究：用基因演算法来维护计画 7-18
7.6 演化策略 7-26
7.7 遗传程式设计 7-29
7.8 总结 7-39 复习题 7-41 参考文献 7-42 参考书目 7-43

8 混合智慧系统
8.1 概述 8-1
8.2 神经专家系统 8-3
8.3 神经模煳系统 8-12
8.4 ANFIS：自适应性神经模煳推理系统 8-20
8-5 演化神经网路 8-29
8.6 模煳演化系统 8-35
8.7 总结 8-41 复习题 8-43 参考文献 8-44

9 知识工程
9.1 知识工程简介 9-1
9.2 专家系统可以解决的问题 9-9
9.3 模煳专家系统可以解决的问题 9-19
9.4 神经网路可以解决的问题 9-28
9.5 基因演算法可以解决的问题 9-50
9.6 混合智慧系统可以解决的问题 9-55
9.7 总结 9-66 复习题 9-68 参考资料 9-72

10 资料探勘与知识发掘
10.1 前言，或者什么是资料探勘 10-1
10.2 统计方法和资料视觉化 10-5
10.3 主成份分析 10-12
10.4 关联资料库及资料库查询 10-24
10.5 资料仓储和多维度资料分析 10-30
10.6 决策树 10-41
10.7 关联规则和购物篮分析 10-50
10.8 总结 10-60 复习题 10-62 参考文献 10-63

附录 术语表 App-1
AI工具和厂商 App-39