Fuzzy Expert Systems and Fuzzy Reasoning (Hardcover)
暫譯: 模糊專家系統與模糊推理（精裝版）

William Siler, James J. Buckley

Fuzzy Expert Systems and Fuzzy Reasoning (Hardcover)
  • 出版商: Wiley
  • 出版日期: 2004-12-01
  • 售價: $6,370
  • 貴賓價: 9.5 折 $6,052
  • 語言: 英文
  • 頁數: 424
  • 裝訂: Hardcover
  • ISBN: 0471388599
  • ISBN-13: 9780471388593

    • 已絕版

買這商品的人也買了...

相關主題

商品描述

Descriptions:

Coverage is accessible to practitioners and academic readers alike.
* Features end-of-chapter problems with answers provided in an appendix.
* Includes discussions of rule-based systems not available in any other book.
* Includes problem sets and tutorial programs available on the Wiley ftp site.

 

Table of Contents:

Preface.

1 Introduction.

1.1 Characteristics of Expert Systems.

1.2 Neural Nets.

1.3 Symbolic Reasoning.

1.4 Developing a Rule-Based Expert System.

1.5 Fuzzy Rule-Based Systems.

1.6 Problems in Learning How to Construct Fuzzy Expert Systems.

1.7 Tools for Learning How to Construct Fuzzy Expert Systems.

1.8 Auxiliary Reading.

1.9 Summary.

1.10 Questions.

2 Rule-Based Systems: Overview.

2.1 Expert Knowledge: Rules and Data.

2.2 Rule Antecedent and Consequent.

2.3 Data-Driven Systems.

2.4 Run and Command Modes.

2.5 Forward and Backward Chaining.

2.6 Program Modularization and Blackboard Systems.

2.7 Handling Uncertainties in an Expert System.

2.8 Summary.

2.9 Questions.

3 Fuzzy Logic, Fuzzy Sets, and Fuzzy Numbers: I.

3.1 Classical Logic.

3.2 Elementary Fuzzy Logic and Fuzzy Propositions.

3.3 Fuzzy Sets.

3.4 Fuzzy Relations.

3.5 Truth Value of Fuzzy Propositions.

3.6 Fuzzification and Defuzzification.

3.7 Questions.

4 Fuzzy Logic, Fuzzy Sets, and Fuzzy Numbers: II.

4.1 Introduction.

4.2 Algebra of Fuzzy Sets.

4.3 Approximate Reasoning.

4.4 Hedges.

4.5 Fuzzy Arithmetic.

4.6 Comparisons between Fuzzy Numbers.

4.7 Fuzzy Propositions.

4.8 Questions.

5 Combining Uncertainties.

5.1 Generalizing AND and OR Operators.

5.2 Combining Single Truth Values.

5.3 Combining Fuzzy Numbers and Membership Functions.

5.4 Bayesian Methods.

5.5 The Dempster–Shafer Method.

5.6 Summary.

5.7 Questions.

6 Inference in an Expert System I.

6.1 Overview.

6.2 Types of Fuzzy Inference.

6.3 Nature of Inference in a Fuzzy Expert System.

6.4 Modification and Assignment of Truth Values.

6.5 Approximate Reasoning.

6.6 Tests of Procedures to Obtain the Truth Value of a Consequent from the Truth Value of Its Antecedent.

6.7 Summary.

6.8 Questions.

7 Inference in a Fuzzy Expert System II: Modification of Data and Truth Values.

7.1 Modification of Existing Data by Rule Consequent Instructions.

7.2 Modification of Numeric Discrete Fuzzy Sets: Linguistic Variables and Linguistic Terms.

7.3 Selection of Reasoning Type and Grade-of-Membership Initialization.

7.4 Fuzzification and Defuzzification.

7.5 Non-numeric Discrete Fuzzy Sets.

7.6 Discrete Fuzzy Sets: Fuzziness, Ambiguity, and Contradiction.

7.7 Invalidation of Data: Non-monotonic Reasoning.

7.8 Modification of Values of Data.

7.9 Modeling the Entire Rule Space.

7.10 Reducing the Number of Classification Rules Required in the Conventional Intersection Rule Configuration.

7.11 Summary.

7.12 Questions.

8 Resolving Contradictions: Possibility and Necessity.

8.1 Definition of Possibility and Necessity.

8.2 Possibility and Necessity Suitable for MultiStep Rule-Based Fuzzy Reasoning.

8.3 Modification of Truth Values During a Fuzzy Reasoning Process.

8.4 Formulation of Rules for Possibility and Necessity.

8.5 Resolving Contradictions Using Possibility in a Necessity-Based System.

8.6 Summary.

8.7 Questions.

9 Expert System Shells and the Integrated Development Environment (IDE).

9.1 Overview.

9.2 Help Files.

9.3 Program Editing.

9.4 Running the Program.

9.5 Features of General-Purpose Fuzzy Expert Systems.

9.6 Program Debugging.

9.7 Summary.

9.8 Questions.

10 Simple Example Programs.

10.1 Simple FLOPS Programs.

10.2 Numbers.fps.

10.3 Sum.fps.

10.4 Sum.par.

10.5 Comparison of Serial and Parallel FLOPS.

10.6 Membership Functions, Fuzzification and Defuzzification.

10.7 Summary.

10.8 Questions.

11 Running and Debugging Fuzzy Expert Systems I: Parallel Programs.

11.1 Overview.

11.2 Debugging Tools.

11.3 Debugging Short Simple Programs.

11.4 Isolating the Bug: System Modularization.

11.5 The Debug Run.

11.6 Interrupting the Program for Debug Checks.

11.7 Locating Program Defects with Debug Commands.

11.8 Summary.

11.9 Questions.

12 Running and Debugging Expert Systems II: Sequential Rule-Firing.

12.1 Data Acquisition: From a User Versus Automatically Acquired.

12.2 Ways of Solving a Tree-Search Problem.

12.3 Expert Knowledge in Rules; auto1.fps.

12.4 Expert Knowledge in a Database: auto2.fps.

12.5 Other Applications of Sequential Rule Firing.

12.5.1 Missionaries and Cannibals.

12.6 Rules that Make Themselves Refireable: Runaway Programs and Recursion.

12.7 Summary.

12.8 Questions.

13 Solving “What?” Problems when the Answer is Expressed in Words.

13.1 General Methods.

13.2 Iris.par: What Species Is It?

13.3 Echocardiogram Pattern Recognition.

13.4 Schizo.par.

13.5 Discussion.

13.6 Questions.

14 Programs that Can Learn from Experience.

14.1 General Methods.

14.2 Pavlov1.par: Learning by Adding Rules.

14.3 Pavlov2.par: Learning by Adding Facts to Long-Term Memory.

14.4 Defining New Data Elements and New: RULEGEN.FPS.

14.5 Most General Way of Creating New Rules and Data Descriptors.

14.6 Discussion.

14.7 Questions.

15 Running On-Line in Real-Time.

15.1 Overview of On-Line Real-Time Work.

15.2 Input/Output On-Line in Real-Time.

15.3 On-Line Real-Time Processing.

15.4 Types of Rules Useful in Real-Time On-Line Work.

15.5 Memory Management.

15.6 Development of On-Line Real-Time Programs.

15.7 Speeding Up a Program.

15.8 Debugging Real-Time Online Programs.

15.9 Discussion.

15.10 Questions.

Appendix.

Answers.

References.

Index.

商品描述(中文翻譯)

描述：
本書的內容對於實務工作者和學術讀者皆可輕易接觸。
* 每章結尾都有問題，並在附錄中提供答案。
* 包含其他書籍中未提供的基於規則的系統討論。
* 包含可在Wiley ftp網站上獲得的問題集和教學程式。

目錄：
前言。
1 介紹。
1.1 專家系統的特徵。
1.2 神經網絡。
1.3 符號推理。
1.4 開發基於規則的專家系統。
1.5 模糊基於規則的系統。
1.6 學習如何構建模糊專家系統的問題。
1.7 學習如何構建模糊專家系統的工具。
1.8 附加閱讀。
1.9 總結。
1.10 問題。
2 基於規則的系統：概述。
2.1 專家知識：規則和數據。
2.2 規則的前提和結果。
2.3 數據驅動系統。
2.4 運行和命令模式。
2.5 前向和後向鏈接。
2.6 程式模組化和黑板系統。
2.7 在專家系統中處理不確定性。
2.8 總結。
2.9 問題。
3 模糊邏輯、模糊集合和模糊數字：I。
3.1 經典邏輯。
3.2 基本模糊邏輯和模糊命題。
3.3 模糊集合。
3.4 模糊關係。
3.5 模糊命題的真值。
3.6 模糊化和去模糊化。
3.7 問題。
4 模糊邏輯、模糊集合和模糊數字：II。
4.1 介紹。
4.2 模糊集合的代數。
4.3 近似推理。
4.4 邊界。
4.5 模糊算術。
4.6 模糊數字之間的比較。
4.7 模糊命題。
4.8 問題。
5 結合不確定性。
5.1 一般化AND和OR運算符。
5.2 結合單一真值。
5.3 結合模糊數字和隸屬函數。
5.4 貝葉斯方法。
5.5 Dempster–Shafer方法。
5.6 總結。
5.7 問題。
6 專家系統中的推理 I。
6.1 概述。
6.2 模糊推理的類型。
6.3 模糊專家系統中的推理性質。
6.4 真值的修改和分配。
6.5 近似推理。
6.6 獲取結果的真值的程序測試。
6.7 總結。
6.8 問題。
7 模糊專家系統中的推理 II：數據和真值的修改。
7.1 通過規則結果指令修改現有數據。
7.2 修改數值離散模糊集合：語言變數和語言術語。
7.3 選擇推理類型和隸屬度初始化。
7.4 模糊化和去模糊化。
7.5 非數值離散模糊集合。
7.6 離散模糊集合：模糊性、歧義和矛盾。
7.7 數據的無效化：非單調推理。
7.8 修改數據的值。
7.9 建模整個規則空間。
7.10 減少傳統交集規則配置中所需的分類規則數量。
7.11 總結。
7.12 問題。
8 解決矛盾：可能性和必要性。
8.1 可能性和必要性的定義。
8.2 適合多步驟基於規則的模糊推理的可能性和必要性。
8.3 在模糊推理過程中修改真值。
8.4 可能性和必要性的規則制定。
8.5 在基於必要性的系統中使用可能性解決矛盾。
8.6 總結。
8.7 問題。
9 專家系統外殼和集成開發環境 (IDE)。
9.1 概述。
9.2 幫助文件。
9.3 程式編輯。
9.4 運行程式。
9.5 通用模糊專家系統的特徵。
9.6 程式除錯。
9.7 總結。
9.8 問題。
10 簡單範例程式。
10.1 簡單的FLOPS程式。
10.2 Numbers.fps。
10.3 Sum.fps。
10.4 Sum.par。
10.5 串行和並行FLOPS的比較。
10.6 隸屬函數、模糊化和去模糊化。
10.7 總結。
10.8 問題。
11 運行和除錯模糊專家系統 I：並行程式。
11.1 概述。
11.2 除錯工具。
11.3 除錯短小簡單程式。
11.4 隔離錯誤：系統模組化。
11.5 除錯運行。
11.6 中斷程式以進行除錯檢查。
11.7 使用除錯命令定位程式缺陷。
11.8 總結。
11.9 問題。
12 運行和除錯專家系統 II：順序規則觸發。
12.1 數據獲取：來自用戶與自動獲取。
12.2 解決樹搜索問題的方法。
12.3 規則中的專家知識； auto1.fps。
12.4 數據庫中的專家知識：auto2.fps。
12.5 順序規則觸發的其他應用。
12.5.1 傳教士與食人族。
12.6 使其可重新觸發的規則：失控程式和遞歸。
12.7 總結。
12.8 問題。
13 解決「什麼？」問題，當答案以文字表達時。
13.1 一般方法。
13.2 Iris.par：這是什麼物種？
13.3 心臟超音波圖案識別。
13.4 Schizo.par。
13.5 討論。
13.6 問題。
14 能夠從經驗中學習的程式。
14.1 一般方法。
14.2 Pavlov1.par：通過添加規則學習。
14.3 Pavlov2.par：通過將事實添加到長期記憶中學習。
14.4 定義新數據元素和新：RULEGEN.FPS。
14.5 創建新規則和數據描述符的最一般方法。
14.6 討論。
14.7 問題。
15 在線實時運行。
15.1 在線實時工作的概述。
15.2 在線實時的輸入/輸出。
15.3 在線實時處理。
15.4 在實時在線工作中有用的規則類型。
15.5 記憶體管理。
15.6 在線實時程式的開發。
15.7 加速程式。
15.8 除錯實時在線程式。
15.9 討論。
15.10 問題。
附錄。

類似商品

最後瀏覽商品 (4)