目錄
第二版前言
第一版前言
第1章 專家系統(tǒng)概述 1
1.1 專家系統(tǒng)的定義 1
1.2 專家系統(tǒng)的發(fā)展歷史 4
1.3 專家系統(tǒng)的分類 11
1.3.1 系統(tǒng)應(yīng)用領(lǐng)域 11
1.3.2 問(wèn)題求解任務(wù) 12
1.3.3 系統(tǒng)工作原理 16
1.4 專家系統(tǒng)的結(jié)構(gòu) 16
1.5 專家系統(tǒng)的特點(diǎn) 18
1.6 構(gòu)建專家系統(tǒng)的步驟 22
1.7 人在專家系統(tǒng)中的作用 24
1.8 本章小結(jié) 26
習(xí)題1 27
第2章 專家系統(tǒng)的知識(shí)表示和推理 28
2.1 知識(shí)表示 28
2.1.1 知識(shí)的類型 28
2.1.2 對(duì)象屬性值三元組 29
2.1.3 規(guī)則 30
2.1.4 框架 32
2.1.5 語(yǔ)義網(wǎng)絡(luò) 34
2.1.6 謂詞邏輯 35
2.2 知識(shí)獲取 37
2.2.1 基本概念和知識(shí)類型 37
2.2.2 知識(shí)提取任務(wù) 39
2.2.3 知識(shí)獲取的時(shí)間需求和困難 40
2.3 知識(shí)推理 41
2.3.1 人類的推理 41
2.3.2 機(jī)器的推理 43
2.4 不確定推理 44
2.4.1 關(guān)于證據(jù)的不確定性 44
2.4.2 關(guān)于結(jié)論的不確定性 45
2.4.3 多個(gè)規(guī)則支持同一事實(shí)的不確定性 46
2.5 基于規(guī)則的推理系統(tǒng) 47
2.6 模糊邏輯 48
2.6.1 模糊集合？模糊邏輯及其運(yùn)算 48
2.6.2 模糊邏輯推理 51
2.6.3 模糊判決方法 53
2.7 人工神經(jīng)網(wǎng)絡(luò) 54
2.7.1 人工神經(jīng)網(wǎng)絡(luò)研究的進(jìn)展 55
2.7.2 人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 56
2.7.3 人工神經(jīng)網(wǎng)絡(luò)的典型模型 58
2.7.4 基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示與推理 59
2.8 進(jìn)化計(jì)算 64
2.8.1 遺傳算法基本原理 64
2.8.2 遺傳算法求解步驟 67
2.9 免疫計(jì)算 72
2.9.1 自體和異體的知識(shí)表示 72
2.9.2 異體特征空間的表示 73
2.9.3 異體特征空間的搜索與推理 74
2.10 本章小結(jié) 77
習(xí)題2 78
第3章 專家系統(tǒng)的解釋機(jī)制 80
3.1 解釋機(jī)制的行為 80
3.2 解釋機(jī)制的要求 81
3.3 解釋機(jī)制的結(jié)構(gòu) 82
3.3.1 預(yù)制文本法 83
3.3.2 追蹤解釋法 83
3.3.3 策略解釋法 88
3.3.4 自動(dòng)程序員法 91
3.3.5 基于事實(shí)的自動(dòng)解釋機(jī)制 93
3.4 解釋機(jī)制的實(shí)現(xiàn) 94
3.4.1 預(yù)制文本法的實(shí)現(xiàn) 94
3.4.2 基于事實(shí)的自動(dòng)解釋機(jī)制的實(shí)現(xiàn) 95
3.5 解釋機(jī)制的Web可視化 98
3.5.1 基于Web的解釋界面設(shè)計(jì) 98
3.5.2 解釋信息的可視化顯示 99
3.5.3 解釋機(jī)制的Web可視化案例 100
3.6 本章小結(jié) 104
習(xí)題3 104
第4章 基于規(guī)則的專家系統(tǒng) 105
4.1 基于規(guī)則專家系統(tǒng)的發(fā)展 105
4.2 基于規(guī)則專家系統(tǒng)的工作模型 107
4.2.1 產(chǎn)生式系統(tǒng) 107
4.2.2 基于規(guī)則專家系統(tǒng)的工作模型和結(jié)構(gòu) 120
4.3 基于規(guī)則專家系統(tǒng)的特點(diǎn) 122
4.3.1 基于規(guī)則專家系統(tǒng)的優(yōu)點(diǎn) 122
4.3.2 基于規(guī)則專家系統(tǒng)的缺點(diǎn) 124
4.4 基于規(guī)則專家系統(tǒng)的設(shè)計(jì)過(guò)程 125
4.4.1 專家知識(shí)的描述 125
4.4.2 知識(shí)的使用和決策解釋 128
4.5 反向推理規(guī)則專家系統(tǒng)的設(shè)計(jì) 129
4.5.1 基于規(guī)則專家系統(tǒng)的一般設(shè)計(jì)方法 130
4.5.2 反向推理規(guī)則專家系統(tǒng)的設(shè)計(jì)任務(wù) 130
4.6 正向推理規(guī)則專家系統(tǒng)的設(shè)計(jì) 142
4.6.1 正向規(guī)則專家系統(tǒng)的一般設(shè)計(jì)方法 142
4.6.2 正向推理規(guī)則專家系統(tǒng)的設(shè)計(jì)任務(wù) 143
4.7 基于規(guī)則專家系統(tǒng)的設(shè)計(jì)示例 152
4.7.1 MYCIN概述 152
4.7.2 咨詢子系統(tǒng) 154
4.7.3 靜態(tài)數(shù)據(jù)庫(kù) 156
4.7.4 動(dòng)態(tài)數(shù)據(jù)庫(kù) 160
4.7.5 非精確推理 161
4.7.6 控制策略 163
4.8 基于規(guī)則專家系統(tǒng)的應(yīng)用實(shí)例 165
4.8.1 機(jī)器人規(guī)劃專家系統(tǒng) 165
4.8.2 基于模糊規(guī)則的飛機(jī)空氣動(dòng)力學(xué)特征預(yù)測(cè)專家系統(tǒng) 169
4.9 本章小結(jié) 175
習(xí)題4 176
第5章 基于框架的專家系統(tǒng) 178
5.1 基于框架的專家系統(tǒng)概述 178
5.2 框架的表示與推理 179
5.2.1 框架的表示 179
5.2.2 框架的推理 179
5.3 基于框架專家系統(tǒng)的定義和結(jié)構(gòu) 181
5.4 基于框架專家系統(tǒng)的概念剖析 182
5.4.1 框架的類剖析 182
5.4.2 框架的子類剖析 183
5.4.3 實(shí)例框架剖析 184
5.4.4 框架的屬性剖析 184
5.5 基于框架專家系統(tǒng)的繼承？槽和方法 185
5.5.1 基于框架專家系統(tǒng)的繼承 185
5.5.2 基于框架專家系統(tǒng)的槽 187
5.5.3 基于框架專家系統(tǒng)的方法 188
5.6 基于框架專家系統(tǒng)的設(shè)計(jì) 188
5.6.1 框架專家系統(tǒng)與規(guī)則專家系統(tǒng)的對(duì)比 188
5.6.2 基于框架專家系統(tǒng)的一般設(shè)計(jì)任務(wù) 190
5.7 基于框架專家系統(tǒng)的設(shè)計(jì)示例 201
5.7.1 基于槽的對(duì)象間通信 202
5.7.2 消息傳遞 203
5.8 基于框架專家系統(tǒng)的應(yīng)用實(shí)例 203
5.8.1 基于框架的系統(tǒng)知識(shí)表示與獲取 204
5.8.2 故障診斷推理與系統(tǒng)實(shí)現(xiàn) 206
5.9 本章小結(jié) 206
習(xí)題5 207
第6章 基于模型的專家系統(tǒng) 208
6.1 基于模型專家系統(tǒng)的提出 208
6.2 基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng) 210
6.2.1 傳統(tǒng)專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的集成 210
6.2.2 基于神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的結(jié)構(gòu) 211
6.2.3 基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)實(shí)例 212
6.3 基于概率模型的專家系統(tǒng) 216
6.3.1 主觀概率與MonteCarlo模擬 216
6.3.2 概率模型 217
6.4 基于模型專家系統(tǒng)的設(shè)計(jì)方法 219
6.4.1 因果時(shí)間本體論 219
6.4.2 推理系統(tǒng)設(shè)計(jì) 225
6.4.3 可變系統(tǒng)的本體論 228
6.5 基于模型專家系統(tǒng)的實(shí)例 229
6.5.1 核電站應(yīng)用實(shí)例 230
6.5.2 電路和汽車啟動(dòng)部分的實(shí)例 234
6.6 本章小結(jié) 236
習(xí)題6 237
第7章 基于Web的專家系統(tǒng) 238
7.1 基于Web專家系統(tǒng)的結(jié)構(gòu) 238
7.2 基于Web專家系統(tǒng)的應(yīng)用實(shí)例 243
7.2.1 基于Web的飛機(jī)故障遠(yuǎn)程診斷專家系統(tǒng) 243
7.2.2 基于Web的拖網(wǎng)絞機(jī)專家系統(tǒng) 245
7.2.3 基于Web的通用配套件選型專家系統(tǒng) 247
7.2.4 基于Web的苜蓿產(chǎn)品開(kāi)發(fā)與利用專家系統(tǒng) 251
7.2.5 基于Web的好萊塢經(jīng)理決策支持系統(tǒng) 251
7.3 基于Web專家系統(tǒng)的開(kāi)發(fā)工具 260
7.4 本章小結(jié) 264
習(xí)題7 265
第8章 實(shí)時(shí)專家系統(tǒng) 266
8.1 實(shí)時(shí)專家系統(tǒng)的定義和技術(shù)要求 266
8.1.1 實(shí)時(shí)專家系統(tǒng)的定義 266
8.1.2 實(shí)時(shí)專家系統(tǒng)的設(shè)計(jì)要求和技術(shù)要點(diǎn) 267
8.2 基于單片機(jī)的實(shí)時(shí)專家系統(tǒng) 268
8.2.1 基于單片機(jī)的實(shí)時(shí)專家系統(tǒng)結(jié)構(gòu) 268
8.2.2 基于單片機(jī)的實(shí)時(shí)專家系統(tǒng)案例分析 269
8.3 基于嵌入式系統(tǒng)的實(shí)時(shí)專家系統(tǒng) 270
8.3.1 基于嵌入式系統(tǒng)的實(shí)時(shí)專家系統(tǒng)結(jié)構(gòu) 271
8.3.2 基于嵌入式系統(tǒng)的實(shí)時(shí)專家系統(tǒng)案例 271
8.3.3 基于手機(jī)的實(shí)時(shí)專家系統(tǒng)案例 273
8.4 實(shí)時(shí)控制與決策的專家系統(tǒng)RTXPS 275
8.5 高爐監(jiān)控專家系統(tǒng) 276
8.6 實(shí)時(shí)專家系統(tǒng)研究的難點(diǎn)與生長(zhǎng)點(diǎn) 280
8.7 本章小結(jié) 282
習(xí)題8 283
第9章 專家系統(tǒng)的評(píng)估 284
9.1 評(píng)估專家系統(tǒng)的原因 284
9.1.1 發(fā)展專家系統(tǒng)的需要 284
9.1.2 專家系統(tǒng)評(píng)估的受益者 285
9.2 評(píng)估專家系統(tǒng)的內(nèi)容和時(shí)機(jī) 286
9.2.1 評(píng)估專家系統(tǒng)的內(nèi)容 286
9.2.2 評(píng)估專家系統(tǒng)的時(shí)機(jī) 289
9.3 專家系統(tǒng)的評(píng)估方法 291
9.4 專家系統(tǒng)的評(píng)估工具 293
9.4.1 一致性檢驗(yàn)程序 293
9.4.2 在數(shù)據(jù)庫(kù)中查找模式搜索程序 293
9.4.3 比較計(jì)算機(jī)結(jié)論與專家結(jié)論 294
9.5 專家系統(tǒng)的評(píng)估實(shí)例 295
9.5.1 多面評(píng)估方法實(shí)例 295
9.5.2 R1專家系統(tǒng)的評(píng)估實(shí)例 299
9.6 本章小結(jié) 302
習(xí)題9 303
第10章 專家系統(tǒng)的編程語(yǔ)言和開(kāi)發(fā)工具 304
10.1 概述 304
10.2 LISP 305
10.2.1 LISP的特點(diǎn)和數(shù)據(jù)結(jié)構(gòu) 305
10.2.2 LISP的基本函數(shù) 307
10.2.3 遞歸和迭代 310
10.2.4 LISP編程舉例 312
10.3 PROLOG 315
10.3.1 PROLOG語(yǔ)法與數(shù)據(jù)結(jié)構(gòu) 315
10.3.2 PROLOG程序設(shè)計(jì)原理 316
10.3.3 PROLOG編程舉例 318
10.4 基于Web專家系統(tǒng)的編程語(yǔ)言 319
10.4.1 Java語(yǔ)言 319
10.4.2 JavaScript語(yǔ)言 320
10.4.3 JSP語(yǔ)言 321
10.4.4 PHP語(yǔ)言 322
10.4.5 ASP.NET語(yǔ)言 322
10.5 其他語(yǔ)言 323
10.5.1 關(guān)系數(shù)據(jù)模型 323
10.5.2 關(guān)系模型的操作語(yǔ)言 329
10.6 專家系統(tǒng)的開(kāi)發(fā)工具 333
10.6.1 骨架開(kāi)發(fā)工具 333
10.6.2 語(yǔ)言開(kāi)發(fā)工具 334
10.6.3 輔助構(gòu)建工具 334
10.6.4 支持環(huán)境 335
10.7 專家系統(tǒng)的新型開(kāi)發(fā)工具 336
10.7.1 基于框架的開(kāi)發(fā)工具 336
10.7.2 基于模糊邏輯的開(kāi)發(fā)工具 338
10.7.3 基于神經(jīng)網(wǎng)絡(luò)的開(kāi)發(fā)工具 341
10.8 專家系統(tǒng)的Matlab開(kāi)發(fā)工具 342
10.9 其他開(kāi)發(fā)工具 347
10.10 本章小結(jié) 350
習(xí)題10 351
第11章 專家系統(tǒng)的展望 353
11.1 專家系統(tǒng)的發(fā)展趨勢(shì) 353
11.1.1 專家系統(tǒng)的發(fā)展要求 353
11.1.2 專家系統(tǒng)的研究方向 355
11.2 專家系統(tǒng)的研究課題 358
11.3 新型專家系統(tǒng) 359
11.3.1 新型專家系統(tǒng)的特征 359
11.3.2 分布式專家系統(tǒng) 360
11.3.3 協(xié)同式專家系統(tǒng) 362
11.3.4 基于免疫計(jì)算的專家系統(tǒng) 363
11.3.5 無(wú)處不在與隨時(shí)隨地的專家系統(tǒng) 364
11.4 本章小結(jié) 369
習(xí)題11 370
參考文獻(xiàn) 371
索引 378
Contents
PrefaceforSecondEdition
PrefaceforFirstEdition
Chapter1 IntroductiontoExpertSystems 1
1.1 DefinitionofExpertSystems 1
1.2 DevelopmentHistoryofExpertSystems 4
1.3 TypesofExpertSystems 11
1.3.1 ClassifybyApplicationFields 11
1.3.2 ClassifybyProblemGsolvingTasks 12
1.3.3 ClassifybyWorkingPrinciples 16
1.4 StructureofExpertSystems 16
1.5 FeaturesofExpertSystems 18
1.6 StepsforBuildingExpertSystems 22
1.7 HumanRolesinExpertSystems 24
1.8 Summary 26
Exercise1 27
Chapter2 KnowledgeRepresentationandReasoningofExpertSystems 28
2.1 KnowledgeRepresentation 28
2.1.1 KnowledgeTypes 28
2.1.2 ObjectGAttributeGValueCombination 29
2.1.3 Rule 30
2.1.4 Frame 32
2.1.5 SemanticNetwork 34
2.1.6 Logic 35
2.2 KnowledgeAcquisition 37
2.2.1 BasicConceptsandKnowledgeTypes 37
2.2.2 TasksofKnowledgeAcquisition 39
2.2.3 TimeRequirementsandDifficultyofKnowledgeAcquisition 40
2.3 KnowledgeReasoning 41
2.3.1 HumanReasoning 41
2.3.2 MachineReasoning 43
2.4 ReasoningwithUncertainty 44
2.4.1 UncertaintyaboutEvidence 44
2.4.2 UncertaintyaboutConclusion 45
2.4.3 UncertaintySupportedbyMultipleRulesforSameFact 46
2.5 ReasoningSystemBasedonRules 47
2.6 FuzzyLogic 48
2.6.1 FuzzySets,FuzzyLogicandTheirOperations 48
2.6.2 FuzzyLogicInference 51
2.6.3 MethodsofDefuzzification 53
2.7 ArtificialNeuralNetwork 54
2.7.1 AdvancesofANNResearch 55
2.7.2 ArchitectureofANN 56
2.7.3 TypicalModelsofANN 58
2.7.4 KnowledgeRepresentationandReasoningBasedonANN 59
2.8 EvolutionaryComputation 64
2.8.1 GenericPrincipleofGeneticAlgorithm 64
2.8.2 StepofGeneticAlgorithm 67
2.9 ImmuneComputation 72
2.9.1 KnowledgeRepresentationofSelfandNonGself 72
2.9.2 RepresentationofNonGselfCharacteristicSpace 73
2.9.3 SearchingandReasoningofNonGselfCharacteristicSpace 74
2.10 Summary 77
Exercise2 78
Chapter3 InterpretationMechanismofExpertSystems 80
3.1 BehaviorsofInterpretationMechanism 80
3.2 RequirementsofInterpretationMechanism 81
3.3 ArchitectureofInterpretationMechanism 82
3.3.1 PrefabricatedTextMethod 83
3.3.2 TrackInterpretationMethod 83
3.3.3 StrategyInterpretationMethod 88
3.3.4 AutomaticProgrammerMethod 91
3.3.5 AutomaticInterpretationMechanismBasedonFacts 93
3.4 ImplementationofInterpretationMechanism 94
3.4.1 ImplementationofPrefabricatedTextMethod 94
3.4.2 ImplementationofAutomaticInterpretationMechanismBasedonFacts 95
3.5 WebVisualizationofInterpretationMechanism 98
3.5.1 DesignofInterpretationInterfaceBasedonWeb 98
3.5.2 VisualizationDisplayofInterpretationInformation 99
3.5.3 ParadigmforWebVisualizationofInterpretationMechanism 100
3.6 Summary 104
Exercise3 104
Chapter4 RuleGBasedExpertSystems 105
4.1 DevelopmentofRuleGBasedExpertSystems 105
4.2 ModelofRuleGBasedExpertSystems 107
4.2.1 ProductionSystem 107
4.2.2 ModelandArchitectureofRuleGBasedExpertSystems 120
4.3 FeaturesofRuleGBasedExpertSystems 122
4.3.1 AdvantagesofRuleGBasedExpertSystems 122
4.3.2 DisadvantagesofRuleGBasedExpertSystems 124
4.4 DesignIssuesofRuleGBasedExpertSystems 125
4.4.1 DescriptionofExpertise 125
4.4.2 KnowledgeUtilizationandDecisionInterpretation 128
4.5 DesignofBackwardChainingRuleGBasedExpertSystems 129
4.5.1 GeneralDesignMethodsofRuleGBasedExpertSystems 130
4.5.2 DesignTasksofBackwardChainingRuleGBasedExpertSystems 130
4.6 DesignofForwardChainingRuleGBasedExpertSystems 142
4.6.1 GeneralDesignMethodsofForwardChainingRuleGBasedExpertSystems 142
4.6.2 DesignTasksofForwardChainingRuleGBasedExpertSystems 143
4.7 DesignExampleofRuleGBasedExpertSystems 152
4.7.1 IntroductiontoMYCIN 152
4.7.2 ConsultingSubGSystem 154
4.7.3 StaticDatabase 156
4.7.4 DynamicDatabase 160
4.7.5 ImpreciseReasoning 161
4.7.6 ControlStrategies 163
4.8 ParadigmsofRuleGBasedExpertSystems 165
4.8.1 RobotPlanningBasedonExpertSystems 165
4.8.2 PredictionExpertSystemofAircraftAerodynamicsBasedonFuzzyRules 169
4.9 Summary 175
Exercise4 176
Chapter5 FrameGBasedExpertSystems 178
5.1 IntroductiontoFrameGBasedExpertSystems 178
5.2 RepresentationandReasoningofFrameGBasedExpertSystems 179
5.2.1 RepresentationofFrameGBasedExpertSystems 179
5.2.2 ReasoningofFrameGBasedExpertSystems 179
5.3 DefinitionandArchitectureofFrameGBasedExpertSystems 181
5.4 ConceptualAnatomyofFrameGBasedExpertSystems 182
5.4.1 ClassAnatomyofFrame 182
5.4.2 SubGclassAnatomyofFrame 183
5.4.3 AnatomyofSampleFrame 184
5.4.4 AttributeAnatomyofFrame 184
5.5 Inheriting,SlotandMethodofFrameGBasedExpertSystems 185
5.5.1 InheritingofFrameGBasedExpertSystems 185
5.5.2 SlotofFrameGBasedExpertSystems 187
5.5.3 MethodofFrameGBasedExpertSystems 188
5.6 DesignofFrameGBasedExpertSystems 188
5.6.1 FrameGBasedExpertSystemsVSRuleGBasedExpertSystems 188
5.6.2 DesignTasksofFrameGBasedExpertSystems 190
5.7 DesignExampleofFrameGBasedExpertSystems 201
5.7.1 CommunicationbetweenSlotGBasedObjects 202
5.7.2 MessageTransfer 203
5.8 ApplicationExampleofFrameGBasedExpertSystems 203
5.8.1 KnowledgeRepresentationandReasoningofFrameGBasedSystems 204
5.8.2 FaultDiagnosisInferenceandSystemImplementation 206
5.9 Summary 206
Exercise5 207
Chapter6 ModelGBasedExpertSystems 208
6.1 IntroductionofModelGBasedExpertSystems 208
6.2 ANNGBasedExpertSystems 210
6.2.1 IntegrationofTraditionalExpertSystemsandANN 210
6.2.2 ArchitectureofANNGBasedExpertSystems 211
6.2.3 ParadigmofANNGBasedExpertSystems 212
6.3 ProbabilityModelGBasedExpertSystems 216
6.3.1 SubjectiveProbabilityandSimulationofMonteCarlo 216
6.3.2 ProbabilityModel 217
6.4 DesignMethodsforModelGBasedExpertSystems 219
6.4.1 CauseandEffectTimeOntology 219
6.4.2 DesignforReasoningSystem 225
6.4.3 OntologyofVariableSystems 228
6.5 ParadigmsofModelGBasedExpertSystems 229
6.5.1 NuclearPowerPlantApplication 230
6.5.2 ParadigmofCircuitandAutoStartupPart 234
6.6 Summary 236
Exercise6 237
Chapter7 WebGbasedExpertSystems 238
7.1 ArchitectureofWebGbasedExpertSystems 238
7.2 ParadigmsofWebGbasedExpertSystems 243
7.2.1 WebGbasedExpertSystemsforPlaneFaultRemoteDiagnosis 243
7.2.2 WebGbasedExpertSystemforTrawlWinches 245
7.2.3 WebGbasedDecisionSupportSystemforGeneralTypeGselectionofFittings 247
7.2.4 WebGbasedExpertSystemforAlfalfaProductionDevelopmentandUtilization 251
7.2.5 WebGbasedDecisionSupportSystemforHollywoodManagers 251
7.3 DevelopmentToolsofWebGbasedExpertSystems 260
7.4 Summary 264
Exercise7 265
Chapter8 RealGTimeExpertSystems 266
8.1 DefinitionandRequirementsforRealGtimeExpertSystems 266
8.1.1 DefinitionofRealGtimeExpertSystems 266
8.1.2 DesignRequirementsandKeyTechniquesofRealGtimeExpertSystems 267
8.2 RealGtimeExpertSystemsBasedonSinglechip 268
8.2.1 ArchitectureofRealGtimeExpertSystemsBasedonSinglechip 268
8.2.1 ExampleAnalysisofRealGtimeExpertSystemsBasedonSinglechip 269
8.3 RealGtimeExpertSystemsBasedonBuiltGinSystem 270
8.3.1 ArchitectureofRealGtimeExpertSystemsBasedonBuiltGinSystem 271
8.3.2 ParadigmofRealGtimeExpertSystemsBasedonBuiltGinSystem 271
8.3.3 ExampleofRealGtimeExpertSystemsBasedonMobilePhone 273
8.4 RealGtimeControlandDecisionGmakingExpertSystemRTXPS 275
8.5 SupervisionExpertSystemofBlast 276
8.6 ResearchDifficultiesandGrowersofRealGtimeExpertSystems 280
8.7 Summary 282
Exercise8 283
Chapter9 EvaluationofExpertSystems 284
9.1 ReasonsforEvaluatingExpertSystems 284
9.1.1 ExpertSystemDevelopmentisLongGTermFeedbackProcedure 284
9.1.2 WhoBenefitsfromExpertSystemEvaluation 285
9.2 WhatandWhentoEvaluateExpertSystems 286
9.2.1 WhatEvaluateExpertSystems 286
9.2.2 WhenEvaluateExpertSystems 289
9.3 EvaluationMethodsforExpertSystems 291
9.4 EvaluationToolsforExpertSystems 293
9.4.1 ConsistencyTest 293
9.4.2 PatternLookupinDatabase 293
9.4.3 ComparisonbetweenComputerConclusionandExpertConclusion 294
9.5 EvaluationExampleofExpertSystems 295
9.5.1 MultipleEvaluation’ExampleofExpertSystem 295
9.5.2 EvaluationExampleofExpertSystemR1 299
9.6 Summary 302
Exercise9 303
Chapter10 ProgrammingLanguageandDevelopmentToolsforExpertSystems 304
10.1 Introduction 304
10.2 LISP 305
10.2.1 FeaturesandDataStructureofLISP 305
10.2.2 BasicFunctionsofLISP 307
10.2.3 RecurrenceandReplacement 310
10.2.4 ExamplesofLISPProgramming 312
10.3 PROLOG 315
10.3.1 GrammarandDataStructureofPROLOG 315
10.3.2 ProgrammingPrincipleofPROLOG 316
10.3.3 ExampleofPROLOGProgramming 318
10.4 ProgrammingLanguageforWebGBasedExpertSystems 319
10.4.1 JavaProgrammingLanguage 319
10.4.2 JavaScriptProgrammingLanguage 320
10.4.3 JSPProgrammingLanguage 321
10.4.4 PHPProgrammingLanguage 322
10.4.5 ASP.NETProgrammingLanguage 322
10.5 OtherLanguages 323
10.5.1 ModelofRelationalData 323
10.5.2 OperationLanguageofRelationalmodel 329
10.6 DevelopingToolsofExpertSystems 333
10.6.1 SkeletalDevelopmentTools 333
10.6.2 LanguageDevelopmentTools 334
10.6.3 ConstructionGAidedTools 334
10.6.4 SupportingEnvironment 335
10.7 NewDevelopingToolsofExpertSystems 336
10.7.1 DevelopmentToolsBasedonFrame 336
10.7.2 DevelopmentToolsBasedonFuzzyLogic 338
10.7.3 DevelopmentToolsBasedonANN 341
10.8 MATLABDevelopmentToolforExpertSystems 342
10.9 OtherdevelopmentToolsforExpertSystems 347
10.10 Summary 350
Exercise10 351
Chapter11 ProspectforExpertSystems 353
11.1 DevelopmentTrendofExpertSystems 353
11.1.1 RequirementsofDevelopingExpertSystems 353
11.1.2 DirectionsofExpertSystemResearch 355
11.2 ResearchIssuesofExpertSystems 358
11.3 NewGenerationofExpertSystems 359
11.3.1 FeaturesofNewGenerationExpertSystems 359
11.3.2 DistributedExpertSystems 360
11.3.3 SynergeticExpertSystems 362
11.3.4 ExpertSystemsBasedonImmuneComputation 363
11.3.5 UbiquityandWhereverGWheneverExpertSystems 364
11.4 Summary 369
Exercise11 370
Bibliography 371
Index 378