☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

人工智慧是一个庞大的领域，而这也是一本庞大的书。我们试图探索这个领域的所有层面，包括逻辑、机率和连续数学；感知、推理、学习和行动；以及从微电子设备到行星探测机器人等一切鉅细问题。这本教科书之所以庞大也因为我们探讨达到一定深度。本书的副标题是「现代方法」。这个相当空洞的短语企图表达的是，我们试图将已知的进展整合到一个共同的框架中，而不是试图在各自的历史脉络下解释人工智慧的各个子领域。有些子领域的描述篇幅会因此变得较少，我们为此致歉，但本书仍不失为一本值得参考的好书。

本书特色

　　1. 第三版内容包括从2003 年的前一版以来，在AI领域里所发生的种种变化，包括AI技术的许多重要应用；演算法的里程碑；还有大量的理论进展，尤其在机率推理、机器学习及电脑视觉等领域。

　　2. 增加一阶机率模型的新内容，包括物件存在具不确定性下的开放宇宙模型。
　　3. 全新重写了入门性质的机器学习章节，强调更多更近代的种种学习演算法，并将其置于更扎实的理论基础上。
　　4. 扩充了网路搜寻、资讯萃取、以及利用超大资料集的学习技术等的涵盖内容。

　　5. 本版的引用资料中，20%是属于2003年后发表的工作。估计约有20%的内容为全新。剩下的80%反映旧的工作成果，但也有大幅改写，以呈现出这个领域更一体的一致图像。

PART I 人工智慧
1 绪论 1-1
1.1 什么是人工智慧？ 1-1
1.2 人工智慧的基础 1-4
1.3 人工智慧的历史 1-14
1.4 当前发展水准 1-25
1.5 总结 1-26
2 智慧型代理人 2-1
2.1 代理人和环境 2-1
2.2 好的行为表现：理性的概念 2-3
2.3 环境的本质 2-6
2.4 代理人的结构 2-11
2.5 总结 2-22

PART II 问题求解
3 用搜寻法对问题求解 3-1
3.1 问题求解代理人 3-1
3.2 范例问题 3-6
3.3 对解的搜寻 3-10
3.4 资讯的搜寻策略 3-15
3.5 有资讯(启发式)搜寻策略 3-25
3.6 启发函数 3-35
3.7 总结 3-40
4 进阶搜寻 4 -1
4.1 局部搜寻演算法和最佳化问题 4-1
4.2 连续空间的局部搜寻 4-9
4.3 不确定性行动的搜寻 4-11
4.4 使用部分观察的搜寻 4-15
4.5 线上搜寻代理人和未知环境 4-23
4.6 总结 4-28
5 对抗搜寻 5-1
5.1 赛局 5-1
5.2 赛局的最佳化决策 5-3
5.3 ��-�� 剪枝 5-6
5.4 不完整的即时决策 5-9
5.5 随机赛局 5-14
5.6 部分可观察赛局 5-17
5.7 最先进的赛局程式 5-21
5.8 其他方法 5-23
5.9 总结 5-25
6 限制满足问题 6-1
6.1 限制满足问题的定义 6-1
6.2 限制的传播：于CSP推理 6-6
6.3 CSP问题的回溯搜寻 6-11
6.4 CSP问题的局部搜寻 6-17
6.5 问题的结构 6-18
6.6 总结 6-22

PART III
知识、推理、规划
7 逻辑代理人 7-1
7.1 知识型代理人 7-2
7.2 wumpus世界 7-3
7.3 逻辑 7-6
7.4 命题逻辑：一种非常简单的逻辑 7-9
7.5 命题定理之证明 7-14
7.6 有效的命题模型检验 7-25
7.7 命题逻辑型代理人 7-30
7.8 总结 7-38
8 一阶逻辑 8-1
8.1 表示法的回顾 8-1
8.2 一阶逻辑的语法和语义 8-5
8.3 使用一阶逻辑 8-15
8.4 一阶逻辑的知识工程 8-22
8.5 总结 8-28
9 一阶逻辑中的推理 9-1
9.1 命题与一阶推理 9-1
9.2 统一和提升 9-4
9.3 前向链结 9-8
9.4 反向链结 9-15
9.5 解消 9-22
9.6 总结 9-34
10 经典规划 10-1
10.1 经典规划的定义 10-1
10.2 经典规划法作为状态空间搜寻 10-7
10.3 规划图 10-12
10.4 其他的经典规划方法 10-19
10.5 规划方法分析 10-24
10.6 总结 10-25
11 现实世界的规划与行动 11-1
11.1 时间、排程、和资源 11-1
11.2 分层规划 11-5
11.3 在非确定性领域中进行规划和行动 11-13
11.4 多代理人规划 11-21
11.5 总结 11-26
12 知识表示 12-1
12.1 本体论工程 12-1
12.2 类别和物件 12-3
12.3 事件 12-9
12.4 精神事件与精神物件 12-13
12.5 类别的推理系统 12-16
12.6 预设资讯推理 12-20
12.7 网际网路购物世界 12-23
12.8 总结 12-28

PART IV
不确定知识与推理
13 量化不确定性 13-1
13.1 不确定环境下的行动 13-1
13.2 基本机率标记法 13-4
13.3 使用全联合分佈进行推理 13-11
13.4 独立性 13-13
13.5 贝氏法则及其应用 13-15
13.6 重游wumpus世界 13-18
13.7 总结 13-21
14 机率推理 14-1
14.1 不确定领域中的知识表示 14-1
14.2 贝氏网路的语意 14-3
14.3 条件分佈的有效率表示 14-8
14.4 贝氏网路中的精确推理 14-11
14.5 贝氏网路的近似推理 14-18
14.6 关连与一阶机率模型 14-26
14.7 不确定推理的其他方法 14-32
14.8 总结 14-36
15 关于时间的机率推理 15-1
15.1 时间与不确定性 15-1
15.2 时序模型中的推理 15-4
15.3 隐马可夫模型 15-12
15.4 卡尔曼泸波器 15-17
15.5 动态贝氏网路 15-23
15.6 多重目标的追踪 15-31
15.7 总结 15-34
16 制订简单决策 16-1
16.1 在不确定性环境下结合信度与愿望 16-1
16.2 效用理论的基础 16-2
16.3 效用函数 16-5
16.4 多属性效用函数 16-11
16.5 决策网路 16-15
16.6 资讯价值 16-17
16.7 决策理论的专家系统 16-21
16.8 总结 16-23
17 制订复杂决策 17-1
17.1 循序决策问题 17-1
17.2 价值叠代 17-6
17.3 策略叠代 17-10
17.4 部分可观察的马可夫决策过程 17-12
17.5 多代理人的决策：赛局理论 17-19
17.6 机制设计 17-30
17.7 总结 17-35

PART V 学习
18 从实例中学习 18-1
18.1 学习的形式 18-1
18.2 受监督的学习 18-3
18.3 学习决策树 18-5
18.4 评估与选择最佳假设 18-14
18.5 学习的理论 18-18
18.6 线性模型的回归与分类 18-22
18.7 人工类神经网路 18-29
18.8 无参数模型 18-37
18.9 支持向量机 18-42
18.10 集体学习 18-46
18.11 实际的机器学习 18-50
18.12 总结 18-53
19 学习中的知识 19-1
19.1 学习的逻辑公式 19-1
19.2 学习中的知识 19-9
19.3 基于解译的学习 19-12
19.4 使用相关资讯进行学习 19-15
19.5 归纳逻辑程式设计 19-18
19.6 总结 19-27
20 学习机率模型 20-1
20.1 统计学习 20-1
20.2 完整资料下的学习 20-4
20.3 隐变数学习：EM演算法 20-13
20.4 总结 20-21
21 强化学习 21-1
21.1 绪论 21-1
21.2 被动式强化学习 21-2
21.3 主动式强化学习 21-8
21.4 强化学习中的一般化 21-13
21.5 策略搜索 21-16
21.6 强化学习问题的应用 21-18
21.7 总结 21-20

PART VI
通讯、感知与行动
22 自然语言处理 22-1
22.1 语言模型 22-1
22.2 文本分类 22-5
22.3 资讯检索 22-7
22.4 资讯撷取 22-13
22.5 总结 22-21
23 自然语言通讯 23-1
23.1 片语结构文法 23-1
23.2 句法分析(剖析) 23-4
23.3 扩充文法和语意解释 23-9
23.4 机器翻译 23-17
23.5 语音识别 23-22
23.6 总结 23-27
24 感知 24-1
24.1 成像 24-2
24.2 初级影像处理运算 24-7
24.3 借由外表之物体辨识 24-13
24.4 重建三维世界 24-18
24.5 从结构资讯中进行物体辨识 24-26
24.6 使用视觉 24-29
24.7 总结 24-33
25 机器人学 25-1
25.1 绪论 25-1
25.2 机器人硬体 25-3
25.3 机器人的感知 25-7
25.4 运动规划 25-14
25.5 规划不确定的运动 25-20
25.6 运动 25-23
25.7 机器人软体架构 25-28
25.8 应用领域 25-31
25.9 总结 25-34

PART VII 结论
26 哲学基础 26-1
26.1 弱人工智慧：机器能够智慧地行动吗？ 26-1
26.2 强人工智慧：机器真的能够思考吗？ 26-6
26.3 发展人工智慧的道德规范与风险 26-13
26.4 总结 26-18
27 人工智慧：现在与未来 27-1
27.1 代理人的组成部分 27-1
27.2 代理人架构 27-4
27.3 我们前进于正确方向吗？ 27-5
27.4 要是人工智慧成功了？ 27-7
附录及参考书目均收录于随书CD

附 录
A 数学背景
A.1 复杂度分析与O( )符号 App-1
A.2 向量、矩阵和线性代数 App-3
A.3 机率分布 App-5
B 关于语言与演算法的诠释
B.1 用Backus-Naur Form(BNF)定义语言 App-8
B.2 用虚拟码描述演算法 App-9
B.3 线上协助 App-10

参考书目

 

None

人工智慧：现代方法(第三版)(附部份内容光碟) 电子书 下载 mobi epub pdf txt 2024

类似图书 点击查看全场最低价

查看全网最低价