日本MV在线视频,一区二区无码老牛视频

內(nèi)容簡介

　　本書是一本暢銷的人工智能教材，它徹底和全面地闡述了人工智能的基礎理論，有效結(jié)合了求解智能問題的數(shù)據(jù)結(jié)構以及實現(xiàn)的算法，把人工智能的應用程序應用于實際環(huán)境中，并從社會和哲學角度出發(fā)對人工智能進行了獨特的討論。新版中增加了“智能主體”的問題解決方法、強化學習、貝葉斯推理技術等最新的內(nèi)容。？？本書是高等院校計算機教學中最理想的人工智能教材；同時，它也是人工智能領域的研究者或者那些想了解和應用當前人工智能技術的從業(yè)者的一本寶貴的專業(yè)參考著作。人工智能（AI）最開始的動機是想創(chuàng)造不僅能夠獨立思考，而且可能超越人類的機器：計算的最高級目標。在過去的很多年里，人工智能在探索智能機制的同時，在更廣泛的實際領域取得了應用，人工智能使用不同的策略解決了很多在應用計算機技術時出現(xiàn)的復雜的實際問題、眾所周知，智能本身是非常復雜的，難以用單一的理論來描述，因此，產(chǎn)生了一系列的理論從不同的抽象層次刻畫這個主題。在最低層次，神經(jīng)網(wǎng)絡、遺傳算法以及其他形式的理論可輔助理解適應性原理、感知機制以及與物理世界的交互機制。在更加抽象的層次，專家系統(tǒng)的設計、智能主體、隨機模型以及自然語言理解程序反映了知識在智能中的角色和創(chuàng)建、傳遞、保持知識的社會過程、更深一層，邏輯學家提出了演繹、反繹、歸納、真值維護以及其他的推理模型和方式。在最新的第4版中，GeorgeF．Luger闡述復雜問題求解結(jié)構和策略的所有這些層次的理論，同時，他還指出智能研究本身的令人興奮之處，并演示怎樣使用不同的軟件工具和技術去解決計算機科學家面臨的復雜問題。本書特點●徹底和全面闡述人工智能理論的方方面面●將求解智能問題所需的理論基礎與實際實現(xiàn)所需的數(shù)據(jù)結(jié)構和算法相結(jié)合●兼顧了LISP和PROLOG語言●把人工智能的應用程序應用于實際環(huán)境中●對人工智能中社會和哲學問題的獨特討論第4版的更新內(nèi)容？？第4版的更新內(nèi)容●加入了更加“基于智能主體”的問題解決方法●增加了強化學習的新資料●改善了基于貝葉斯推理技術這一章，加入了信念網(wǎng)絡●來自NASA空間項目的基于模型的推理和規(guī)劃實例●自然語言理解的新內(nèi)容●從哲學、心理學以及神經(jīng)生理學角度對人工智能努力所做的評價本書是經(jīng)典的人工智能教材，適合一到兩個學期使用，被賓夕法尼亞大學、密歇根大學、加州理工大學等眾多高校選用。同時．本書也是人工智能領域的研究者或者想了解和應用當前人工智能技術的專業(yè)人員的優(yōu)秀參考書。

作者簡介

　　GeorgeF.Luger1973年在賓夕法尼亞大學獲得博士學位。在其后的五年，他的愛丁堡大學人工智能系從事博士后研究工作。他現(xiàn)在是新墨西哥大學的計算機科學、語言學以及心理學教授。他的研究興趣、課程信息以及發(fā)表的論文可從以下網(wǎng)址找到：http：//www.cs.unm.edu.luger。

圖書目錄

第一部分  人工智能的淵源及范圍
第1章  人工智能的歷史及應用
1. 1  從伊甸園到第一臺電子計算機：對智慧. 知識和人類技能的態(tài)度
1. 1. 1  歷史基礎
1. 1. 2  邏輯的發(fā)展
1. 1. 3  圖靈測試
1. 1. 4  智能的生物和社會模型：主體
1. 2  人工智能的應用領域
1. 2. 1  博弈
1. 2. 2  自動推理和定理證明
1. 2. 3  專家系統(tǒng)
1. 2. 4  自然語言理解和語義建模
1. 2. 5  對人類表現(xiàn)建模
1. 2. 6  規(guī)劃和機器人
1. 2. 7  人工智能的語言和環(huán)境
1. 2. 8  機器學習
1. 2. 9  另類表示：神經(jīng)網(wǎng)絡和遺傳算法
1. 2. 10  AI和哲學
1. 3  人工智能的概括
1. 4  結(jié)語和參考文獻
1. 5  練習
第二部分  作為表示和搜索的人工智能
第2章  謂詞演算
2. 0  簡介
2. 1  命題演算
2. 1. 1  符號和語句
2. 1. 2  命題演算的語義
2. 2  謂詞演算
2. 2. 1  謂詞的語法和語句
2. 2. 2  謂詞演算的語義
2. 2. 3  語義含義的積木世界例子
2. 3  使用推理規(guī)則產(chǎn)生謂詞演算表達式
2. 3. 1  推理規(guī)則
2. 3. 2  合一算法
2. 3. 3  合一的例子
2. 4  應用：一個基于邏輯的財務顧問
2. 5  結(jié)語和參考文獻
2. 6  練習
第3章  用以搜索狀態(tài)空間的結(jié)構和策略
3. 0  簡介
3. 1  圖論
3. 1. 1  狀態(tài)空間搜索的結(jié)構
3. 1. 2  問題的狀態(tài)空間表示
3. 2  用于狀態(tài)空間搜索的策略
3. 2. 1  數(shù)據(jù)驅(qū)動搜索和目標驅(qū)動搜索
3. 2. 2  圖搜索的實現(xiàn)
3. 2. 3  深度優(yōu)先搜索和寬度優(yōu)先搜索
3. 2. 4  迭代加深的深度優(yōu)先搜索
3. 3  利用狀態(tài)空間來表示謂詞演算推理
3. 3. 1  邏輯系統(tǒng)的狀態(tài)空間描述
3. 3. 2  與或圖
3. 3. 3  進一步的例子和應用
3. 4  結(jié)語和參考文獻
3. 5  練習
第4章  啟發(fā)式搜索
4. 0  簡介
4. 1  啟發(fā)式搜索算法
4. 1. 1  實現(xiàn)最佳優(yōu)先搜索
4. 1. 2  實現(xiàn)啟發(fā)評估函數(shù)
4. 1. 3  啟發(fā)式搜索和專家系統(tǒng)
4. 2  可采納性. 單調(diào)性和信息度
4. 2. 1  可采納性尺度
4. 2. 2  單調(diào)性
4. 2. 3  信息度更高的啟發(fā)是更好的啟發(fā)
4. 3  在博弈中使用啟發(fā)
4. 3. 1  針對可窮舉搜索情況的極小極大過程
4. 3. 2  固定層深的極小極大過程
4. 3. 3  a-B過程
4. 4  復雜度問題
4. 5  結(jié)語和參考文獻
4. 6  練習
第5章  狀態(tài)空間搜索的控制和實現(xiàn)
5. 0  簡介
5. 1  基于遞歸的搜索
5. 1. 1  遞歸
5. 1. 2  遞歸搜索
5. 2  模式導向搜索
5. 2. 1  遞歸搜索實例：騎士周游問題
5. 2. 2  改進模式搜索算法
5. 3  產(chǎn)生式系統(tǒng)
5. 3. 1  定義和歷史
5. 3. 2  產(chǎn)生式系統(tǒng)的例子
5. 3. 3  產(chǎn)生式系統(tǒng)中的搜索控制
5. 3. 4  產(chǎn)生式系統(tǒng)的優(yōu)點
5. 4  用于問題求解的黑板結(jié)構
5. 5  結(jié)語和參考文獻
5. 6  練習
第三部分  表示和智能：AI中的挑戰(zhàn)
第6章  知識表示
6. 0  知識表示問題
6. 1  AI表象圖式的簡要歷史
6. 1. 1  語義關聯(lián)理論
6. 1. 2  語義網(wǎng)絡的早期研究
6. 1. 3  網(wǎng)絡關系的標準化
6. 1. 4  腳本
6. 1. 5  框架
6. 2  概念圖：網(wǎng)絡語言
6. 2. 1  概念圖簡介
6. 2. 2  類型. 個體和名字
6. 2. 3  類型層次
6. 2. 4  泛化和特化
6. 2. 5  命題結(jié)點
6. 2. 6  概念圖和邏輯
6. 3  顯式表示的替代方法
6. 3. 1  Brookss假設和包容結(jié)構
6. 3. 2  Copycat結(jié)構
6. 4  基于主體的和分布式的問題求解方法
6. 4. 1  面向主體的問題求解：定義
6. 4. 2  面向主體模式的應用領域以及存在的問題
6. 5  結(jié)語和參考文獻
6. 6  練習
第7章  求解問題的強方法
7. 0  簡介
7. 1  專家系統(tǒng)技術概覽
7. 1. 1  基于規(guī)則的專家系統(tǒng)
7. 1. 2  問題選擇和知識工程的步驟
7. 1. 3  概念模型及其在知識獲取中的作用
7. 2  基于規(guī)則的專家系統(tǒng)
7. 2. 1  產(chǎn)生式系統(tǒng)和目標驅(qū)動問題求解
7. 2. 2  目標驅(qū)動推理中的解釋和-透明性
7. 2. 3  利用產(chǎn)生式系統(tǒng)進行數(shù)據(jù)驅(qū)動推理
7. 2. 4  專家系統(tǒng)的啟發(fā)和控制
7. 3  基于模型系統(tǒng). 基于案例系統(tǒng)和混合系統(tǒng)
7. 3. 1  基于模型推理簡介
7. 3. 2  基于模型推理：來自NASA的例子(Williams and Nayak)
7. 3. 3  基于案例推理介紹
7. 3. 4  混合設計：強方法系統(tǒng)的優(yōu)勢和不足
7. 4  規(guī)劃
7. 4. 1  簡介
7. 4. 2  使用規(guī)劃宏：STRIPS
7. 4. 3  teleo-reactive規(guī)劃(Nilsson 1994, Benson 1995)
7. 4. 4  規(guī)劃：來自NASA的例子(Williams and Nayak)
7. 5  結(jié)語和參考文獻
7. 6  練習
第8章  不確定條件下的推理
8. 0  簡介
8. 1  基于邏輯的反繹推理
8. 1. 1  非單調(diào)推理邏輯
8. 1. 2  真值維護系統(tǒng)
8. 1. 3  基于最小模型的邏輯
8. 1. 4  集合覆蓋和基于邏輯的反繹(Stern 1996)
8. 2  反繹：邏輯之外的辦法
8. 2. 1  Stanford確信度代數(shù)
8. 2. 2  模糊集推理
8. 2. 3  Dempster-Shafer證據(jù)理論
8. 3  統(tǒng)計的方法處理不確定性
8. 3. 1  貝葉斯推理
8. 3. 2  貝葉斯信念網(wǎng)絡
8. 4  結(jié)語和參考文獻
8. 5  練習
第四部分  機器學習
第9章  基于符號的機器學習
9. 0  概述
9. 1  基于符號的學習的框架
9. 2  變型空間搜索
9. 2. 1  泛化操作和概念空間
9. 2. 2  候選解排除算法
9. 2. 3  LEX：啟發(fā)式歸納搜索
9. 2. 4  評價候選解排除算法
9. 3  ID3決策樹歸納算法
9. 3. 1  自頂向下決策樹歸納
9. 3. 2  測試選擇的信息論方法
9. 3. 3  評價ID3
9. 3. 4  決策樹數(shù)據(jù)問題：打包. 推進
9. 4  歸納偏置和學習能力
9. 4. 1  歸納偏置
9. 4. 2  可學習性理論
9. 5  知識和學習
9. 5. 1  Meta-DENDRAL
9. 5. 2  基于解釋的學習
9. 5. 3  EBL和知識層學習
9. 5. 4  類比推理
9. 6  無監(jiān)督學習
9. 6. 1  發(fā)現(xiàn)和無監(jiān)督學習
9. 6. 2  概念聚類
9. 6. 3  COBWEB和分類知識的結(jié)構
9. 7  強化學習
9. 7. 1  強化學習的組成部分
9. 7. 2  一個例子：九宮游戲
9. 7. 3  強化學習的推理算法和應用
9. 8  結(jié)語和參考文獻
9. 9  練習
第10章  連接主義的機器學習
10. 0  介紹
10. 1  連接網(wǎng)絡的基礎
10. 2  感知機學習
10. 2. 1  感知機學習算法
10. 2. 2  例子：用感知機進行分類
10. 2. 3  用delta規(guī)則
10. 3  反傳學習
10. 3. 1  反傳算法的起源
10. 3. 2  反傳算法實例1：NETtalk
10. 3. 3  反傳算法實例2：異或
10. 4  競爭學習
10. 4. 1  對于分類的"勝者全拿"學習
10. 4. 2  學習原型的Kohonen網(wǎng)絡
10. 4. 3  Outstar網(wǎng)絡和逆?zhèn)?nbsp;
10. 5  Hebbian一致性學習
10. 5. 1  介紹
10. 5. 2  無監(jiān)督Hebbian學習的例子
10. 5. 3  有監(jiān)督Hebbian學習
10. 5. 4  關聯(lián)記憶和線性關聯(lián)器
10. 6  吸引子網(wǎng)絡或記憶
10. 6. 1  介紹
10. 6. 2  BAM, 雙向關聯(lián)記憶
10. 6. 3  BAM處理的例子
10. 6. 4  自相關記憶和Hopfield網(wǎng)絡
10. 7  結(jié)語和參考文獻
10. 8  練習
第11章  機器學習：社會性和涌現(xiàn)性
11. 0  社會性和涌現(xiàn)性的學習模型
11. 1  遺傳算法
11. 1. 1  兩個例子：CNF可滿足性問題和巡回推銷員問題
11. 1. 2  遺傳算法的評估
11. 2  分類器系統(tǒng)和遺傳程序設計
11. 2. 1  分類器系統(tǒng)
11. 2. 2  用遺傳算子進行程序設計
11. 3  人工生命和基于社會的學習
11. 3. 1  生命游戲
11. 3. 2  進化規(guī)劃
11. 3. 3  涌現(xiàn)的實例研究(Crutchfield and Mitchell 1994)
11. 4  結(jié)語和參考文獻
11. 5  練習
第五部分  智能問題求解高級主題
第12章  自動推理
12. 0  定理證明中的弱方法
12. 1  通用問題求解程序和差別表
12. 2  歸結(jié)定理證明
12. 2. 1  介紹
12. 2. 2  為進行歸結(jié)反駁生成子句形式
12. 2. 3  二元歸結(jié)證明過程
12. 2. 4  歸結(jié)策略和簡化技術
12. 2. 5  從歸結(jié)反駁中抽取解答
12. 3  PROLOG和自動推理
12. 3. 1  介紹
12. 3. 2  邏輯編程和PROLOG
12. 4  自動推理進一步的問題
12. 4. 1  弱方法求解的統(tǒng)一表示法
12. 4. 2  可選推理規(guī)則
12. 4. 3  搜索策略及其使用
12. 5  結(jié)語和參考文獻
12. 6  練習
第13章  自然語言理解
13. 0  自然語言理解問題
13. 1  解構語言：符號分析
13. 1. 1  介紹
13. 1. 2  語言分析的過程
13. 2  語法
13. 2. 1  使用上下文無關文法說明和解析
13. 2. 2轉(zhuǎn)移網(wǎng)絡解析器
13. 2. 3  喬姆斯基層次和上下文相關文法
13. 3  ATN解析器的語法和知識
13. 3. 1  擴充轉(zhuǎn)移網(wǎng)絡解析器
13. 3. 2  結(jié)合語法和語義知識
13. 4  語言分析隨機工具
13. 4. 1  介紹
13. 4. 2  馬爾科夫模型方法
15. 3  高階函數(shù)和抽象
15. 3. 1  映像和過濾器
15. 3. 2  函數(shù)參數(shù)和lambda表達式
15. 4  LISP中的搜索策略
15. 4. 1  寬度優(yōu)先和深度優(yōu)先搜索
15. 4. 2  最優(yōu)搜索
15. 5  LISP中的模式匹配
15. 6  遞歸合一函數(shù)
15. 7  解釋器和嵌入式語言
15. 8  LISP中的邏輯編程
15. 8. 1  一個簡單的邏輯編程語言
15. 8. 2  流和流處理
15. 8. 3  基于流的邏輯程序解釋器
15. 9  流和延遲分析
15. 10  一個LISP的專家系統(tǒng)外殼
15. 10. 1  實現(xiàn)確定性因子
15. 10. 2  lisp-shell的體系結(jié)構
15. 10, 3  用lisp-shell的分類
15. 11  LISP中的語義網(wǎng)絡和繼承
15. 12  用CLOS的面向?qū)ο蟮木幊?nbsp;
15. 12. 1  CLOS中類和實例的定義
15. 12. 2  定義通用函數(shù)和方法
15. 12. 3  CLOS中的繼承
15. 12. 4  例子：自動調(diào)溫器仿真
15. 13  LISP中的學習：ID3算法,
15. 13. 1  用defstruct定義結(jié)構
15. 13. 2  ID3算法
15. 14  結(jié)語和參考文獻
15. 15  練習
第七部分  后  記
第16章  人工智能作為按經(jīng)驗進行
探索的學科
16. 0  引言
16. 1  人工智能：修訂后的定義
16. 1. 1  人工智能和物理符號系統(tǒng)假設
16, 1. 2  連接或者"神經(jīng)"計算
16. 1. 3  主體. 涌現(xiàn)和智能
16. 2  智能系統(tǒng)科學
16. 2. 1  心理學約束
16. 2. 2  認識論問題
16. 2. 3  情景角色和存在智能
16. 3  人工智能：當前的問題和未來的方向
16. 4  結(jié)語和參考文獻
參考文獻
作者索引
主題索引