您好,欢迎光临有路网!
人工智能
QQ咨询:
有路璐璐:

人工智能

  • 作者:(美)尼尔森 郑扣根
  • 出版社:机械工业出版社
  • ISBN:9787111078852
  • 出版日期:2003年12月01日
  • 页数:317
  • 定价:¥30.00
  • 分享领佣金
    手机购买
    城市
    店铺名称
    店主联系方式
    店铺售价
    库存
    店铺得分/总交易量
    发布时间
    操作

    新书比价

    网站名称
    书名
    售价
    优惠
    操作

    图书详情

    内容提要
    本书从一个新颖的角度对人工智能各方面的问题进行了探讨。由浅入深地介绍了整个人工智能系统和agent的发展历程。首先,描述了仅能对周围环境中可感知特征做出反应的原始agent,以及它们所涉及的机器视觉、机器学习和机器进化等问题;然后,逐步介绍了agent可以从无法立即感知的任务环境中获取信息的技术。本书不仅是对人工智能技术的介绍,而且能为人工智能的研究提供参考和建议。
    本书作为人工智能的入门教材,适合所有对人工智能这门学科感兴趣的读者参考,尤其适合大专院校的计算机专业及相关专业的学生用做教材或教学参考书。
    目录
    译者序
    前言
    第1章 绪论 1
    1.1 什么是人工智能 1
    1.2 人工智能的研究方法 4
    1.3 人工智能简史 5
    1.4 本书规划 7
    1.5 补充读物和讨论 9
    **部分 响应机器
    第2章 刺激响应agent 13
    2.1 感知和动作 13
    2.1.1 感知 15
    2.1.2 动作 15
    2.1.3 布尔代数 16
    2.1.4 布尔函数的类别和形式 16
    2.2 动作函数的表达和执行 17
    2.2.1 产生式系统 17
    2.2.2 网络 18
    2.2.3 包含体系结构 20
    2.3 补充读物和讨论 21
    第3章 神经网络 23
    3.1 引言 23
    3.2 训练单个TLU 23
    3.2.1 TLU几何学 23
    3.2.2 扩充向量 24
    3.2.3 梯度下降方法 24
    3.2.4 Widrow-Hoff程序 25
    3.2.5 一般化Delta程序 26
    3.2.6 纠错程序 27
    3.3 神经网络 28
    3.3.1 动机 28
    3.3.2 表示符号 28
    3.3.3 反向传播方法 29
    3.3.4 计算*后一层的权值变化 30
    3.3.5 计算中间层的权值变化 30
    3.4 一般化、准确度和过度拟合 32
    3.5 补充读物和讨论 34
    第4章 机器进化 37
    4.1 进化计算 37
    4.2 遗传编程 37
    4.2.1 遗传编程的程序表示 37
    4.2.2 遗传编程过程 39
    4.2.3 进化一个沿墙运动的机器人 40
    4.3 补充读物和讨论 43
    第5章 状态机 45
    5.1 用特征向量来表示环境 45
    5.2 Elman网络 46
    5.3 图标表示 47
    5.4 黑板系统 49
    5.5 补充读物和讨论 50
    第6章 机器人视觉 53
    6.1 引言 53
    6.2 操纵一辆汽车 54
    6.3 机器人视觉的两个阶段 55
    6.4 图象处理 56
    6.4.1 平均法 56
    6.4.2 边缘增强 58
    6.4.3 边缘增强与平均法的结合 59
    6.4.4 区域查找 61
    6.4.5 运用亮度以外的其他图象的属性 62
    6.5 场景分析 63
    6.5.1 解释图象中的线条和曲线 63
    6.5.2 基于模型的视觉 65
    6.6 立体视觉和深度信息 66
    6.7 补充读物和讨论 67
    第二部分 状态空间搜索
    第7章 能计划的agent 71
    7.1 存储与计算 71
    7.2 状态空间图 72
    7.3 显式状态空间搜索 74
    7.4 基于特征的状态空间 74
    7.5 图记号 75
    7.6 补充读物和讨论 76
    第8章 盲目搜索 78
    8.1 用公式表示状态空间 78
    8.2 隐式状态空间图的组成 78
    8.3 广度优先搜索 79
    8.4 深度优先或回溯搜索 80
    8.5 迭代加深 81
    8.6 补充读物和讨论 82
    第9章 启发式搜索 84
    9.1 使用评估函数 84
    9.2 一个通用的图搜索算法 85
    9.2.1 算法A* 86
    9.2.2 A*的可接纳性 88
    9.2.3 一致性(或单调)条件 91
    9.2.4 迭代加深的A* 92
    9.2.5 递归*优搜索 93
    9.3 启发式函数和搜索效率 94
    9.4 补充读物和讨论 97
    第10章 计划、动作和学习 99
    10.1 感知/计划/动作循环 99
    10.2 逼近搜索 100
    10.2.1 孤岛驱动搜索 100
    10.2.2 层次搜索 101
    10.2.3 有限范围搜索 102
    10.2.4 循环 103
    10.2.5 建立反应过程 104
    10.3 学习启发式函数 105
    10.3.1 显式图 105
    10.3.2 隐式图 106
    10.4 奖赏代替目标 107
    10.5 补充读物和讨论 108
    第11章 其他搜索公式及其应用 111
    11.1 赋值问题 111
    11.2 构造性方法 112
    11.3 启发式修补 114
    11.4 函数优化 115
    第12章 敌对搜索 118
    12.1 双agent博弈 118
    12.2 *小*大化过程 119
    12.3 a -b 过程 122
    12.4 a -b 过程的搜索效率 125
    12.5 其他重要问题 125
    12.6 概率博弈 126
    12.7 学习评估函数 127
    12.8 补充读物和讨论 128
    第三部分 知识的表示和推理
    第13章 命题演算 131
    13.1 对特征值加以约束 131
    13.2 语言 132
    13.3 推理规则 133
    13.4 验证定义 133
    13.5 语义 134
    13.5.1 解释 134
    13.5.2 命题真值表 134
    13.5.3 可满足性与模型 135
    13.5.4 永真性 136
    13.5.5 等价 136
    13.5.6 涵蕴 136
    13.6 合理性和完备性 137
    13.7 命题可满足性问题 137
    13.8 另一些重要的问题 138
    13.8.1 语言差异 138
    13.8.2 元定理 138
    13.8.3 结合律 139
    13.8.4 分配律 139
    第14章 命题演算中的归结 140
    14.1 一种新的推理规则:归结 140
    14.1.1 作为合式公式的子句 140
    14.1.2 子句上的归结 140
    14.1.3 归结的合理性 141
    14.2 转换任意的合式公式为子句的合取式 141
    14.3 归结反驳 142
    14.4 归结反驳搜索策略 142
    14.4.1 排序策略 143
    14.4.2 **策略 143
    14.5 Horn 子句 144
    第15章 谓词演算 146
    15.1 动机 146
    15.2 谓词演算语言和它的句法 146
    15.3 语义 147
    15.3.1 世界 147
    15.3.2 解释 147
    15.3.3 模型及其相关的概念 148
    15.3.4 知识 149
    15.4 量化 150
    15.5 量词语义学 150
    15.5.1 全称量词 150
    15.5.2 存在量词 151
    15.5.3 有用的等价式 151
    15.5.4 推理规则 151
    15.6 谓词演算作为一种表示知识的语言 151
    15.6.1 概念化 151
    15.6.2 举例 152
    15.7 补充读物和讨论 153
    第16章 谓词演算中的归结 155
    16.1 合一 155
    16.2 谓词演算归结 157
    16.3 完备性和合理性 158
    16.4 把任意的合式公式转化为子句形式 158
    16.5 用归结证明定理 160
    16.6 回答提取 161
    16.7 等式谓词 161
    16.8 补充读物和讨论 163
    第17章 基于知识的系统 166
    17.1 面对现实世界 166
    17.2 用Horn子句进行推理 166
    17.3 动态知识库的维持 170
    17.4 基于规则的专家系统 173
    17.5 规则学习 176
    17.5.1 学习命题演算规则 177
    17.5.2 学习一阶逻辑规则 180
    17.5.3 基于解释的一般化 183
    17.6 补充读物和讨论 184
    第18章 表示常识知识 187
    18.1 常识世界 187
    18.1.1 什么是常识知识 187
    18.1.2 表示常识知识的困难 188
    18.1.3 常识知识的重要性 189
    18.1.4 研究领域 189
    18.2 时间 190
    18.3 用网络表示知识 191
    18.3.1 分类的知识 191
    18.3.2 语义网络 192
    18.3.3 语义网络的非单调推理 193
    18.3.4 框架 194
    18.4 补充读物和讨论 194
    第19章 用不确定信息进行推理 197
    19.1 概率论简介 197
    19.1.1 基本思想 197
    19.1.2 条件概率 199
    19.2 概率推理 201
    19.2.1 一个一般的方法 201
    19.2.2 条件独立 202
    19.3 贝叶斯网 203
    19.4 贝叶斯网的推理模式 204
    19.5 不确定证据 205
    19.6 D 分离 205
    19.7 在polytree中的概率推理 206
    19.7.1 证据在上方 207
    19.7.2 证据在下方 208
    19.7.3 证据在上下两方 209
    19.7.4 一个数值例子 210
    19.8 补充读物和讨论 211
    第20章 用贝叶斯网学习和动作 214
    20.1 学习贝叶斯网 214
    20.1.1 已知网络结构 214
    20.1.2 学习网络结构 216
    20.2 概率推理与动作 219
    20.2.1 一般设置 219
    20.2.2 一个扩展的例子 220
    20.2.3 一般化举例 222
    20.3 补充读物和讨论 223
    第四部分 基于逻辑的规划方法
    第21章 状态演算 227
    21.1 状态和动作推理 227
    21.2 存在的一些困难 229
    21.2.1 框架公理 229
    21.2.2 条件 230
    21.2.3 分枝 230
    21.3 生成计划 231
    21.4 补充读物和讨论 231
    第22章 规划 234
    22.1 STRIPS规划系统 234
    22.1.1 描述状态和目标 234
    22.1.2 向前搜索方法 235
    22.1.3 递归STRIPS 236
    22.1.4 带有运行时条件的计划 238
    22.1.5 Sussman异常 238
    22.1.6 向后搜索方法 239
    22.2 计划空间和部分有序规划 242
    22.3 层次规划 246
    22.3.1 ABSTRIPS 246
    22.3.2 层次规划和部分有序规划的组合 248
    22.4 学习计划 248
    22.5 补充读物和讨论 250
    第五部分 通信与集成
    第23章 多agent 255
    23.1 交互agent 255
    23.2 其他agent模型 255
    23.2.1 模型种类 255
    23.2.2 模拟策略 256
    23.2.3 模拟数据库 257
    23.2.4 有意思维方式 257
    23.3 知识模式逻辑 258
    23.3.1 模式算子 258
    23.3.2 知识公理 259
    23.3.3 关于其他agent知识的推理 260
    23.3.4 预测其他agent的动作 261
    23.4 补充读物和讨论 261
    第24章 agent之间的通信 263
    24.1 交谈 263
    24.1.1 计划交谈 264
    24.1.2 实现交谈 264
    24.2 理解语言字符串 265
    24.2.1 短语结构语法 265
    24.2.2 语义分析 267
    24.2.3 扩展语法 271
    24.3 有效通信 272
    24.3.1 上下文的使用 272
    24.3.2 使用知识解决歧义性 273
    24.4 自然语言处理 274
    24.5 补充读物和讨论 275
    第25章 agent体系结构 277
    25.1 三级体系结构 277
    25.2 目标仲裁 278
    25.3 三层塔式结构 279
    25.4 自举 280
    25.5 补充读物和讨论 280
    参考文献 282
    编辑推荐语
    人工智能的发展历史反复经历了高峰和低谷的转换。由于人类智能之复杂及计算机软硬件之局限,决定了人工智能的发展道路崎岖不平。近几年来,通过人工智能研究者们的不断争论、探索和创新,并随着相关领域、特别是计算机技术的飞速发展,人工智能又进入发展期,一些新技术、新观念被集成到这个领域。本书即是作者在此背景下撰写而成的。本书可作为人工智能的入门教材,适合所有对人工智能这门学科感兴趣的读者参考。

    与描述相符

    100

    北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 台湾 香港 澳门 海外