欢迎来到面包板E币商城!
人工智能(第2版)
[美] 史蒂芬·卢奇(Stephen Lucci),丹尼·科佩克(Danny Kopec) 著
E币数: 1500
  • 生产厂商:
  • 商品库存: 1
  • 兑换须知:
  • 市场定价: ¥ 108.00
选择数量:
商品详情
本书是作者结合多年教学经验、精心撰写的一本人工智能教科书,堪称“人工智能的百科全书”。全书涵盖了人工智能简史、搜索方法、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示、产生式系统、专家系统、机器学习和神经网络、遗传算法、自然语言处理、自动规划、机器人技术、高级计算机博弈、人工智能的历史和未来等主题。 

本书提供了丰富的教学配套资源,适合作为高等院校人工智能相关专业的教材,也适合对人工智能相关领域感兴趣的读者阅读和参考。 

● 基于人工智能的理论基础,展示全面、新颖、丰富多彩且易于理解的人工智能知识体系。 
● 加入关于机器人和机器学习的新章节,并在自然语言处理在自然语言处理部分包括了关于语音理解和隐喻的小节。 
● 给出诸多的示例、应用程序、全彩图片和人物轶事,以激发读者的学习兴趣。 
● 通过实际应用引入重 要的人工智能概念,例如机器人技术、人工智能在视频游戏中的应用、神经网络、机器学习等。 
● 包含300多幅图,详细描述了人工智能方法在实际工作中的问题,并给出了部分习题的解答。 
● 提供本书所涉及的资源、仿真和书中的图。 
● 为采用本书作为教材的教师提供丰富的教学支持资源,包括习题解答、教学PPT等。 

配套资源 
● 本书附录D“应用程序和数据”提到的应用程序示例、用于神经网络训练的练习数据和若干高级计算问题概览。 
● 本书附录E“部分练习的答案”的英文版PDF和图解。 
● 本书中的全部彩图文件。 
● 本书的Prolog示例源代码。 
● 供教师使用的教学PPT。 
以上资源请到异步社区(www.epubit.com)下载。 
为使用本书作为教材的教师提供的教学资源: 
● 教学PPT。 
● 教师指导手册(电子版,包括本书配套习题的完整解答)。 
请通过contact@epubit.com.cn联系申请。

第一部分引言 
第 1章人工智能概述 2 
1.0 引言 2 
1.0.1 人工智能的定义 3 
1.0.2 思维是什么?智能是什么? 3 
1.1 图灵测试 5 
1.1.1 图灵测试的定义 6 
1.1.2 图灵测试的争议和批评 8 
1.2 强人工智能与弱人工智能 9 
1.3 启发法 11 
1.3.1 长方体的对角线:解决一个相对简单但相关的 
问题 11 
1.3.2 水壶问题:向后倒推 12 
1.4 识别适用人工智能来求解的问题 13 
1.5 应用和方法 15 
1.5.1 搜索算法和拼图 16 
1.5.2 二人博弈 18 
1.5.3 自动推理 18 
1.5.4 产生式规则和专家系统 19 
1.5.5 细胞自动机 20 
1.5.6 神经计算 21 
1.5.7 遗传算法 23 
1.5.8 知识表示 23 
1.5.9 不确定性推理 24 
1.6 人工智能的早期历史 25 
1.7 人工智能的近期历史到现在 29 
1.7.1 博弈 29 
1.7.2 专家系统 30 
1.7.3 神经计算 31 
1.7.4 进化计算 31 
1.7.5 自然语言处理 32 
1.7.6 生物信息学 34 
1.8 新千年人工智能的发展 34 
1.9 本章小结 36 
第二部分 基础知识 
第 2章盲目搜索 46 
2.0 简介:智能系统中的搜索 46 
2.1 状态空间图 47 
2.2 生成与测试范式 49 
2.2.1 回溯 50 
2.2.2 贪婪算法 54 
2.2.3 旅行销售员问题 56 
2.3 盲目搜索算法 58 
2.3.1 深度优先搜索 58 
2.3.2 广度优先搜索 60 
2.4 盲目搜索算法的实现和比较 63 
2.4.1 实现深度优先搜索 63 
2.4.2 实现广度优先搜索 65 
2.4.3 问题求解性能的测量指标 65 
2.4.4 DFS和BFS的比较 66 
2.5 本章小结 68 
第3章 知情搜索 74 
3.0 引言 74 
3.1 启发法 76 
3.2 知情搜索(第一部分)——找到任何解 81 
3.2.1 爬山法 81 
3.2.2 最陡爬坡法 82 
3.3 最佳优先搜索 84 
3.4 集束搜索 87 
3.5 搜索算法的其他指标 89 
3.6 知情搜索(第二部分)——找到最佳解 90 
3.6.1 分支定界法 90 
3.6.2 使用低估值的分支定界法 95 
3.6.3 采用动态规划的分支定界法 98 
3.6.4 A*搜索 99 
3.7 知情搜索(第三部分)—高级搜索算法 100 
3.7.1 约束满足搜索 100 
3.7.2 与或树 101 
3.7.3 双向搜索 102 
3.8 本章小结 104 
第4章 博弈中的搜索 109 
4.0 引言 109 
4.1 博弈树和极小化极大评估 110 
4.1.1 启发式评估 112 
4.1.2 博弈树的极小化极大评估 112 
4.2 具有α-剪枝的极小化极大算法 115 
4.3 极小化极大算法的变体和改进 120 
4.3.1 负极大值算法 120 
4.3.2 渐进深化法 122 
4.3.3 启发式续篇和地平线效应 122 
4.4 概率游戏和预期极小化极大值算法 123 
4.5 博弈理论 125 
迭代的囚徒困境 126 
4.6 本章小结 127 
第5章 人工智能中的逻辑 133 
5.0 引言 133 
5.1 逻辑和表示 134 
5.2 命题逻辑 135 
5.2.1 命题逻辑—基础 136 
5.2.2 命题逻辑中的论证 140 
5.2.3 证明命题逻辑论证有效的第二种方法 141 
5.3 谓词逻辑——简要介绍 143 
5.3.1 谓词逻辑中的合一 144 
5.3.2 谓词逻辑中的反演 146 
5.3.3 将谓词表达式转换为子句形式 148 
5.4 其他一些逻辑 151 
5.4.1 二阶逻辑 151 
5.4.2 非单调逻辑 152 
5.4.3 模糊逻辑 152 
5.4.4 模态逻辑 153 
5.5 本章小结 153 
第6章 知识表示 160 
6.0 引言 160 
6.1 图形草图和人类视窗 163 
6.2 图和哥尼斯堡桥问题 166 
6.3 搜索树 167 
6.4 表示方法的选择 169 
6.5 产生式系统 172 
6.6 面向对象 172 
6.7 框架法 173 
6.8 脚本和概念依赖系统 176 
6.9 语义网络 179 
6.10 关联 181 
6.11 新近的方法 182 
6.11.1 概念地图 182 
6.11.2 概念图 184 
6.11.3 Baecker的工作 184 
6.12 智能体:智能或其他 185 
6.12.1 智能体的一些历史 188 
6.12.2 当代智能体 189 
6.12.3 语义网 191 
6.12.4 IBM眼中的未来世界 191 
6.12.5 作者的观点 192 
6.13 本章小结 192 
第7章 产生式系统 199 
7.0 引言 199 
7.1 背景 199 
7.2 基本示例 202 
7.3 CARBUYER系统 204 
7.4 产生式系统和推导方法 208 
7.4.1 冲突消解 211 
7.4.2 正向链接 213 
7.4.3 反向链接 214 
7.5 产生式系统和细胞自动机 219 
7.6 随机过程与马尔可夫链 221 
7.7 本章小结 222 
第三部分 基于知识的系统 
第8章 人工智能中的不确定性 228 
8.0 引言 228 
8.1 模糊集 229 
8.2 模糊逻辑 231 
8.3 模糊推理 232 
8.4 概率理论和不确定性 235 
8.5 本章小结 239 
第9章 专家系统 242 
9.0 引言 242 
9.1 背景 242 
9.2 专家系统的特点 249 
9.3 知识工程 250 
9.4 知识获取 252 
9.5 经典的专家系统 254 
9.5.1 DENDRAL 254 
9.5.2 MYCIN 255 
9.5.3 EMYCIN 258 
9.5.4 PROSPECTOR 259 
9.5.5 模糊知识和贝叶斯规则 261 
9.6 提高效率的方法 262 
9.6.1 守护规则 262 
9.6.2 Rete算法 263 
9.7 基于案例的推理 264 
9.8 更多最新的专家系统 269 
9.8.1 改善就业匹配系统 269 
9.8.2 振动故障诊断的专家系统 270 
9.8.3 自动牙科识别 270 
9.8.4 更多采用案例推理的专家系统 271 
9.9 本章小结 271 
第 10章机器学习第一部分 277 
10.0 引言 277 
10.1 机器学习:简要概述 277 
10.2 机器学习系统中反馈的作用 279 
10.3 归纳学习 280 
10.4 利用决策树进行学习 282 
10.5 适用于决策树的问题 283 
10.6 熵 284 
10.7 使用ID3构建决策树 285 
10.8 其余问题 287 
10.9 本章小结 288 
第 11章机器学习第二部分:神经网络 291 
11.0 引言 291 
11.1 人工神经网络的研究 292 
11.2 麦卡洛克-皮茨网络 294 
11.3 感知器学习规则 295 
11.4 增量规则 303 
11.5 反向传播 308 
11.6 实现关注点 313 
11.6.1 模式分析 316 
11.6.2 训练方法 317 
11.7 离散型霍普菲尔德网络 318 
11.8 应用领域 323 
11.9 本章小结 330 
第 12章受到自然启发的搜索 337 
12.0 引言 337 
12.1 模拟退火 338 
12.2 遗传算法 341 
12.3 遗传规划 349 
12.4 禁忌搜索 353 
12.5 蚂蚁聚居地优化 356 
12.6 本章小结 359 
第四部分 高级专题 
第 13章自然语言处理 368 
13.0 引言 368 
13.1 概述:语言的问题和可能性 368 
13.2 自然语言处理的历史 371 
13.2.1 基础期(20世纪40年代和50年代) 371 
13.2.2 符号与随机方法(1957—1970) 372 
13.2.3 4种范式(1970—1983) 372 
13.2.4 经验主义和有限状态模型(1983—1993) 373 
13.2.5 大融合(1994—1999) 373 
13.2.6 机器学习的兴起(2000—2008) 374 
13.3 句法和形式语法 374 
13.3.1 语法类型 374 
13.3.2 句法解析:CYK算法 379 
13.4 语义分析和扩展语法 380 
13.4.1 转换语法 381 
13.4.2 系统语法 381 
13.4.3 格语法 382 
13.4.4 语义语法 383 
13.4.5 Schank系统 383 
13.5 NLP中的统计方法 387 
13.5.1 统计解析 387 
13.5.2 机器翻译(回顾)和IBM的Candide系统 388 
13.5.3 词义消歧 389 
13.6 统计NLP的概率模型 390 
13.6.1 隐马尔可夫模型 390 
13.6.2 维特比算法 391 
13.7 统计NLP语言数据集 392 
13.7.1 宾夕法尼亚州树库项目 392 
13.7.2 WordNet 394 
13.7.3 NLP中的隐喻模型 394 
13.8 应用:信息提取和问答系统 396 
13.8.1 问答系统 396 
13.8.2 信息提取 401 
13.9 现在和未来的研究(基于CHARNIAK的工作) 401 
13.10 语音理解 402 
13.11 语音理解技术的应用 405 
13.12 本章小结 410 
第 14章自动规划 417 
14.0 引言 417 
14.1 规划问题 418 
14.1.1 规划术语 418 
14.1.2 规划应用示例 419 
14.2 一段简短的历史和一个著名的问题 424 
14.3 规划方法 426 
14.3.1 规划即搜索 426 
14.3.2 部分有序规划 430 
14.3.3 分级规划 432 
14.3.4 基于案例的规划 433 
14.3.5 规划方法集锦 434 
14.4 早期规划系统 435 
14.4.1 STRIPS 435 
14.4.2 NOAH 436 
14.4.3 NONLIN 436 
14.5 更多现代规划系统 437 
14.5.1 O-PLAN 438 
14.5.2 Graphplan 439 
14.5.3 规划系统集锦 441 
14.5.4 学习系统的规划方法 441 
14.5.5 SCIBox自动规划器 442 
14.6 本章小结 444 
第五部分 现在和未来 
第 15章机器人技术 452 
15.0 引言 452 
15.1 历史:服务人类、仿效人类、增强人类和替代人类 455 
15.1.1 早期机械机器人 455 
15.1.2 电影与文学中的机器人 458 
15.1.3 20世纪早期的机器人 458 
15.2 技术问题 464 
15.2.1 机器人的组件 464 
15.2.2 运动 467 
15.2.3 点机器人的路径规划 468 
15.2.4 移动机器人运动学 469 
15.3 应用:21世纪的机器人 471 
15.4 本章小结 479 
第 16章高级计算机博弈 482 
16.0 引言 482 
16.1 跳棋:从塞缪尔到舍弗尔 483 
16.1.1 在跳棋博弈中用于机器学习的启发式方法 486 
16.1.2 填鸭式学习与概括 488 
16.1.3 签名表评估和棋谱学习 489 
16.1.4 含有奇诺克程序的世界跳棋锦标赛 490 
16.1.5 彻底解决跳棋游戏 491 
16.2 国际象棋:人工智能的“果蝇” 494 
16.2.1 计算机国际象棋的历史背景 495 
16.2.2 编程方法 496 
16.2.3 超越地平线效应 505 
16.2.4 DeepThought和DeepBlue与特级大师的比赛(1988—1995年) 505 
16.3 计算机国际象棋对人工智能的贡献 507 
16.3.1 在机器中的搜索 507 
16.3.2 在搜索方面,人与机器的对比 508 
16.3.3 启发式、知识和问题求解 509 
16.3.4 蛮力:知识vs.搜索;表现vs.能力 510 
16.3.5 残局数据库和并行计算 511 
16.3.6 本书第一作者的贡献 514 
16.4 其他博弈 514 
16.4.1 奥赛罗 515 
16.4.2 西洋双陆棋 516 
16.4.3 桥牌 518 
16.4.4 扑克 519 
16.5 围棋:人工智能的“新果蝇”? 520 
16.6 本章小结 523 
第 17章大事记 532 
17.0 引言 532 
17.1 提纲挈领——概述 532 
17.2 普罗米修斯归来 534 
17.3 提纲挈领——介绍人工智能的成果 535 
17.4 IBM的沃森-危险边缘挑战赛 539 
17.5 21世纪的人工智能 543 
17.6 本章小结 545 
附录A CLIPS示例:专家系统外壳 548 
附录B 用于隐马尔可夫链的维特比算法的实现(由HarunIftikhar提供) 552 
附录C 对计算机国际象棋的贡献:令人惊叹的WalterShawnBrowne 555 
附录D 应用程序和数据 559 
附录E 部分练习的答案 560 
广告
商品推荐 更多>>
广告
已成功加入购物车!