《人工智能 第2版》PDF下载

  • 购买积分:17 如何计算积分?
  • 作  者:(美)史蒂芬·卢奇(StephenLucci),(美)丹尼·科佩克(DannyKopec)著;林赐译
  • 出 版 社:北京:人民邮电出版社
  • 出版年份:2018
  • ISBN:9787115488435
  • 页数:586 页
图书介绍:本书共为17章,讲述了如何多样化探索人工智能领域,原书在亚马逊上收到众多高校老师和学生的好评。书中不仅介绍了人工智能的基础理论,还介绍了机器学习、神经网络、自然语言处理等热门话题,帮助读者全方位了解人工智能领域的方方面面。本书既适合作为教材,也适合作为个人阅读的参考指南。

第一部分 引言 2

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 46

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

2.4.4DFS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

3.6.4A*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-β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

6.11.3Baecker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

6.12.4IBM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

7.3CARBUYER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 228

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

9.5.1DENDRAL 254

9.5.2MYCIN 255

9.5.3EMYCIN 258

9.5.4PROSPECTOR 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

9.6.2Rete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 368

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

13.4.5Schank系统 383

13.5NLP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

13.7.2WordNet 394

13.7.3NLP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

14.4.1STRIPS 435

14.4.2NOAH 436

14.4.3NONLIN 436

14.5更多现代规划系统 437

14.5.1O-PLAN 438

14.5.2Graphplan 439

14.5.3规划系统集锦 441

14.5.4学习系统的规划方法 441

14.5.5SCI Box自动规划器 442

14.6本章小结 444

第五部分 现在和未来 452

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

16.2.4Deep Thought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

17.4IBM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Harun Iftikhar提供) 552

附录C 对计算机国际象棋的贡献:令人惊叹的Walter Shawn Browne 555

附录D 应用程序和数据 559

附录E 部分练习的答案 560