《人工智能》PDF下载

  • 购买积分:14 如何计算积分?
  • 作  者:(美)Rob Callan著;黄厚宽,田盛丰等译
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2004
  • ISBN:7505399233
  • 页数:414 页
图书介绍:本书是一本人工智能(AI)领域最新的教科书,2003年由Palgrave Macmillan出版社出版。本书的特点是实用,它结合许多实例,例如工业和娱乐机器人、空间飞行器自动控制、信用卡欺诈检测、保护网络免受黑客攻击、计算机以似人的方式下棋等等,考察了在实际应用中用到的一系列AI技术。对于近几年来取得显著进展的一些主题做了最新的处理,如对应用广泛的贝叶斯网络进行了相当深入的讨论,对作为AI重要工具的神经网络给予了相当的篇幅。在论述的深度上力求做到,既足够深使得读者能够着手去实现AI技术,又不至于太深而使读者无法接受。全书的内容自包含,要求的数学基础很少;每一章末都附有习题和进一步阅读材料建议;教师和学生所需的进一步材料都可以从出版社Web站点联机获得。由于以上特点,使本书成为一本最新的、实用的、易读的、生动的AI导引和教科书。

第1章 引论 2

1.1人工智能从实验室中浮现 2

第一部分 引 论 2

1.2什么是人工智能应用程序 4

1.3什么是人工智能 5

1.4不同的智能模型 7

1.5表示 8

第2章 逻辑 16

2.1命题逻辑 16

第二部分 逻辑和搜索 16

2.2谓词演算 28

2.3小结 36

第3章 搜索 38

3.1 引言 38

3.2一些经典的人工智能问题 39

3.3基于树的算法 41

3.4用函数最优化表示搜索 49

3.5小结 56

第4章 自动逻辑推理 59

4.1命题逻辑中的归结 59

4.2 FOPC中的归结 63

4.3 Prolog 71

4.4小结 81

第三部分 不确定性 84

第5章 贝叶斯网络(1) 84

5.1引言 85

5.2基础概率论综述 88

5.3贝叶斯网络 91

5.4小结 104

6.1构造簇树 107

第6章 贝叶斯网络(2) 107

6.2量化连接树 115

6.3处理证据 120

6.4不精确推理 121

6.5小结 123

第7章 其他不确定性方法 125

7.1模糊逻辑 125

7.2 Dempster-Shafer理论 132

7.3非数值方法 135

7.4小结 137

8.1非干预行动 142

第8章 决策网络 142

第四部分 行动决策 142

8.2干预行动 144

8.3测试决策 147

8.4信息价值 149

8.5有关效益值的一点说明 150

8.6小结 151

第9章 规划(1) 154

9.1简单规划描述语言 154

9.2派生规划 155

9.3将实施规划作为简单搜索过程 156

9.4图规划 158

9.5小结 166

第10章 规划(2) 170

10.1有表现力的表达 170

10.2不确定情况下的行动 173

10.3使用基于知识方法的规划器 179

10.4讨论 182

10.5小结 183

第11章 学习引论 186

11.1学习中的元素 186

第五部分 学 习 186

11.2目标函数的表示 189

11.3学习任务的类型 190

11.4学习即是搜索 191

11.5假设空间中的学习偏置 196

11.6更深入的问题 197

11.7小结 198

第12章 决策树学习 199

12.1 简介 199

12.2 ID3算法 201

12.3有关决策树学习的一些问题 205

12.4 小结 207

第13章 归纳逻辑程序设计 210

13.1简介 210

13.2假设的产生 212

13.3归纳推理 213

13.4 FOIL算法 213

13.5逆向归结(逆向蕴含) 216

13.6 θ-包含 218

13.7具有逆向蕴含的ILP系统的实际实现 219

13.8小结 221

14.1 简介 223

第14章 强化学习 223

14.2强化学习的关键元素 224

14.3最优策略的计算 226

14.4 Q-学习 233

14.5 小结 235

第15章 神经网络(1) 237

15.1基本成分 237

15.2基本概念 244

15.3线性与非线性问题 247

15.4反向传播学习 249

15.5字符分类示例 255

15.6小结 256

第16章 神经网络(2) 259

16.1使用相似性度量发现簇 259

16.2自组织特征映射 260

16.3用于聚类的模型生成器 267

16.4径向基函数网络 269

16.5小结 272

第17章 遗传算法 274

17.1一些术语 275

17.2一个较完整的算法 278

17.3假设表示 280

17.4模式定理与隐含的并行机制 283

17.5遗传算法的其他方面 284

17.6 小结 285

第六部分 自然语言理解与感知 288

第18章 自然语言处理(1) 288

18.1 自然语言理解的阶段 289

18.2语言的各部分 290

18.3分析结构 291

18.4语义分析 298

18.5语境分析 301

18.6 小结 302

第19章 自然语言处理(2) 304

19.1图表分析器 304

19.2文法与属性 310

19.3语义学 313

19.4量化和中介逻辑形式 319

19.5上下文 321

19.6 NLP的统计学方法 323

19.7 小结 326

20.1组成单词读音的基本单元 328

第20章 语音处理 328

20.2信号处理 329

20.3识别 332

20.4隐马尔可夫模型 332

20.5小结 338

第21章 视觉 339

21.1图像 340

21.2物体和图像之间的基本数学关系 340

21.3视觉线索 343

21.4形状描述 345

21.5边缘检测 347

21.6分割 349

21.7提取边界 351

21.8对物体进行分类 354

21.9小结 357

第七部分 代理哲学和应用 360

第22章 代理 360

22.1代理 360

第23章 人工智能的哲学 364

23.1什么是哲学 364

23.2强人工智能与弱人工智能 365

23.3思维机器 367

23.4图灵测试 368

23.5我们是否用语言思考 370

第24章 人工智能的若干应用 373

24.1宇宙飞船的自主控制 373

24.2使用O-Plan的层次式任务规划 374

24.3帮助机场操作的决策支持工具 378

24.4新闻报道中的文本提取 378

24.5航班信息会话接口 381

24.7医学诊断中的成像 382

24.6人脸识别 382

24.8数据挖掘 383

24.9从非结构数据获取信息 385

24.10欺诈检测 386

24.11给予机器常识 386

24.12管理飞行器安全 387

24.13贝叶斯推理增长的作用 390

24.14机器人 390

附录A Prolog简介 392

参考文献 407