人工智慧

2003年尼爾森所著書籍

《人工智慧》一書介紹了整個人工智慧系統和agent的發展歷程，作者尼爾森，機械工業出版社出版發行。

內容簡介

《人工智慧》從一個新穎的角度對人工智慧各方面的問題進行了探討。由淺入深地介紹了整個人工智慧系統和agent的發展歷程。首先，描述了僅能對周圍環境中可感知特徵做出反應的原始agent，以及它們所涉及的機器視覺、機器學習和機器進化等問題；然後，逐步介紹了agent可以從無法立即感知的任務環境中獲取信息的技術。《人工智慧》不僅是對人工智慧技術的介紹，而且能為人工智慧的研究提供參考和建議。《人工智慧》作為人工智慧的入門教材，適合所有對人工智慧這門學科感興趣的讀者參考，尤其適合大專院校的計算機專業及相關專業的學生用做教材或教學參考書。

作品目錄

	第一部分響應機器
譯者序	第2章刺激響應agent 13	第3章神經網路 23
前言	2.1 感知和動作 13	3.1 引言 23
第1章緒論 1	2.1.1 感知 15	3.2 訓練單個TLU 23
1.2 人工智慧的研究方法 4	2.1.2 動作 15	3.2.1 TLU幾何學 23
1.3 人工智慧簡史 5	2.1.3 布爾代數 16	3.2.2 擴充向量 24
1.4 《人工智慧》規劃 7	2.1.4 布爾函數的類別和形式 16	3.2.3 梯度下降方法 24
1.5 補充讀物和討論 9	2.2 動作函數的表達和執行 17	3.2.4 Widrow-Hoff程序 25
	2.2.1 產生式系統 17	3.2.5 一般化Delta程序 26
	2.2.2 網路 18	3.2.6 糾錯程序 27
	2.2.3 包含體系結構 20	3.3 神經網路 28
	2.3 補充讀物和討論 21	3.3.1 動機 28
		3.3.2 表示符號 28
		3.3.3 反向傳播方法 29
		3.3.4 計算最後一層的權值變化 30
		3.3.5 計算中間層的權值變化 30
		3.4 一般化、準確度和過度擬合 32
		3.5 補充讀物和討論 34

第4章機器進化 37	第5章狀態機 45	第6章機器人視覺 53
4.1 進化計算 37	5.1 用特徵向量來表示環境 45	6.1 引言 53
4.2 遺傳編程 37	5.2 Elman網路 46	6.2 操縱一輛汽車 54
4.2.1 遺傳編程的程序表示 37	5.3 圖標表示 47	6.3 機器人視覺的兩個階段 55
4.2.2 遺傳編程過程 39	5.4 黑板系統 49	6.4 圖象處理 56
4.2.3 進化一個沿牆運動的機器人 40	5.5 補充讀物和討論 50	6.4.1 平均法 56
4.3 補充讀物和討論 43		6.4.2 邊緣增強 58
		6.4.3 邊緣增強與平均法的結合 59
		6.4.4 區域查找 61
		6.4.5 運用亮度以外的其他圖象的屬性 62
		6.5 場景分析 63
		6.5.1 解釋圖象中的線條和曲線 63
		6.5.2 基於模型的視覺 65
		6.6 立體視覺和深度信息 66
		6.7 補充讀物和討論 67

第二部分狀態空間搜索
第7章能計劃的agent 71	第8章盲目搜索 78	第9章啟髮式搜索 84
7.1 存儲與計算 71	8.1 用公式表示狀態空間 78	9.1 使用評估函數 84
7.2 狀態空間圖 72	8.2 隱式狀態空間圖的組成 78	9.2 一個通用的圖搜索演演算法 85
7.3 顯式狀態空間搜索 74	8.3 廣度優先搜索 79	9.2.1 演演算法A* 86
7.4 基於特徵的狀態空間 74	8.4 深度優先或回溯搜索 80	9.2.2 A*的可接納性 88
7.5 圖記號 75	8.5 迭代加深 81	9.2.3 一致性（或單調）條件 91
7.6 補充讀物和討論 76	8.6 補充讀物和討論 82	9.2.4 迭代加深的A* 92
		9.2.5 遞歸最優搜索 93
		9.3 啟髮式函數和搜索效率 94
		9.4 補充讀物和討論 97

第10章計劃、動作和學習 99	第11章其他搜索公式及其應用 111	第12章敵對搜索 118
10.1 感知/計劃/動作循環 99	11.1 賦值問題 111	12.1 雙agent博弈 118
10.2 逼近搜索 100	11.2 構造性方法 112	12.2 最小最大化過程 119
10.2.1 孤島驅動搜索 100	11.3 啟髮式修補 114	12.3 a -b 過程 122
10.2.2 層次搜索 101	11.4 函數優化 115	12.4 a -b 過程的搜索效率 125
10.2.3 有限範圍搜索 102		12.5 其他重要問題 125
10.2.4 循環 103		12.6 概率博弈 126
10.2.5 建立反應過程 104		12.7 學習評估函數 127
10.3 學習啟髮式函數 105		12.8 補充讀物和討論 128
10.3.1 顯式圖 105
10.3.2 隱式圖 106
10.4 獎賞代替目標 107
10.5 補充讀物和討論 108

第三部分知識的表示和推理
第13章命題演算 131	第14章命題演算中的歸結 140	第15章謂詞演算 146
13.1 對特徵值加以約束 131	14.1 一種新的推理規則：歸結 140	15.1 動機 146
13.2 語言 132	14.1.1 作為合式公式的子句 140	15.2 謂詞演算語言和它的句法 146
13.3 推理規則 133	14.1.2 子句上的歸結 140	15.3 語義 147
13.4 驗證定義 133	14.1.3 歸結的合理性 141	15.3.1 世界 147
13.5 語義 134	14.2 轉換任意的合式公式為子句的合取式 141	15.3.2 解釋 147
13.5.1 解釋 134	14.3 歸結反駁 142	15.3.3 模型及其相關的概念 148
13.5.2 命題真值表 134	14.4 歸結反駁搜索策略 142	15.3.4 知識 149
13.5.3 可滿足性與模型 135	14.4.1 排序策略 143	15.4 量化 150
13.5.4 永真性 136	14.4.2 精確策略 143	15.5 量詞語義學 150
13.5.5 等價 136	14.5 Horn 子句 144	15.5.1 全稱量詞 150
13.5.6 涵蘊 136		15.5.2 存在量詞 151
13.6 合理性和完備性 137		15.5.3 有用的等價式 151
13.7 命題可滿足性問題 137		15.5.4 推理規則 151
13.8 另一些重要的問題 138		15.6 謂詞演算作為一種表示知識的語言 151
13.8.1 語言差異 138		15.6.1 概念化 151
13.8.2 元定理 138		15.6.2 舉例 152
13.8.3 結合律 139		15.7 補充讀物和討論 153
13.8.4 分配律 139

第16章謂詞演算中的歸結 155	第17章基於知識的系統 166	第18章表示常識知識 187
16.1 合一 155	17.1 面對現實世界 166	18.1 常識世界 187
16.2 謂詞演算歸結 157	17.2 用Horn子句進行推理 166	18.1.1 什麼是常識知識 187
16.3 完備性和合理性 158	17.3 動態知識庫的維持 170	18.1.2 表示常識知識的困難 188
16.4 把任意的合式公式轉化為子句形式 158	17.4 基於規則的專家系統 173	18.1.3 常識知識的重要性 189
16.5 用歸結證明定理 160	17.5 規則學習 176	18.1.4 研究領域 189
16.6 回答提取 161	17.5.1 學習命題演算規則 177	18.2 時間 190
16.7 等式謂詞 161	17.5.2 學習一階邏輯規則 180	18.3 用網路表示知識 191
16.8 補充讀物和討論 163	17.5.3 基於解釋的一般化 183	18.3.1 分類的知識 191
	17.6 補充讀物和討論 184	18.3.2 語義網路 192
		18.3.3 語義網路的非單調推理 193
		18.3.4 框架 194
		18.4 補充讀物和討論 194

第19章用不確定信息進行推理 197	第20章用貝葉斯網學習和動作 214	第四部分基於邏輯的規劃方法
19.1 概率論簡介 197	20.1 學習貝葉斯網 214	第21章狀態演算 227
19.1.1 基本思想 197	20.1.1 已知網路結構 214	21.1 狀態和動作推理 227
19.1.2 條件概率 199	20.1.2 學習網路結構 216	21.2 存在的一些困難 229
19.2 概率推理 201	20.2 概率推理與動作 219	21.2.1 框架公理 229
19.2.1 一個一般的方法 201	20.2.1 一般設置 219	21.2.2 條件 230
19.2.2 條件獨立 202	20.2.2 一個擴展的例子 220	21.2.3 分枝 230
19.3 貝葉斯網 203	20.2.3 一般化舉例 222	21.3 生成計劃 231
19.4 貝葉斯網的推理模式 204	20.3 補充讀物和討論 223	21.4 補充讀物和討論 231
19.5 不確定證據 205
19.6 D 分離 205
19.7 在polytree中的概率推理 206
19.7.1 證據在上方 207
19.7.2 證據在下方 208
19.7.3 證據在上下兩方 209
19.7.4 一個數值例子 210
19.8 補充讀物和討論 211

第22章規劃 234	第五部分通信與集成	第24章 agent之間的通信 263
22.1 STRIPS規劃系統 234	第23章多agent 255	24.1 交談 263
22.1.1 描述狀態和目標 234	23.1 交互agent 255	24.1.1 計劃交談 264
22.1.2 向前搜索方法 235	23.2 其他agent模型 255	24.1.2 實現交談 264
22.1.3 遞歸STRIPS 236	23.2.1 模型種類 255	24.2 理解語言字元串 265
22.1.4 帶有運行時條件的計劃 238	23.2.2 模擬策略 256	24.2.1 短語結構語法 265
22.1.5 Sussman異常 238	23.2.3 模擬資料庫 257	24.2.2 語義分析 267
22.1.6 向後搜索方法 239	23.2.4 有意思維方式 257	24.2.3 擴展語法 271
22.2 計劃空間和部分有序規劃 242	23.3 知識模式邏輯 258	24.3 有效通信 272
22.3 層次規劃 246	23.3.1 模式運算元 258	24.3.1 上下文的使用 272
22.3.1 ABSTRIPS 246	23.3.2 知識公理 259	24.3.2 使用知識解決歧義性 273
22.3.2 層次規劃和部分有序規劃的組合 248	23.3.3 關於其他agent知識的推理 260	24.4 自然語言處理 274
22.4 學習計劃 248	23.3.4 預測其他agent的動作 261	24.5 補充讀物和討論 275
22.5 補充讀物和討論 250	23.4 補充讀物和討論 261

第25章 agent體系結構 277
25.1 三級體系結構 277	參考文獻 282
25.2 目標仲裁 278
25.3 三層塔式結構 279
25.4 自舉 280
25.5 補充讀物和討論 280

人工智慧

2003年尼爾森所著書籍

內容簡介

作品目錄

基本信息