| 本书在关于逻辑、搜索、学习等核心章节里集中阐述了表达的重要性。比起大多数入门级的教科书，本书引入了更多对人工智能的形式化论述，这在对语法和语义逻辑的关注中以及在关于人工智能算法计算复杂度的资料中都有所体现。最新的计算学习理论成果将作为学习方面的资料，以阐述从决策树到神经网络的各种技术。
本书给出了一些机器人及软件自动化（软件机器人）实例，可以作为真实世界中人工智能的教学案例，同时广泛介绍了其他例子以突出人工智能应用的潜力和多样性。关于自然语言处理、规划、不确定性和视觉的章节，融合了已有方法，概括了挑战性领域，为进一步的研究工作描述了技术发展前景。 本书无意通览人工智能技术，对于诸如物理系统的定性推理和类比推理等主题仅简单提及，对于其他一些主题本书则比传统的教材给予了更多的重视。书中对学习、规划、概率推理进行了深入的探讨，以反映它们在本领域中其重要性的提高。关于视觉的章节（第9章）所涉及的课题对于说明在智能理解与开发人工系统（以实用而有趣的方式与世界交互）中感知的重要性是很关键的。 |
| Thomas Dean是布朗大学计算机科学系的教授，主要研究领域包括时空推理、规划、机器人学、学习、概率推理。Dean教授目前正从事应用于移动机器人和工厂自动化的时态数据库系统的设计与实现工作。他是美国人工智能联合会（AAAI）的会士和执委会成员。 |
| 第1章 绪论 1.1 人工智能实践 1.2 人工智能理论 1.3 智能的判定与度量 1.4 行为计算理论 1.5 自动推理 1.6 本书结构 本章小结 背景资料 练习 第2章 符号编程 2.1 基于规则的反应系统实例 2.2 LISP简介 2.3 LISP交互方式 2.4 LISP函数 2.5 环境、符号与作用域 2.6 LISP函数的更多内容 2.7 表处理 2.8 迭代结构 2.9 程序调试 2.10 基于规则的反应系统回顾 本章小结 背景资料 练习 第3章 表达与逻辑 3.1 命题逻辑 3.2 P语言的形式化系统 3.3 P语言中的自动定理证明 3.4 谓词演算 3.5 PC语言的形式化系统 3.6 PC语言中的自动定理证明 3.7 非单调逻辑 3.8 演绎检索系统 本章小结 背景资料 练习 LISP实现：数据依赖 第4章 搜索 4.1 基本搜索问题 4.2 盲目搜索 4.3 启发式搜索 4.4 最优化与搜索 4.5 敌对搜索 4.6 判别树的索引 本章小结 背景资料 练习 LISP实现：判别树 第5章 学习 5.1 归纳学习问题的分类 5.2 归纳推理理论 5.3 描述空间 5.4 决策树 5.5 网络学习方法 5.6 梯度导向搜索 5.7 感知器 5.8 径向基函数 5.9 动态环境中的学习 本章小结 背景资料 练习 LISP实现：利用LISP实现学习算法 第6章 高级表达 6.1 时序推理 6.2 情境演算 6.3 一阶区间时序逻辑 6.4 时序知识管理 6.5 知识与信念 6.6 空间推理 本章小结 背景资料 练习 LISP实现：时序推理 第7章 规划 7.1 状态空间搜索 7.2 最小约束规划 7.3 分层抽象空间规划 7.4 自适应规划 7.5 不完全信息规划 7.6 表达能力更强的动作模型 本章小结 背景资料 练习 LISP实现：半序规划的精化 第8章 不确定性 8.1 不确定性推理的动机 8.2 概率论 8.3 概率网 8.4 决策论 本章小结 背景资料 练习 LISP 实现：概率网中的推理 第9章 图像理解 9.1 传感器与图像 9.2 计算机视觉 9.3 人类视觉 9.4 视觉-恢复问题 9.5 图像描述的恢复 9.6 由轮廓复原形状 9.7 由阴影复原形状 9.8 由纹理复原形状 9.9 立体法 9.10 视觉运动分析 9.11 主动视觉 9.12 应用 本章小结 背景资料 练习 LISP 实现：多面体景物标记 第10章 自然语言处理 10.1 语言成分 10.2 上下文无关文法 10.3 上下文无关文法分析 10.4 文法特性 10.5 基于图的有效句法分析 10.6 语义解释 10.7 自然语言生成 10.8 上下文中的自然语言 10.9 量词作用域 本章小结 背景资料 练习 LISP实现：简单分析器 参考文献 |
内容加载中，请稍后...
商品评论（0条）