人工智能：理論與實踐

定　價：￥39.00

作　者：	（美）Thomas Dean等著；顧國昌等譯；顧國昌譯
出版社：	電子工業(yè)出版社
叢編項：	國外計算機科學教材系列
標　簽：	教材人工智能計算機控制仿真與人工智能計算機與互聯(lián)網(wǎng)

購買這本書可以去

ISBN：	9787120000493	出版時間：	2004-06-01	包裝：	膠版紙
開本：	26cm	頁數(shù)：	390	字數(shù)：

內容簡介

　　本書在關于邏輯、搜索、學習等核心章節(jié)里集中闡述了表達的重要性。比起大多數(shù)入門級的教科書，本書引入了更多對人工智能的形式化論述，這在對語法和語義邏輯的關注中以及在關于人工智能算法計算復雜度的資料中都有所體現(xiàn)。最新的計算學習理論成果將作為學習方面的資料，以闡述從決策樹到神經(jīng)網(wǎng)絡的各種技術。本書給出了一些機器人及軟件自動化（軟件機器人）實例，可以作為真實世界中人工智能的教學案例，同時廣泛介紹了其他例子以突出人工智能應用的潛力和多樣性。關于自然語言處理、規(guī)劃、不確定性和視覺的章節(jié)，融合了已有方法，概括了挑戰(zhàn)性領域，為進一步的研究工作描述了技術發(fā)展前景。本書無意通覽人工智能技術，對于諸如物理系統(tǒng)的定性推理和類比推理等主題僅簡單提及，對于其他一些主題本書則比傳統(tǒng)的教材給予了更多的重視。書中對學習、規(guī)劃、概率推理進行了深入的探討，以反映它們在本領域中其重要性的提高。關于視覺的章節(jié)（第9章）所涉及的課題對于說明在智能理解與開發(fā)人工系統(tǒng)（以實用而有趣的方式與世界交互）中感知的重要性是很關鍵的。ThomasDean是布朗大學計算機科學系的教授，主要研究領域包括時空推理、規(guī)劃、機器人學、學習、概率推理。Dean教授目前正從事應用于移動機器人和工廠自動化的時態(tài)數(shù)據(jù)庫系統(tǒng)的設計與實現(xiàn)工作。他是美國人工智能聯(lián)合會（AAAI）的會士和執(zhí)委會成員。這是一本闡述人工智能基本理論及其實際應用的教材，由三位資深的人工智能專家精心編著而成。針對機器智能系統(tǒng)開發(fā)中涌現(xiàn)出的表達與計算問題，本書介紹了最新的研究成果，并討論了系統(tǒng)實現(xiàn)中涉及到的實際問題。作者深入探討了用于解決學習、規(guī)劃和不確定性問題的傳統(tǒng)符號推理技術，例如演繹推理、決策樹等，并介紹了神經(jīng)網(wǎng)絡、概率推理等新技術。書中出現(xiàn)的重要算法在每章后面都附有其LISP實現(xiàn)的源代碼，以供讀者在試驗時進行參考。另外，本書還給出了豐富的人工智能應用系統(tǒng)的實例。本書可作為高等院校計算機、控制、機電、數(shù)學等專業(yè)人工智能課程的教材，也可供從事人工智能研究和應用的科學工作者和工程技術人員學習參考。

作者簡介

　　ThomasDean是布朗大學計算機科學系的教授，主要研究領域包括時空推理、規(guī)劃、機器人學、學習、概率推理。Dean教授目前正從事應用于移動機器人和工廠自動化的時態(tài)數(shù)據(jù)庫系統(tǒng)的設計與實現(xiàn)工作。他是美國人工智能聯(lián)合會（AAAI）的會士和執(zhí)委會成員。

圖書目錄

第1章緒論
1.1 人工智能實踐
1.2 人工智能理論
1.3 智能的判定與度量
1.4 行為計算理論
1.5 自動推理
1.6 本書結構
本章小結
背景資料
練習
第2章符號編程
2.1 基于規(guī)則的反應系統(tǒng)實例
2.2 LISP簡介
2.3 LISP交互方式
2.4 LISP函數(shù)
2.5 環(huán)境、符號與作用域
2.6 LISP函數(shù)的更多內容
2.7 表處理
2.8 迭代結構
2.9 程序調試
2.10  基于規(guī)則的反應系統(tǒng)回顧
本章小結
背景資料
練習
第3章表達與邏輯
3.1 命題邏輯
3.2 P語言的形式化系統(tǒng)
3.3 P語言中的自動定理證明
3.4 謂詞演算
3.5 PC語言的形式化系統(tǒng)
3.6 PC語言中的自動定理證明
3.7 非單調邏輯
3.8 演繹檢索系統(tǒng)
本章小結
背景資料
練習
LISP實現(xiàn)：數(shù)據(jù)依賴
第4章搜索
4.1 基本搜索問題
4.2 盲目搜索
4.3 啟發(fā)式搜索
4.4 最優(yōu)化與搜索
4.5 敵對搜索
4.6 判別樹的索引
本章小結
背景資料
練習
LISP實現(xiàn)：判別樹
第5章學習
5.1 歸納學習問題的分類
5.2 歸納推理理論
5.3 描述空間
5.4 決策樹
5.5 網(wǎng)絡學習方法
5.6 梯度導向搜索
5.7 感知器
5.8 徑向基函數(shù)
5.9 動態(tài)環(huán)境中的學習
本章小結
背景資料
練習
LISP實現(xiàn)：利用LISP實現(xiàn)學習算法
第6章高級表達
6.1 時序推理
6.2 情境演算
6.3 一階區(qū)間時序邏輯
6.4 時序知識管理
6.5 知識與信念
6.6 空間推理
本章小結
背景資料
練習
LISP實現(xiàn)：時序推理
第7章規(guī)劃
7.1 狀態(tài)空間搜索
7.2 最小約束規(guī)劃
7.3 分層抽象空間規(guī)劃
7.4 自適應規(guī)劃
7.5 不完全信息規(guī)劃
7.6 表達能力更強的動作模型
本章小結
背景資料
練習
LISP實現(xiàn)：半序規(guī)劃的精化
第8章不確定性
8.1 不確定性推理的動機
8.2 概率論
8.3 概率網(wǎng)
8.4 決策論
本章小結
背景資料
練習
LISP 實現(xiàn)：概率網(wǎng)中的推理
第9章圖像理解
9.1 傳感器與圖像
9.2 計算機視覺
9.3 人類視覺
9.4 視覺-恢復問題
9.5 圖像描述的恢復
9.6 由輪廓復原形狀
9.7 由陰影復原形狀
9.8 由紋理復原形狀
9.9 立體法
9.10  視覺運動分析
9.11  主動視覺
9.12  應用
本章小結
背景資料
練習
LISP 實現(xiàn)：多面體景物標記
第10章自然語言處理
10.1 語言成分
10.2 上下文無關文法
10.3 上下文無關文法分析
10.4 文法特性
10.5 基于圖的有效句法分析
10.6 語義解釋
10.7 自然語言生成
10.8 上下文中的自然語言
10.9 量詞作用域
本章小結
背景資料
練習
LISP實現(xiàn)：簡單分析器
參考文獻