《人工智慧實戰》是2019年清華大學出版社出版的圖書，作者是[古] 阿納達·佩雷茲·卡斯塔諾（Arnaldo Pérez Casta?o）。
基本介紹
- 中文名：人工智慧實戰
- 出版社：清華大學出版社
- 作者：阿納達·佩雷茲·卡斯塔諾
- 譯者：敖富江、周雲彥、李博、李海莉
- 出版時間：2019年12月1日
- 定價：98 元
- 裝幀：平裝
- 開本：16 開
- ISBN：9787302538561
- 頁數：384 頁
- 正文字數：630000 字
- 印刷日期：2019.11.04
基本簡介,圖書目錄,內容簡介,
基本簡介
《人工智慧實戰》是清華大學出版社於2019年12月出版的一本圖書。
圖書目錄
第1章邏輯學與人工智慧1
1.1邏輯是什麼1
1.2命題邏輯2
1.3邏輯聯結詞3
1.3.1否定3
1.3.2合取4
1.3.3析取4
1.3.4蘊涵5
1.3.5等值6
1.4命題邏輯定律6
1.5範式8
1.6邏輯電路9
1.7實際問題：使用繼承和C#運算符計算邏輯公式的值11
1.8實際問題：將邏輯公式表達為二叉決策樹14
1.9實際問題：將公式轉換為否定範式(NNF)16
1.10實際問題：將公式轉換為合取範式(CNF)18
1.11本章小結21
第2章自動定理證明和一階邏輯23
2.1自動定理證明23
2.2實際問題：C#中的Clause類和Cnf類25
2.3DPLL算法30
2.4實際問題：在命題邏輯中建模鴿巢原理37
2.5實際問題：判斷一個命題邏輯公式是否可滿足37
2.6一階邏輯41
2.7實際問題：清潔機器人45
2.8本章小結49
第3章Agents51
3.1Agent是什麼51
3.2Agent的屬性53
3.3Agent環境的類型55
3.4有狀態Agent56
3.5實際問題：將清潔機器人作為Agent建模並對其添加狀態57
3.6Agent的架構63
3.6.1反應式架構：包容架構63
3.6.2慎思式架構：BDI架構65
3.6.3混合架構69
3.6.4旅行機71
3.6.5InteRRaP72
3.7本章小結73
第4章火星漫遊車75
4.1火星漫遊車簡介75
4.2火星車的架構77
4.3火星車的程式代碼78
4.4MarsRover可視化應用程式96
4.5本章小結106
第5章多Agent系統107
5.1多Agent系統是什麼107
5.2多Agent組織109
5.3通信110
5.3.1言語行為理論111
5.3.2Agent通信語言(ACL)112
5.4協調與合作116
5.4.1使用契約網協商118
5.4.2社會規範與社會120
5.5本章小結121
第6章基於WCF的多Agent系統通信123
6.1服務123
6.2契約124
6.3綁定126
6.4端點126
6.5發布者/訂閱者模式127
6.6實際問題：利用WCF在多個Agent之間通信127
6.7本章小結138
第7章清潔Agent：一個多Agent系統問題139
7.1程式結構139
7.2清潔任務140
7.3清潔Agent平台141
7.4契約網142
7.5FIPA-ACL146
7.6MAS清潔Agent149
7.7GUI155
7.8運行應用程式157
7.9本章小結159
第8章仿真161
8.1仿真是什麼161
8.2離散事件仿真162
8.3機率分布163
8.4實際問題：機場仿真165
8.5本章小結173
第9章支持向量機175
9.1支持向量機是什麼176
9.2實際問題：利用C#實現線性SVM181
9.3不完全可分情形189
9.4非線性可分情形：核心技巧191
9.5序列最小最佳化算法(SMO)192
9.6實際問題：SMO實現196
9.7本章小結201
第10章決策樹203
10.1決策樹是什麼203
10.2利用ID3算法生成決策樹206
10.2.1熵和信息增益207
10.2.2實際問題：實現ID3算法208
10.2.3C4.5算法217
10.2.4實際問題：實現C4.5算法220
10.3本章小結226
第11章神經網路227
11.1神經網路是什麼227
11.2感知器：單神經網路229
11.2.1實際問題：實現感知器神經網路231
11.2.2Adaline神經網路和梯度下降搜尋235
11.2.3隨機逼近法237
11.2.4實際問題：實現Adaline神經網路238
11.2.5多層網路239
11.2.6反向傳播算法241
11.2.7實際問題：實現反向傳播算法並解決XOR問題244
11.3本章小結251
第12章手寫數字識別253
12.1手寫數字識別是什麼253
12.2訓練數據集254
12.3用於HDR的多層神經網路255
12.4實現256
12.5測試261
12.6本章小結262
第13章聚類和多目標聚類263
13.1聚類是什麼263
13.2層次聚類265
13.3劃分聚類267
13.4實際問題：k-Means算法269
13.5多目標聚類274
13.6帕累托邊界生成器275
13.7本章小結278
第14章啟發式方法&元啟發式方法279
14.1啟發式方法是什麼279
14.2爬山算法280
14.3實際問題：實現爬山算法282
14.4P-元啟發式算法：遺傳算法286
14.5實際問題：對旅行商問題實現遺傳算法288
14.6S-元啟發式方法：禁忌搜尋296
14.7本章小結300
第15章 遊戲編程 303
15.1 電子遊戲是什麼 303
15.2 遊戲中的搜尋 304
15.3 無信息搜尋 306
15.4 實際問題：實現BFS、DFS、DLS和IDS 308
15.5 實際問題：在滑塊拼圖問題中實現雙向搜尋 313
15.6 有信息搜尋 319
15.7 運用A*算法求解滑塊拼圖 321
15.8 本章小結 324
第16章 博弈論：對抗性搜尋與黑白棋遊戲 325
16.1 博弈論是什麼 326
16.2 對抗性搜尋 327
16.3 極小化極大搜尋算法 328
16.4 α-β剪枝算法 330
16.5 黑白棋遊戲 332
16.6 實際問題：在Windows窗體程式中實現黑白棋遊戲 335
16.7 實際問題：使用Minimax算法實現黑白棋AI 347
16.8 本章小結 349
第17章 強化學習 351
17.1 強化學習是什麼 351
17.2 馬爾可夫決策過程 352
17.3 值函式/動作值函式與策略 355
17.4 值疊代算法 357
17.5 策略疊代算法 358
17.6 Q-Learning和時序差分學習 359
17.7 實際問題：使用Q-Learning求解迷宮問題 360
17.8 本章小結 371
內容簡介
主要內容 ● 了解Agent和多Agent以及它們是如何合併的 ● 將機器學習與現實問題聯繫起來，明白它的意義 ● 在現實世界中套用監督學習和無監督學習的技術和方法 ● 實現強化學習、遊戲編程、仿真和神經網路
