深入淺出人工智慧(第2版)

深入淺出人工智慧(第2版)

《深入淺出人工智慧(第2版)》是清華大學出版社於2020年1月1日出版的一本圖書,作者是[德]沃爾夫岡·埃特爾(Wolfgang Ertel),譯者是文益民、蔡國永。

基本介紹

  • 書名:深入淺出人工智慧(第2版)
  • 作者:[德]沃爾夫岡·埃特爾(Wolfgang Ertel)
  • 譯者:文益民、蔡國永
  • ISBN:9787302541653
  • 定價:59.80元
  • 出版社:清華大學出版社
  • 出版時間:2020.01.01
圖書內容,圖書目錄,

圖書內容

《深入淺出人工智慧(第2版)》主要內容 ● 給出聚焦套用和進行實際操作的學習方法,同時提供包含輔助教學資源的網站。 ● 包含許多研究習題和答案、例子、定義、理論以及富含說服力的卡通插圖。 ● 包括謂詞邏輯、Prolog、啟發式搜尋、機率推理、機器學習與數據挖掘、神經網路和強化學習等知識。 ● 報告深度學習的進展,這些進展包括套用神經網路去產生有創造性的內容,如文本、音樂和藝術(★新增內容)。 ● 分析聚類算法的性能評估,給出兩個能解釋貝葉斯定理的例子以及它們在日常生活中的相關性(★新增內容)。 ● 討論搜尋算法,分析循環校驗,解釋車輛導航系統的路徑規劃,還介紹蒙特卡洛樹搜尋(★新增內容)。 ● 討論人工智慧在就業和交通方面的套用(★新增內容)。

圖書目錄

第1章 導論 1
1.1 什麼是人工智慧 1
1.1.1 腦科學與問題求解 3
1.1.2 圖靈測試及聊天機器人 5
1.2 AI的歷史 5
1.2.1 人工智慧的開始 8
1.2.2 基於邏輯的問題求解 8
1.2.3 新聯接主義 9
1.2.4 不確定性推理 9
1.2.5 分散式的自治且有學習能力的智慧型體 10
1.2.6 人工智慧的進一步發展 10
1.2.7 人工智慧革命 10
1.3 人工智慧與社會 11
1.3.1 人工智慧會搶奪人類的工作嗎 11
1.3.2 AI與交通 11
1.3.3 服務機器人 12
1.4 智慧型體 13
1.5 基於知識的系統 15
1.6 練習 17
第2章 命題邏輯 19
2.1 句法 19
2.2 語義 20
2.3 證明系統 22
2.4 歸結 25
2.5 Horn子句 28
2.6 可計算性和複雜性 30
2.7 套用及限制 30
2.8 練習 31
第3章 一階謂詞邏輯 33
3.1 句法 34
3.2 語義 35
3.3 量詞和範式 38
3.4 證明演算 41
3.5 歸結 42
3.5.1 歸結策略 45
3.5.2 等值 45
3.6 自動定理證明 46
3.7 數學例子 47
3.8 套用 50
3.9 小結 52
3.10 練習 52
第4章邏輯的局限性55
4.1搜尋空間問題55
4.2可判定性和不完備性57
4.3會飛的企鵝58
4.4模型的不確定性60
4.5練習61
第5章Prolog邏輯程式設計63
5.1Prolog系統及實現64
5.2簡單例子64
5.3執行控制和過程要素67
5.4列表68
5.5自我修改程式70
5.6規劃示例71
5.7約束邏輯編程73
5.8總結74
5.9練習75
第6章搜尋、博弈與問題求解79
6.1引言79
6.2無信息搜尋84
6.2.1寬度優先搜尋84
6.2.2深度優先搜尋85
6.2.3疊代深入87
6.2.4對比88
6.2.5循環校驗89
6.3啟發式搜尋90
6.3.1貪婪搜尋92
6.3.2A*搜尋93
6.3.3A*搜尋算法的路徑規劃95
6.3.4IDA*搜尋96
6.3.5搜尋算法的經驗對比97
6.3.6總結98
6.4對弈99
6.4.1最小最大搜尋99
6.4.2Alpha-Beta剪枝100
6.4.3非決定性遊戲102
6.5啟發式評估函式102
6.6搜尋前沿現狀104
6.6.1象棋104
6.6.2圍棋105
6.7練習106
第7章不確定性推理109
7.1機率計算111
7.2最大熵的原理118
7.2.1機率推理規則118
7.2.2無明確約束的最大熵122
7.2.3條件機率與實質蘊含123
7.2.4MaxEnt系統124
7.2.5tweety示例125
7.3LEXMED,一個闌尾炎診斷專家系統126
7.3.1正規方式的闌尾炎診斷126
7.3.2混合機率知識庫127
7.3.3LEXMED的套用129
7.3.4LEXMED的功能130
7.3.5使用代價矩陣進行風險管理133
7.3.6性能134
7.3.7套用領域和經驗136
7.4貝葉斯網路推理137
7.4.1獨立變數137
7.4.2將知識的圖解作為貝葉斯網路138
7.4.3條件獨立139
7.4.4實際套用139
7.4.5貝葉斯網路軟體141
7.4.6貝葉斯網路的發展142
7.4.7貝葉斯網路的語義145
7.5總結146
7.6練習148
第8章機器學習與數據挖掘151
8.1數據分析156
8.2感知器,一個線性分類器158
8.2.1學習規則160
8.2.2最佳化與展望163
8.3最近鄰算法163
8.3.1兩類、多類、近似166
8.3.2距離與分類相關167
8.3.3計算時間168
8.3.4總結與展望169
8.3.5基於案例的推理170
8.4決策樹學習171
8.4.1一個簡單的例子171
8.4.2將熵作為信息量的度量173
8.4.3信息增益175
8.4.4C4.5算法的套用177
8.4.5對闌尾炎診斷的學習179
8.4.6連續屬性181
8.4.7剪枝182
8.4.8缺失值183
8.4.9總結183
8.5交叉驗證和過擬合184
8.6貝葉斯網路的學習185
8.7樸素貝葉斯分類器187
8.8單類學習191
8.9聚類193
8.9.1距離度量194
8.9.2K均值與EM算法195
8.9.3層次聚類196
8.9.4如何確定簇的數量197
8.10實踐中的數據挖掘200
8.11總結203
8.12練習205
第9章神經網路209
9.1從生物學到仿真210
9.2Hopfield網路213
9.2.1一個模式識別套用實例214
9.2.2分析216
9.2.3總結與展望218
9.3神經聯想記憶219
9.3.1關聯矩陣存儲器220
9.3.2二進制Hebb定律221
9.3.3拼寫糾正程式223
9.4具有最小錯誤的線性網路224
9.4.1最小二乘法225
9.4.2闌尾炎數據的套用227
9.4.3delta規則227
9.4.4與感知器的比較229
9.5反向傳播算法230
9.5.1NETtalk:讓網路學著去說話232
9.5.2關於定理證明的啟發式學習234
9.5.3問題與改進234
9.6支持向量機235
9.7深度學習237
9.7.1效法自然237
9.7.2疊加去噪自動編碼器238
9.7.3其他方法239
9.7.4系統和實現240
9.7.5深度學習的套用240
9.8創造性241
9.9神經網路的套用243
9.10總結與展望243
9.11練習244
第10章強化學習247
10.1什麼是強化學習247
10.2學習任務249
10.3不使用已有信息的組合搜尋251
10.4值疊代與動態規劃252
10.5一種學習型步行機器人及其仿真255
10.6Q學習257
10.7探索與開發261
10.8逼近、推廣與收斂性261
10.9套用262
10.10AlphaGo圍棋的突破263
10.11維數災難265
10.12總結與展望266
10.13練習267
第11章練習解答269
11.1導論269
11.2命題邏輯270
11.3一階謂詞邏輯272
11.4邏輯的局限性274
11.5Prolog邏輯程式設計274
11.6搜尋、博弈和問題求解276
11.7不確定性推理278
11.8機器學習與數據挖掘285
11.9神經網路291
11.10強化學習293

相關詞條

熱門詞條

聯絡我們