人工智能 (2010 年度畅销榜NO.2984 )

本书从一个新颖的角度对人工智能各方面的问题进行了探讨。由浅入深地介绍了整个人工智能系统和agent的发展历程。首先，描述了仅能对周围环境中可感知特征做出反应的原始agent，以及它们所涉及的机器视觉、机器学习和机器进化等问题；然后，逐步介绍了agent可以从无法立即感知的任务环境中获取信息的技术。本书不仅是对人工智能技术的介绍，而且能为人工智能的研究提供参考和建议。\r\n 本书作为人工智能的入门教材，适合所有对人工智能这门学科感兴趣的读者参考，尤其适合大专院校的计算机专业及相关专业的学生用做教材或教学参考书。\r\n 人工智能的发展历史反复经历了高峰和低谷的转换。由于人类智能之复杂及计算机软硬件之局限，决定了人工智能的发展道路崎岖不平。近几年来，通过人工智能研究者们的不断争论、探索和创新，并随着相关领域、特别是计算机技术的飞速发展，人工智能又进入发展期，一些新技术、新观念被集成到这个领域。本书即是作者在此背景下撰写而成的。\r\n\r\n

译者序\r\n前言\r\n\r\n第1章 绪论\r\n\r\n1.1 什么是人工智能\r\n1.2 人工智能的研究方法\r\n1.3 人工智能简史\r\n1.4 本书规划\r\n1.5 补充读物和讨论\r\n\r\n第一部分 响应机器\r\n\r\n第2章 刺激响应agent\r\n\r\n2.1 感知和动作\r\n2.1.1 感知\r\n2.1.2 动作\r\n2.1.3 布尔代数\r\n2.1.4 布尔函数的类别和形式\r\n2.2 动作函数的表达和执行\r\n2.2.1 产生式系统\r\n2.2.2 网络\r\n2.2.3 包含体系结构\r\n2.3 补充读物和讨论\r\n\r\n第3章 神经网络\r\n\r\n3.1 引言\r\n3.2 训练单个TLU\r\n3.2.1 TLU几何学\r\n3.2.2 扩充向量\r\n3.2.3 梯度下降方法\r\n3.2.4 WidroW－Hoff程序\r\n3.2.5 一般化Delta程序\r\n3.2.6 纠错程序\r\n3.3 神经网络\r\n3.3.1 动机\r\n3.3.2 表示符号\r\n3.3.3 反向传播方法\r\n3.3.4 计算最后一层的权值变化\r\n3.3.5 计算中间层的权值变化\r\n3.4 一般化、准确度和过度拟合\r\n3.5 补充读物和讨论\r\n\r\n第4章 机器进化\r\n\r\n4.1 进化计算\r\n4.2 遗传编程\r\n4.2.1 遗传编程的程序表示\r\n4.2.2 遗传编程过程\r\n4.2.3 进化一个沿墙运动的机器人\r\n4.3 补充读物和讨论\r\n\r\n第5章 状态机\r\n\r\n5.1 用特征向量来表示环境\r\n5.2 Elman网络\r\n5.3 图标表示\r\n5.4 黑板系统\r\n5.5 补充读物和讨论\r\n\r\n第6章 机器人视觉\r\n\r\n6.1 引言\r\n6.2 操纵一辆汽车\r\n6.3 机器人视觉的两个阶段\r\n6.4 图象处理\r\n6.4.1 平均法\r\n6.4.2 边缘增强\r\n6.4.3 边缘增强与平均法的结合\r\n6.4.4 区域查找\r\n6.4.5 运用亮度以外的其他图象的属性\r\n6.5 场景分析\r\n6.5.1 解释图象中的线条和曲线\r\n6.5.2 基于模型的视觉\r\n6.6 立体视觉和深度信息\r\n6.7 补充读物和讨论\r\n\r\n第二部分 状态空间搜索\r\n\r\n第7章 能计划的agent\r\n\r\n7.1 存储与计算\r\n7.2 状态空间图\r\n7.3 显式状态空间搜索\r\n7.4 基于特征的状态空间\r\n7.5 图记号\r\n7.6 补充读物和讨论\r\n\r\n第8章 盲目搜索\r\n\r\n8.1 用公式表示状态空间\r\n8.2 隐式状态空间图的组成\r\n8.3 广度优先搜索\r\n8.4 深度优先或回溯搜索\r\n8.5 迭代加深\r\n8.6 补充读物和讨论\r\n\r\n第9章 启发式搜索\r\n\r\n9.1 使用评估函数\r\n9.2 一个通用的图搜索算法\r\n9.2.1 算法A*\r\n9.2.2 A*的可接纳性\r\n9.2.3 一致性（或单调）条件\r\n9.2.4 迭代加深的A*\r\n9.2.5 速归最优搜索\r\n9.3 启发式函数和搜索效率\r\n9.4 补充读物和讨论\r\n\r\n第10章 计划、动作和学习\r\n\r\n10.1 感知/计划/动作循环\r\n10.2 逼近搜索\r\n10.2.1 孤岛驱动搜索\r\n10.2.2 层次搜索\r\n10.2.3 有限范围搜索\r\n10.2.4 循环\r\n10.2.5 建立反应过程\r\n10.3 学习启发式函数\r\n10.3.1 显式图\r\n10.3.2 隐式图\r\n10.4 奖赏代替目标\r\n10.5 补充读物和讨论\r\n\r\n第11章 其他搜索公式及其应用\r\n\r\n11.1 赋值问题\r\n11.2 构造性方法\r\n11.3 启发式修补\r\n11.4 函数优化\r\n\r\n第12章 敌对搜索\r\n\r\n12.1 双agent博弈\r\n12.2 最小最大化过程\r\n12.3 α－β过程\r\n12.4 α－β过程的搜索效率\r\n12.5 其他重要问题\r\n12.6 概率博弈\r\n12.7 学习评估函数\r\n12.8 补充读物和讨论\r\n\r\n第三部分 知识的表示和推理\r\n\r\n第13章 命题演算\r\n\r\n13.1 对特征值加以约束\r\n13.2 语言\r\n13.3 推理规则\r\n13.4 验证定义\r\n13.5 语义\r\n13.5.1 解释\r\n13.5.2 命题真值表\r\n13.5.3 可满足性与模型\r\n13.5.4 永真性\r\n13.5.5 等价\r\n13.5.6 涵蕴\r\n13.6 合理性和完备性\r\n13.7 命题可满足性问题\r\n13.8 另一些重要的问题\r\n13.8.1 语言差异\r\n13.8.2 元定理\r\n13.8.3 结合律\r\n13.8.4 分配律\r\n\r\n第14章 命题演算中的归结\r\n\r\n14.1 一种新的推理规则：归结\r\n14.1.1 作为合式公式的子句\r\n14.1.2 子句上的归结\r\n14.1.3 归结的合理性\r\n14.2 转换任意的合式公式为子句的合取式\r\n14.3 归结反驳\r\n14.4 归结反驳搜索策略\r\n14.4.1 排序策略\r\n14.4.2 精确策略\r\n14.5 Horn子句\r\n\r\n第15章 谓词演算\r\n\r\n15.1 动机\r\n15.2 谓词演算语言和它的句法\r\n15.3 语义\r\n15.3.1 世界\r\n15.3.2 解释\r\n15.3.3 模型及其相关的概念\r\n15.3.4 知识\r\n15.4 量化\r\n15.5 量词语义学\r\n15.5.1 全称量词\r\n15.5.2 存在量词\r\n15.5.3 有用的等价式\r\n15.5.4 推理规则\r\n15.6 谓词演算作为一种表示知识的语言\r\n15.6.1 概念化\r\n15.6.2 举例\r\n15.7 补充读物和讨论\r\n\r\n第16章 谓词演算中的归结\r\n\r\n16.1 合一\r\n16.2 谓词演算归结\r\n16.3 完备性和合理性\r\n16.4 把任意的合式公式转化为子句形式\r\n16.5 用归结证明定理\r\n16.6 回答提取\r\n16.7 等式谓词\r\n16.8 补充读物和讨论\r\n\r\n第17章 基于知识的系统\r\n\r\n17.1 面对现实世界\r\n17.2 用Horn子句进行推理\r\n17.3 动态知识库的维持\r\n17.4 基于规则的专家系统\r\n17.5 规则学习\r\n17.5.1 学习命题演算规则\r\n17.5.2 学习一阶逻辑规则\r\n17.5.3 基于解释的一般化\r\n17.6 补充读物和讨论\r\n\r\n第18章 表示常识知识\r\n\r\n18.1 常识世界\r\n18.1.1 什么是常识知识\r\n18.1.2 表示常识知识的困难\r\n18.1.3 常识知识的重要性\r\n18.1.4 研究领域\r\n18.2 时间\r\n18.3 用网络表示知识\r\n18.3.1 分类的知识\r\n18.3.2 语义网络\r\n18.3.3 语义网络的非单调推理\r\n18.3.4 框架\r\n18.4 补充读物和讨论\r\n\r\n第19章 用不确定信息进行推理\r\n\r\n19.1 概率论简介\r\n19.1.1 基本思想\r\n19.1.2 条件概率\r\n19.2 概率推理\r\n19.2.1 一个一般的方法\r\n19.2.2 条件独立\r\n19.3 贝叶斯网\r\n19.4 贝叶斯网的推理模式\r\n19.5 不确定证据\r\n19.6 D分离\r\n19.7 在polytree中的概率推理\r\n19.7.1 证据在上方\r\n19.7.2 证据在下方\r\n19.7.3 证据在上下两方\r\n19.7.4 一个数值例子\r\n19.8 补充读物和讨论\r\n\r\n第20章 用贝叶斯网学习和动作\r\n\r\n20.1 学习贝叶斯网\r\n20.1.1 已知网络结构\r\n20.1.2 学习网络结构\r\n20.2 概率推理与动作\r\n20.2.1 一般设置\r\n20.2.2 一个扩展的例子\r\n20.2.3 一般化举例\r\n20.3 补充读物和讨论\r\n\r\n第四部分 基于逻辑的规划方法\r\n\r\n第21章 状态演算\r\n\r\n21.1 状态和动作推理\r\n21.2 存在的一些困难\r\n21.2.1 框架公理\r\n21.2.2 条件\r\n21.2.3 分枝\r\n21.3 生成计划\r\n21.4 补充读物和讨论\r\n\r\n第22章 规划\r\n\r\n22.1 STRIPS规划系统\r\n22.1.1 描述状态和目标\r\n22.1.2 向前搜索方法\r\n22.1.3 递归STRIPS\r\n22.1.4 带有运行时条件的计划\r\n22.1.5 Sussman异常\r\n22.1.6 向后搜索方法\r\n22.2 计划空间和部分有序规划\r\n22.3 层次规划\r\n22.3.1 ABSTRIPS\r\n22.3.2 层次规划和部分有序规划的组合\r\n22.4 学习计划\r\n22.5 补充读物和讨论\r\n\r\n第五部分 通信与集成\r\n\r\n第23章 多agent\r\n\r\n23.1 交互agent\r\n23.2 其他agent模型\r\n23.2.1 模型种类\r\n23.2.2 模拟策略\r\n23.2.3 模拟数据库\r\n23.2.4 有意思维方式\r\n23.3 知识模式逻辑\r\n23.3.1 模式算子\r\n23.3.2 知识公理\r\n23.3.3 关于其他agent知识的推理\r\n23.3.4 预测其他agent的动作\r\n23.4 补充读物和讨论\r\n\r\n第24章 agent之间的通信\r\n\r\n24.1 交谈\r\n24.1.1 计划交谈\r\n24.1.2 实现交谈\r\n24.2 理解语言字符串\r\n24.2.1 短语结构语法\r\n24.2.2 语义分析\r\n24.2.3 扩展语法\r\n24.3 有效通信\r\n24.3.1 上下文的使用\r\n24.3.2 使用知识解决歧义性\r\n24.4 自然语言处理\r\n24.5 补充读物和讨论\r\n\r\n第25章 agent体系结构\r\n\r\n25.1 三级体系结构\r\n25.2 目标仲裁\r\n25.3 三层塔式结构\r\n25.4 自举\r\n25.5 补充读物和讨论\r\n\r\n参考文献