• 正在加载中...
  • 人工智能[人民邮电出版社2018年10月出版图书(第2版)]

    《人工智能(第2版)》是2018年12月人民邮电出版社出版的人工智能百科全书,易于上手的人工智能自学指南,涵盖机器学习、深度学习、自然语言处理、神经网络、计算机博弈等各种知识图文详细、讲解细致、配备教学资源和学习素材。作者是史蒂芬·卢奇(Stephen Lucci)和丹尼·科佩克(Danny Kopec)。

    编辑摘要

    目录

    内容简介/人工智能[人民邮电出版社2018年10月出版图书(第2版)] 编辑

    作为计算机科学的一个分支,人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统,涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。

    本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。第一部分从人工智能的定义讲起,就人工智能的早期历史、思维和智能的内涵、图灵测试、启发法、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。第三部分介绍并探究了人工智能领域的成功案例,如DENDRAL、MYCIN、EMYCIN等经典的专家系统,振动故障诊断、自动牙科识别等新的专家系统,以及受到自然启发的搜索等。第四部分介绍了自然语言处理和自动规划等高级专题。第五部分对人工智能的历史和现状进行了梳理,回顾了几十年来人工智能所取得的诸多成就,并对其未来进行了展望。

    本书系统、全面地涵盖了人工智能的相关知识,既简明扼要地介绍了这一学科的基础知识,也对自然语言处理、自动规划、神经网络等内容进行了拓展,更辅以实例,可以帮助读者扎扎实实打好基础。本书特色鲜明,内容易读易学,适合人工智能相关领域和对该领域感兴趣的读者阅读,也适合高校计算机专业的教师和学生参考。  

    作者简介/人工智能[人民邮电出版社2018年10月出版图书(第2版)] 编辑

    史蒂芬·卢奇(Stephen Lucci)

    拥有纽约市立大学的博士学位,在纽约市立大学教授计算机科学课程。他曾在高性能计算领域发表了多篇论文,并且是NASA发起的MU-SPIN项目的学术带头人。MU-SPIN项目旨在为NASA培养下一代顶尖的科学家和工程师。

    丹尼·科佩克(Danny Kopec)

    拥有爱丁堡大学博士学位,在纽约市立大学布鲁克斯学院和纽约市立大学研究生中心任教。他发表过多篇论文,并出版过几本书,还是一位国际象棋大师。

    林赐

    软件设计师、网络工程师,硕士毕业于渥太华大学系统科学专业,现为贝尔实验室(加拿大)人工智能研究员,已翻译出版《Python神经网络编程》等多本技术图书。  

    图书目录/人工智能[人民邮电出版社2018年10月出版图书(第2版)] 编辑

    第一部分 引言

    第1章 人工智能概述

    1.0 引言

    1.0.1 人工智能的定义

    1.0.2 思维是什么?智能是什么?

    1.1 图灵测试

    1.1.1 图灵测试的定义

    1.1.2 图灵测试的争议和批评

    1.2 强人工智能与弱人工智能

    1.3 启发法

    1.3.1 长方体的对角线:解决一个相对简单但相关的问题

    1.3.2 水壶问题:向后倒推

    1.4 识别适用人工智能来求解的问题

    1.5 应用和方法

    1.5.1 搜索算法和拼图

    1.5.2 二人博弈

    1.5.3 自动推理

    1.5.4 产生式规则和专家系统

    1.5.5 细胞自动化

    1.5.6 神经计算

    1.5.7 遗传算法

    1.5.8 知识表示

    1.5.9 不确定性推理

    1.6 人工智能的早期历史

    1.7 人工智能的近期历史到现在

    1.7.1 博弈

    1.7.2 专家系统

    1.7.3 神经计算

    1.7.4 进化计算

    1.7.5 自然语言处理

    1.7.6 生物信息学

    1.8 新千年人工智能的发展

    1.9 本章小结

    第二部分 基础知识

    第2章 盲目搜索

    2.0 简介:智能系统中的搜索

    2.1 状态空间图

    2.2 生成与测试范式

    2.2.1 回溯

    2.2.2 贪婪算法

    2.2.3 旅行销售员问题

    2.3 盲目搜索算法

    2.3.1 深度优先搜索

    2.3.2 广度优先搜索

    2.4 盲目搜索算法的实现和比较

    2.4.1 实现深度优先搜索

    2.4.2 实现广度优先搜索

    2.4.3 问题求解性能的测量指标

    2.4.4 DFS 和 BFS 的比较

    2.4.5 本章小结

    第3章 知情搜索

    3.0 引言

    3.1 启发法

    3.2 知情搜索(第一部分)——找到任何解

    3.2.1 爬山法

    3.2.2 最陡爬坡法

    3.3 最佳优先搜索

    3.4 集束搜索

    3.5 搜索算法的其他指标

    3.6 知情搜索(第二部分)——找到最佳解

    3.6.1 分支定界法

    3.6.2 使用低估值的分支定界法

    3.6.3 采用动态规划的分支定界法

    3.6.4 A* 搜索

    3.7 知情搜索(第三部分)——高级搜索算法

    3.7.1 约束满足搜索

    3.7.2 与或树

    3.7.3 双向搜索

    3.8 本章小结

    第4章 博弈中的搜索

    4.0 引言

    4.1 博弈树和极小化极大评估

    4.1.1 启发式评估

    4.1.2 博弈树的极小化极大评估

    4.2 具有α-β剪枝的极小化极大算法

    4.3 极小化极大算法的变体和改进

    4.3.1 负极大值算法

    4.3.2 渐进深化法

    4.3.3 启发式续编和地平线效应

    4.4 概率游戏和预期极小化极大值算法

    4.5 博弈理论

    迭代的囚徒困境

    4.6 本章小结

    第5章 人工智能中的逻辑

    5.0 引言

    5.1 逻辑和表示

    5.2 命题逻辑

    5.2.1 命题逻辑——基础

    5.2.2 命题逻辑中的论证

    5.2.3 证明命题逻辑论证有效的第二种方法

    5.3 谓词逻辑——简要介绍

    5.3.1 谓词逻辑中的合一

    5.3.2 谓词逻辑中的反演

    5.2.3 将谓词表达式转换为子句形式

    5.4 其他一些逻辑

    5.4.1 二阶逻辑

    5.4.2 非单调逻辑

    5.4.3 模糊逻辑

    5.4.4 模态逻辑

    5.5 本章小结

    第6章 知识表示

    6.0 引言

    6.1 图形草图和人类视窗

    6.2 图和哥尼斯堡桥问题

    6.3 搜索树

    6.4 表示方法的选择

    6.5 产生式系统

    6.6 面向对象

    6.7 框架法

    6.8 脚本和概念依赖系统

    6.9 语义网络

    6.10 关联

    6.11 新近的方法

    6.11.1 概念地图

    6.11.2 概念图

    6.11.3 Baecker 的工作

    6.12 智能体:智能或其他

    6.12.1 智能体的一些历史

    6.12.2 当代智能体

    6.12.3 语义网

    6.12.4 IBM 眼中的未来世界

    6.12.5 作者的观点

    6.13 本章小结

    第7章 产生式系统

    7.0 引言

    7.1 背景

    7.2 基本示例

    7.3 CARBUYER 系统

    7.4 产生式系统和推导方法

    7.4.1 冲突消解

    7.4.2 正向链接

    7.4.3 反向链接

    7.5 产生式系统和细胞自动机

    7.6 随机过程与马尔可夫链

    7.7 本章小结

    第三部分 基于知识的系统

    第8章 人工智能中的不确定性

    8.0 引言

    8.1 模糊集

    8.2 模糊逻辑

    8.3 模糊推理

    8.4 概率理论和不确定性

    8.5 本章小结

    第9章 专家系统

    9.0 引言

    9.1 背景

    9.2 专家系统的特点

    9.3 知识工程

    9.4 知识获取

    9.5 经典的专家系统

    9.5.1 DENDRAL

    9.5.2 MYCIN

    9.5.3 EMYCIN

    9.5.4 PROSPECTOR

    9.5.5 模糊知识和贝叶斯规则

    9.6 提高效率的方法

    9.6.1 守护规则

    9.6.2 Rete 算法

    9.7 基于案例的推理

    9.8 更多最新的专家系统

    9.8.1 改善就业匹配系统

    9.8.2 振动故障诊断的专家系统

    9.8.3 自动牙科识别

    9.8.4 更多采用案例推理的专家系统

    9.9 本章小结

    第10章 机器学习第一部分

    10.0 引言

    10.1 机器学习:简要概述

    10.2 机器学习系统中反馈的作用

    10.3 归纳学习

    10.4 利用决策树进行学习

    10.5 适用于决策树的问题

    10.6 熵

    10.7 使用 ID3 构建决策树

    10.8 其余问题

    10.9 本章小结

    第11章 机器学习第二部分:神经网络

    11.0 引言

    11.1 人工神经网络的研究

    11.2 麦卡洛克-皮茨网络

    11.3 感知器学习规则

    11.4 增量规则

    11.5 反向传播

    11.6 实现关注点

    11.6.1 模式分析

    11.6.2 训练方法

    11.7 离散型霍普菲尔德网络

    11.8 应用领域

    11.9 本章小结

    第12章 受到自然启发的搜索

    12.0 引言

    12.1 模拟退火

    12.2 遗传算法

    12.3 遗传规则

    12.4 禁忌搜索

    12.5 蚂蚁聚居地优化

    12.6 本章小结

    第四部分 高级专题

    第13章 自然语言处理

    13.0 引言

    13.1 概述:语言的问题和可能性

    13.2 自然语言处理的历史

    13.2.1 基础期(20世纪40年代和50年代)

    13.2.2 符号与随机方法(1957—1970)

    13.2.3 4种范式(1970—1983)

    13.2.4 经验主义和有限状态模型(1983—1993)

    13.2.5 大融合(1994—1999)

    13.2.6 机器学习的兴起(2000—2008)

    13.3 句法和形式语法

    13.3.1 语法类型

    13.3.2 句法解析:CYK算法

    13.4 语义分析和扩展语法

    13.4.1 转换语法

    13.4.2 系统语法

    13.4.3 格语法

    13.4.4 语义语法

    13.4.5 Schank 系统

    13.5 NLP 中的统计方法

    13.5.1 统计解析

    13.5.2 机器翻译(回顾)和 IBM 的 Candide 系统

    13.5.3 词义消歧

    13.6 统计 NLP 的概率模型

    13.6.1 隐马尔可夫模型

    13.6.2 维特比算法

    13.7 统计 NLP 语言数据集

    13.7.1 宾夕法尼亚州树库项目

    13.7.2 WordNet

    13.7.3 NLP 中的隐喻模型

    13.8 应用:信息提取和问答系统

    13.8.1 问答系统

    13.8.2 信息提取

    13.9 现在和未来的研究(基于 CHARNIAK 的工作)

    13.10 语音理解

    13.11 语音理解技术的应用

    13.12 本章小结

    第14章 自动规划

    14.0 引言

    14.1 规划问题

    14.1.1 规划术语

    14.1.2 规划应用示例

    14.2 一段简短的历史和一个著名的问题

    14.3 规划方法

    14.3.1 规划即搜索

    14.3.2 部分有序规划

    14.3.3 分级规划

    14.3.4 基于案例的规划

    14.3.5 规划方法集锦

    14.4 早期规划系统

    14.4.1 STRIPS

    14.4.2 NOAH

    14.4.3 NONLIN

    14.5 更多现代规划系统

    14.5.1 O-PLAN

    14.5.2 Graphplan

    14.5.3 规划系统集锦

    14.5.4 学习系统的规划方法

    14.5.5 SCI Box 自动规划器

    14.6 本章小结

    第五部分 现在和未来

    第15章 机器人技术

    15.0 引言

    15.1 历史:服务人类、仿效人类、增强人类和替代人类

    15.1.1 早期机械机器人

    15.1.2 电影与文学中的机器人

    15.1.3 20世纪早期的机器人

    15.2 技术问题

    15.2.1 机器人的组件

    15.2.2 运动

    15.2.3 点机器人的路径规划

    15.2.4 移动机器人运动学

    15.3 应用:21世纪的机器人

    15.4 本章小结

    第16章 高级计算机博弈

    16.0 引言

    16.1 跳棋:从赛缪尔到舍弗尔

    16.1.1 在跳棋博弈中用于机器学习的启发式方法

    16.1.2 填鸭式学习与概括

    16.1.3 签名表评估和棋谱学习

    16.1.4 含有奇诺克程序的世界跳棋锦标赛

    16.1.5 彻底解决跳棋游戏

    16.2 国际象棋:人工智能的“果蝇”

    16.2.1 计算机国际象棋的历史背景

    16.2.2 编程方法

    16.2.3 超越地平线效应

    16.2.4 Deep Thought 和 Deep Blue 与特级大师的比赛(1988—1995年)

    16.3 计算机国际象棋对人工智能的贡献

    16.3.1 在机器中的搜索

    16.3.2 在搜索方面,人与机器的对比

    16.3.3 启发式、知识和问题求解

    16.3.4 蛮力:知识 vs.搜索;表现 vs.能力

    16.3.5 残局数据库和并行计算

    16.3.6 本书作者的贡献

    16.4 其他博弈

    16.4.1 奥赛罗

    16.4.2 西洋双陆棋

    16.4.3 桥牌

    16.4.4 扑克

    16.5 围棋:人工智能的“新果蝇”?

    16.6 本章小结

    第17章 大事记

    17.0 引言

    17.1 提纲挈领——概述

    17.2 普罗米修斯归来

    17.3 提纲挈领——介绍人工智能的成果

    17.4 IBM 的沃森-危险边缘挑战赛

    17.5 21世纪的人工智能

    17.6 本章小结

    附录A CLIPS示例:专家系统外壳

    附录B 用于隐马尔可夫链的维特比算法的实现(由 Harun Iftikhar 提供)

    附录C 对计算机国际象棋的贡献:令人惊叹的Walter Shawn Browne

    附录D 应用程序和数据

    附录E 部分练习的答案  

    添加视频 | 添加图册相关影像

    开放分类 我来补充

    互动百科的词条(含所附图片)系由网友上传,如果涉嫌侵权,请与客服联系,我们将按照法律之相关规定及时进行处理。未经许可,禁止商业网站等复制、抓取本站内容;合理使用者,请注明来源于www.baike.com。

    登录后使用互动百科的服务,将会得到个性化的提示和帮助,还有机会和专业认证智愿者沟通。

    互动百科用户登录注册
    此词条还可添加  信息模块

    WIKI热度

    1. 编辑次数:4次 历史版本
    2. 参与编辑人数:4
    3. 最近更新时间:2019-02-13 21:56:19

    贡献光荣榜

    更多

    相关词条