当前位置:主页 > 书籍配套资源 > 人工智能配套资源
《人工智能:种现代方法(第二版)》课件

《人工智能:种现代方法(第二版)》课件

  • 更新:2021-12-10
  • 大小:232.3 MB
  • 类别:人工智能
  • 作者:[美]拉塞尔、[美]诺文
  • 出版:人民邮电出版社
  • 格式:PDF

  • 资源介绍
  • 相关推荐

内容简介

人工智能:一种现代方法(第2版)》以详尽和丰富的资料,从理性智能体的角度,全面阐述了人工智能领域的核心内容,并深入介绍了各个主要的研究方向,是一本难得的综合性教材。全书分为八大部分:第一部分“人工智能”,第二部分“问题求解”,第三部分“知识与推理”,第四部分“规划”,第五部分“不确定知识与推理”,第六部分“学习”,第七部分“通讯、感知与行动”,第八部分“结论”。

《人工智能:一种现代方法(第2版)》既详细介绍了大量的基本概念、思想和算法,也描述了各研究方向最前沿的进展,同时收集整理了详实的历史文献与事件。因此《人工智能:一种现代方法(第2版)》适合于不同层次和领域的研究人员及学生,可以作为信息领域和相关领域的高等院校本科生和研究生的教材或教学辅导书目,也可以作为相关领域的科研与工程技术人员的参考书。

作者简介

斯图尔特·罗素(StuartRussell),1962年生于英国朴次茅斯(Portsmouth)。他于1982年以优异成绩在牛津大学获得物理学硕士学位,并于1986年在斯坦福大学获得计算机科学的博士学位。之后他加入加州大学伯克利分校,任计算机科学系教授、智能系统中心主任,他是Smith-Zadeh工程学讲座教授(Smith-ZadehChakofEngineering)头衔的持有者。1990年他获得国家科学基金的“总统青年研究者”(PresidentialYoungInvestigator)奖,1995年他是“计算机与思维”(ComputerandThought)奖的获得者之一。他是加州大学1996年的一名Miller教授(MillerProfessor),并于2000年被指定为首席讲座教授(Chancellor’sProfessorship)。1998年他在斯坦福大学做过Forsythe纪念演讲(ForsytheMemorialLecture)。他是美国人工智能学会的成员和前执行委员会委员。他已经发表过100多篇论文,内容涉及人工智能领域的广泛课题。他的其它著作包括《在类比与归纳中使用知识》(TheUseofKnowledgeinAnalogyandInduction),以及(与EricWefald合著的)《做正确的事情:有限理性的研究》(DDtheRightThing:StudiesinLimitedRationality)。彼得·诺维格(PeterNorvig),Google公司的搜索质量部门主管(directorofSearchQuality)。他是美国人工智能学会的成员和执行委员会委员。他曾经是NASAAmes研究中心计算科学部的主任,在那里他监督NASA在人工智能和机器人学领域的研究与开发。之前他作为Junglee的首席科学家帮助开发了最早的因特网信息抽取服务之一,并作为一名资深科学家在Sun微系统实验室从事智能信息检索的研究工作。他在布朗(Brown)大学获得应用数学硕士学位,并在加州大学伯克利分校获得计算机科学的博士学位。他曾任南加州大学的教授,并且是伯克利的研究职员。他有超过50部计算机科学领域的论著,包括著作《人工智能程序设计范例:通用Lisp语言的案例研究》(ParadigmsofAIProgramming:CaseStudiesinCommonLisp)、《Verbmobil:一个面对面对话的翻译系统》(Verbmobil:ATranslationSystemforFaceto-faceDialog),以及《UNIX的智能帮助系统》(IntelligentHelpSystemforUNIX)。

目录

  • 第一部分人工智能
  • 第1章绪论
  • 1.1什么是人工智能
  • 1.1.1类人行为:图灵测试方法
  • 1.1.2类人思考:认知模型方法
  • 1.1.3理性地思考:“思维法则”方法
  • 1.1.4理性地行动:理性智能体方法
  • 1.2人工智能的基础
  • 1.2.1哲学(公元前428年-现在)
  • 1.2.2数学(约800年-现在)
  • 1.2.3经济学(1776年-现在)
  • 1.2.4神经科学(1861年-现在)
  • 1.2.5心理学(1879年-现在)
  • 1.2.6计算机工程(1940年-现在)
  • 1.2.7控制论(1948年-现在)
  • 1.2.8语言学(1957年-现在)
  • 1.3人工智能的历史
  • 1.3.1人工智能的孕育期(1943年-1955年)
  • 1.3.2人工智能的诞生(1956年)
  • 1.3.3早期的热情,巨大的期望(1952年-1969年)
  • 1.3.4现实的困难(1966年-1973年)
  • 1.3.5基于知识的系统:力量的钥匙?(1969年-1979年)
  • 1.3.6AI成为工业(1980年-现在)
  • 1.3.7神经元网络的回归(1986年-现在)
  • 1.3.8AI成为科学(1987年-现在)
  • 1.3.9智能化智能体的出现(1995年-现在)
  • 1.4目前发展水平
  • 1.5小结
  • 参考文献与历史的注释
  • 习题
  • 第2章智能化智能体
  • 2.1智能体和环境
  • 2.2好的行为表现:理性的概念
  • 2.2.1性能度量
  • 2.2.2理性
  • 2.2.3全知者,学习和自主性
  • 2.3环境的本质
  • 2.3.1详细说明任务环境
  • 2.3.2任务环境的属性
  • 2.4智能体的结构
  • 2.4.1智能体程序
  • 2.4.2简单反射型智能体
  • 2.4.3基于模型的反射型智能体
  • 2.4.4基于目标的智能体
  • 2.4.5基于效用的智能体
  • 2.4.6学习智能体
  • 2.5小结
  • 参考文献与历史的注释
  • 习题
  • 第二部分问题求解
  • 第3章用搜索法对问题求解
  • 3.1问题求解智能体
  • 3.1.1定义明确的问题及解
  • 3.1.2把问题形式化
  • 3.2问题实例
  • 3.2.1玩具问题
  • 3.2.2现实世界问题
  • 3.3对解的搜索
  • 3.4无信息的搜索策略
  • 3.4.1广度优先搜索
  • 3.4.2代价一致搜索
  • 3.4.3深度优先搜索
  • 3.4.4深度有限搜索
  • 3.4.5迭代深入深度优先搜索
  • 3.4.6双向搜索
  • 3.4.7无信息搜索策略的比较
  • 3.5避免重复状态
  • 3.6使用不完全信息的搜索
  • 3.6.1无传感问题
  • 3.6.2偶发性问题
  • 3.7小结
  • 参考文献与历史的注释
  • 习题
  • 第4章有信息的搜索和探索
  • 4.1有信息的(启发式的)搜索策略
  • 4.1.1贪婪最佳优先搜索
  • 4.1.2A*搜索:最小化总的估计解耗散
  • 4.1.3存储限制的启发式搜索
  • 4.1.4为了更好地搜索而学习
  • 4.2启发函数
  • 4.2.1启发函数的精确度对性能的影响
  • 4.2.2设计可采纳的启发函数
  • 4.2.3从经验里学习启发函数
  • 4.3局部搜索算法和最优化问题
  • 4.3.1爬山法搜索
  • 4.3.2模拟退火搜索
  • 4.3.3局部剪枝搜索
  • 4.3.4遗传算法
  • 4.4连续空间的局部搜索
  • 4.5联机搜索智能体和未知环境
  • 4.5.1联机搜索问题
  • 4.5.2联机搜索智能体
  • 4.5.3联机局部搜索
  • 4.5.4联机搜索的学习
  • 4.6小结
  • 参考文献与历史的注释
  • 习题
  • 第5章约束满足问题
  • 5.1约束满足问题
  • 5.2CSP问题的回溯搜索
  • 5.2.1变量和取值顺序
  • 5.2.2通过约束传播信息
  • 5.3约束满足问题的局部搜索
  • 5.4问题的结构
  • 5.5小结
  • 参考文献与历史的注释
  • 习题
  • 第6章对抗搜索
  • 6.1博弈
  • 6.2博弈中的优化决策
  • 6.2.1最优策略
  • 6.2.2极小极大值算法
  • 6.2.3多人游戏中的最优决策
  • 6.3a-B剪枝
  • 6.4不完整的实时决策
  • 6.4.1评价函数
  • 6.4.2截断搜索
  • 6.5包含几率因素的游戏
  • 6.5.1有几率节点的游戏中的局面评价
  • 6.5.2期望极小极大值的复杂度
  • 6.5.3牌类游戏
  • 6.6博弈程序的当前发展水平
  • 6.7讨论
  • 6.8小结
  • 参考文献与历史的注释
  • 习题
  • 第三部分知识与推理
  • 第7章逻辑智能体
  • 7.1基于知识的智能体
  • 7.2wumpus世界
  • 7.3逻辑
  • 7.4命题逻辑:一种非常简单的逻辑
  • 7.4.1语法
  • 7.4.2语义
  • 7.4.3一个简单的知识库
  • 7.4.4推理
  • 7.4.5等价、合法性和可满足性
  • 7.5命题逻辑的推理模式
  • 7.5.1归结
  • ……
  • 第8章一阶逻辑
  • 第9章一阶逻辑中的推理
  • 第10章知识表示
  • 第四部分规划
  • 第11章规划
  • 第12章现实世界的规划与行动
  • 第五部分不确定知识与推理
  • 第13章不确定性
  • 第14章概率推理
  • 第15章关于时间的概率推理
  • 第16章制定简单决策
  • 第17章制定复杂决策
  • 第六部分学习
  • 第18章从观察中学习
  • 第19章学习中的知识
  • 第20章统计学习方法
  • 第21章强化学习
  • 第七部分通讯、感知与行动
  • 第22章通讯
  • 第23章概率语言处理
  • 第24章感知
  • 第25章机器人学
  • 第八部分结论
  • 第27章人工智能:现状与未来
  • 附录A数学背景
  • 附录B关于语言和算法的注释
  • 参考文献(见人民邮电出版社网站)

资源下载

资源下载地址1:https://box.lenovo.com/l/Q08SEY

相关资源

网友留言