人工智能：计算Agent基础

给大家带来的一篇关于人工智能相关的电子书资源，介绍了关于人工智能、Agent基础方面的内容，本书是由机械工业出版社出版，格式为PDF，资源大小77.6 MB，David L. Poole, Alan编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：7.7。

内容介绍

《人工智能:计算agent基础》讨论AI科学，它将AI作为智能计算Agent设计的研究课题。《人工智能:计算agent基础》虽然设计为教科书，但它也适合广大专业人员和研究人员阅读。《人工智能:计算agent基础》的一个重要特色是其在线学习资源。在过去的几十年里，人工智能是作为一种严肃科学和工程学科出现的。《人工智能:计算agent基础》提供了针对本科生和研究生的第一手便利可用的领域综合资料，对当今该领域的基础发展进行了展望。像任何名副其实的科学一样，AI具有条理分明、形式化的理论和难以控制的实验。《人工智能:计算agent基础》均衡了理论和实验部分，并说明了如何将理论与实验密切地联系起来，使科学与工程应用共同发展。

目录

• 出版者的话
• 译者序
• 前言
• 第一部分世界中的Agent：什么是Agent及如何创建它们
• 第1章人工智能与Agent
• 1.1什么是人工智能
• 1.2人工智能简史
• 1.3环境中的Agent
• 1.4知识表示
• 1.4.1定义解
• 1.4.2表示
• 1.4.3推理与行为
• 1.5复杂性维度
• 1.5.1模块性
• 1.5.2表示方案
• 1.5.3规划期
• 1.5.4不确定性
• 1.5.5偏好
• 1.5.6Agent数量
• 1.5.7学习
• 1.5.8计算限制
• 1.5.9多维交互
• 1.6原型应用
• 1.6.1自主传送机器人
• 1.6.2诊断助手
• 1.6.3智能指导系统
• 1.6.4交易Agent
• 1.7本书概述
• 1.8本章小结
• 1.9参考文献及进一步阅读
• 1.10习题
• 第2章Agent体系结构和分层控制
• 2.1Agent
• 2.2Agent系统
• 2.3分层控制
• 2.4嵌入式和仿真Agent
• 2.5通过推理来行动
• 2.5.1设计时间与离线计算
• 2.5.2在线计算
• 2.6本章小结
• 2.7参考文献及进一步阅读
• 2.8习题
• 第二部分表达和推理
• 第3章状态和搜索
• 3.1用搜索进行问题求解
• 3.2状态空间
• 3.3图搜索
• 3.4一个通用搜索算法
• 3.5无信息搜索策略
• 3.5.1深度优先搜索
• 3.5.2宽度优先搜索
• 3.5.3最低花费优先搜索
• 3.6启发式搜索
• 3.6.1A*搜索
• 3.6.2搜索策略总结
• 3.7更复杂的搜索方法
• 3.7.1环检查
• 3.7.2多路径剪枝
• 3.7.3迭代深化
• 3.7.4分支界限法
• 3.7.5搜索方向
• 3.7.6动态规划法
• 3.8本章小结
• 3.9参考文献及进一步阅读
• 3.10习题
• 第4章特征和约束
• 4.1特征和状态
• 4.2可能世界、变量和约束
• 4.2.1约束
• 4.2.2约束满足问题
• 4.3生成—测试算法
• 4.4使用搜索求解CSP
• 4.5一致性算法
• 4.6域分割
• 4.7变量消除
• 4.8局部搜索
• 4.8.1迭代最佳改进
• 4.8.2随机算法
• 4.8.3评估随机算法
• 4.8.4局部搜索中利用命题结构
• 4.9基于种群的方法
• 4.10最优化
• 4.10.1最优化的系统方法
• 4.10.2局部搜索最优化
• 4.11本章小结
• 4.12参考文献及进一步阅读
• 4.13习题
• 第5章命题和推理
• 5.1命题
• 5.1.1命题演算的语法
• 5.1.2命题演算的语义
• 5.2命题确定子句
• 5.2.1问题与解答
• 5.2.2验证
• 5.3知识表示问题
• 5.3.1背景知识与观察
• 5.3.2询问用户
• 5.3.3知识层的解释
• 5.3.4知识层的调试
• 5.4反证法验证
• 5.4.1Horn子句
• 5.4.2假说与冲突
• 5.4.3基于一致性的诊断
• 5.4.4通过假设和Horn子句推理
• 5.5完备知识假设
• 5.5.1非单调推理
• 5.5.2完备知识的验证程序
• 5.6溯因推理
• 5.7因果模型
• 5.8本章小结
• 5.9参考文献及进一步阅读
• 5.10习题
• 第6章不确定推理
• 6.1概率
• 6.1.1概率的语义
• 6.1.2概率公理
• 6.1.3条件概率
• 6.1.4期望值
• 6.1.5信息理论
• 6.2独立性
• 6.3信念网络
• 6.4概率推理
• 6.4.1信念网络中的变量消除
• 6.4.2通过随机模拟进行近似推理
• 6.5概率和时间
• 6.5.1马尔可夫链
• 6.5.2隐马尔可夫模型
• 6.5.3监听和平滑算法
• 6.5.4动态信念网络
• 6.5.5时间粒度
• 6.6本章小结
• 6.7参考文献及进一步阅读
• 6.8习题
• 第三部分学习与规划
• 第7章学习概述与有监督学习
• 7.1学习问题
• 7.2有监督学习
• 7.2.1评估预测
• 7.2.2无输入特征的点估计
• 7.2.3概率学习
• 7.3有监督学习的基本模型
• 7.3.1决策树学习
• 7.3.2线性回归与分类
• 7.3.3贝叶斯分类器
• 7.4组合模型
• 7.4.1神经网络
• 7.4.2集成学习
• 7.5避免过拟合
• 7.5.1最大后验概率和最小描述长度
• 7.5.2交叉验证
• 7.6基于案例的推理
• 7.7改进假设空间的学习
• 7.7.1变型空间学习
• 7.7.2可能近似正确学习
• 7.8贝叶斯学习
• 7.9本章小结
• 7.10参考文献及进一步阅读
• 7.11习题
• 第8章确定性规划
• 8.1状态、动作以及目标的表示
• 8.1.1显式状态空间表示法
• 8.1.2基于特征的动作表示
• 8.1.3STRIPS表示法
• 8.1.4初始状态和目标
• 8.2前向规划
• 8.3回归规划
• 8.4CSP规划
• 8.5偏序规划
• 8.6本章小结
• 8.7参考文献及进一步阅读
• 8.8习题
• 第9章不确定性规划
• 9.1偏好和效用
• 9.2一次性的决策
• 9.3序贯决策
• 9.3.1决策网络
• 9.3.2策略
• 9.3.3决策网络的变量消除
• 9.4信息与控制的价值
• 9.5决策过程
• 9.5.1策略值
• 9.5.2最优策略值
• 9.5.3值迭代
• 9.5.4策略迭代
• 9.5.5动态决策网络
• 9.5.6部分可观察决策过程
• 9.6本章小结
• 9.7参考文献及进一步阅读
• 9.8习题
• 第10章多Agent系统
• 10.1多Agent框架
• 10.2博弈的表示
• 10.2.1博弈的标准形式
• 10.2.2博弈的扩展形式
• 10.2.3多Agent决策网络
• 10.3完全信息的计算策略
• 10.4部分可观察的多Agent推理
• 10.4.1纳什均衡计算
• 10.4.2学习协调
• 10.5群体决策
• 10.6机制设计
• 10.7本章小结
• 10.8参考文献及进一步阅读
• 10.9习题
• 第11章有监督之外的其他学习模型
• 11.1聚类
• 11.1.1期望最大化
• 11.1.2k—均值
• 11.1.3用于软聚类的期望最大化
• 11.2信念网络学习
• 11.2.1概率学习
• 11.2.2未观察到的变量
• 11.2.3缺失数据
• 11.2.4结构学习
• 11.2.5信念网络学习的一般情形
• 11.3增强学习
• 11.3.1演化算法
• 11.3.2时闻差
• 11.3.3Q—学习
• 11.3.4探索与利用
• 11.3.5增强学习算法的评估
• 11.3.6在策略学习
• 11.3.7为路径分配信用和责任
• 11.3.8基于模型的方法
• 11.3.9基于特征的增强学习
• 11.4本章小结
• 11.5参考文献及进一步阅读
• 11.6习题
• 第四部分个体与关系的推理
• 第12章个体与关系
• 12.1在特征之外利用结构
• 12.2符号与语义
• 12.3Datalog：一个关联规则语言
• 12.3.1基Datalog的语义
• 12.3.2解释变量
• 12.3.3带变量的查询
• 12.4证明与替换
• 12.4.1带变量的自底向上过程
• 12.4.2带变量的确定性归结
• 12.5函数符号
• 12.6在自然语言处理中的应用
• 12.6.1在上下文无关文法中使用限定子句
• 12.6.2增强文法
• 12.6.3为非终结符号建立结构
• 12.6.4封装的文本输出
• 12.6.5强制约束
• 12.6.6建立自然语言与数据库的接口
• 12.6.7局限
• 12.7相等
• 12.7.1允许相等断言
• 12.7.2唯一名字假设
• 12.8完备知识假设
• 12.9本章小结
• 12.10参考文献及进一步阅读
• 12.11习题
• 第13章本体和基于知识的系统
• 13.1知识共享
• 13.2灵活的表示
• 13.2.1选择个体和关系
• 13.2.2图形化表示
• 13.2.3原始关系与导出关系
• 13.3本体与知识共享
• 13.3.1描述逻辑
• 13.3.2顶层本体
• 13.4查询用户和其他知识来源
• 13.4.1函数化关系
• 13.4.2更普遍的问题
• 13.5实现基于知识的系统
• 13.5.1基语言和元语言
• 13.5.2普通的元解释器
• 13.5.3扩展基语言
• 13.5.4深度有限搜索
• 13.5.5元解释器构建证明树
• 13.5.6可询问用户的元解释器
• 13.5.7推迟目标
• 13.6本章小结
• 13.7参考文献及进一步阅读
• 13.8习题
• 第14章关系规划、学习和概率推理
• 14.1规划个体与关系
• 14.1.1情景演算
• 14.1.2事件演算
• 14.2个体与关系的学习
• 14.3概率关系模型
• 14.4本章小结
• 14.5参考文献及进一步阅读
• 14.6习题
• 第五部分宏观图景
• 第15章回顾与展望
• 15.1复杂性维度回顾
• 15.2社会与道德后果
• 15.3参考文献及进一步阅读
• 附录A数学基础与记号
• 参考文献
• 索引

学习笔记

java request.getHeader(＂user-agent＂)获取浏览器信息的方法

一、User Agent的含义 User Agent中文名为用户代理，简称 UA，它是一个特殊字符串头，使得服务器能够识别客户使用的操作系统及版本、CPU 类型、浏览器及版本、浏览器渲染引擎、浏览器语言、浏览器插件等。 一些网站常常通过判断 UA 来给不同的操作系统、不同的浏览器发送不同的页面，因此可能造成某些页面无法在某个浏览器中正常显示，但通过伪装 UA 可以绕过检测。 浏览器的 UA 字串 标准格式为： 浏览器标识 (操作系统标识; 加密等级标识; 浏览器语言) 渲染引擎标识 版本信息 浏览器标识 由于很多网站在进行 UA 检测的时候忽略了两位数版本号，所以可能造成 浏览器及之后版本收到糟糕的页面，因此……

PHP magento后台无法登录问题解决方法

PHP magento后台无法登解决办法 可能很多朋友有同样的经历，magento在服务器中配置域名是可以正常的访问了，但是在本地配置后却无法登录后台，账号密码登录的时候发现出现空白，无法跳转到后台，本文章向大家介绍两种解决本地magento后台无法登录的方法，需要的朋友可以参考一下。 解决方法一： 这是一个cookie问题，使用firefox等非IE核心浏览器可以解决这个问题，虽然浏览器处理cookie的方式很相似但并不是100%相同， Magento其它的版本也有这个问题。 详细的修正这个问题的方法是定位到: app/code/core/Mage/Core/Model/Session/Abstract/Varien.php 。 大约在70行左右你可以看到类似的： // set session cookie params/* 码农教……

Java Agent入门学习之动态修改代码

前言 最近用了一下午总算把Java agent给跑通了，本篇文章记录一下具体的操作步骤，以免遗忘。下面话不多说，来一起看看详细的介绍： 通过java agent可以动态修改代码（替换、修改类的定义），进行AOP。 目标： 为所有添加@ToString注解的类实现默认的toString方法 需要两个程序，一个是用来测试的程序，一个agent用于修改代码。 1. 测试程序 被测试的程序包括： - ToString.Java - Foo.java - Main.java 具体代码如下： ToString.java：定义ToString注解 package com.chosen0ne.agent.test; import java.lang.annotation.Retention; import java.lang.annotation.RetentionPolicy; @Retention(RetentionPolicy.RUNTIME) public @interface ToString { } Foo.java：很简单用于测试，使用了……

java agent用法及实例代码

java agent的作用 在字节码这个层面对类和方法进行修改的技术，能够在不影响编译的情况下，修改字节码。可以理解spring的aop技术 如何实现 1.实现javaagent需要实现premain方法 2.必须在MANIFEST.MF文件中有Premain-Class demo实现 agent package com.xueyou.demo.agent; import javassist.ClassPool; import javassist.CtClass; import javassist.CtMethod; import javassist.CtNewMethod; import java.lang.instrument.ClassFileTransformer; import java.lang.instrument.IllegalClassFormatException; import java.security.ProtectionDomain; public class FirstAgent implements ClassFileTransformer { public final String injectedClassName = com.xueyou.agentdemo.App; public final String methodName = hello; public byte[] transform(ClassLoader loader, String class……

Python爬虫小技巧之伪造随机的User-Agent

前言 不管是做开发还是做过网站的朋友们，应该对于User Agent一点都不陌生，User Agent 中文名为用户代理，简称 UA，它是一个特殊字符串头，使得服务器能够识别客户使用的操作系统及版本、CPU 类型、浏览器及版本、浏览器渲染引擎、浏览器语言、浏览器插件等 在Python爬虫的过程中经常要模拟UserAgent, 因此自动生成UserAgent十分有用 通过UA来判断不同的设备或者浏览器是开发者最常用的方式方法，这个也是对于Python反爬的一种策略，但是有盾就有矛啊 写好爬虫的原则只有一条: 就是让你的抓取行为和用户访问网站的真实行为尽量一致 1、伪造UA字符串，每次请求都使用随机生成的UA 为了减少复杂度，随机生……

以上就是本次介绍的人工智能电子书的全部相关内容，希望我们整理的资源能够帮助到大家，感谢大家对码农之家的支持。

上一篇：Star Schema完全参考手册：数据仓库维度设计权威指南

下一篇：现代数据库管理