当前位置:首页 > 人工智能 >
《人工智能:计算Agent基础》电子书封面

人工智能:计算Agent基础

  • 发布时间:2020年06月05日 09:57:37
  • 作者:David L. Poole, Alan
  • 大小:77.6 MB
  • 类别:人工智能电子书
  • 格式:PDF
  • 版本:高清版
  • 评分:8.7

    人工智能:计算Agent基础 PDF 高清版

      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

      展开 +

      收起 -

      • 《人工智能:计算Agent基础》PDF下载

      下载地址:百度网盘下载
      人工智能相关电子书
      人工智能简史
      人工智能简史 扫描版 立即下载
      TensorFlow+Keras深度学习人工智能实践应用
      TensorFlow+Keras深度学习人工智能实践应用 超清影印版

      本书通过大量的范例浅入深地讲解Keras与TensorFlow深度学习类神经网络,提供安装、上机操作指南,同时辅以大量范例程序介绍TensorFlow + Keras深度学习方面的知识

      立即下载
      面对机器人技术和人工智能来袭的生存指南
      面对机器人技术和人工智能来袭的生存指南 扫描原版 立即下载
      无界:人工智能时代的认知升级
      无界:人工智能时代的认知升级 原版完整版

      在AI崩裂时期,限定人们的是认知能力,应对指数值式提高的专业知识和信息内容,抑郁变成了这一时期的背景色。人们应当如何调整心态,迎来和相拥智能化文明行为?应对人工智能技术产生

      立即下载
      机器新脑:人工智能将如何进化
      机器新脑:人工智能将如何进化 影印版 立即下载
      人工智能产品经理:AI时代PM修炼手册
      人工智能产品经理:AI时代PM修炼手册 原书超清版

      本书从知识体系、能力模型、沟通技巧等方面帮助大家系统地梳理了人工智能产品经理所必备的基本素质和技能,旨在帮助产品经理找到转型升级的最佳学习路线,以成为合格的人工智能产品经

      立即下载
      深度学习:人工智能算法(Deep Learning)
      深度学习:人工智能算法(Deep Learning) 高清版

      本书包括3 个部分:第1 部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;第2 部分系统深入地讲解现今已成熟的深度学习方法和技术;第3 部分讨论某些具有前瞻性的方

      立即下载
      人工智能:国家人工智能战略行动抓手
      人工智能:国家人工智能战略行动抓手 原书超清版

      《人工智能》一书由腾讯一流团队与工信部高端智库倾力创作。本书从人工智能这一颠覆性技术的前世今生说起,对人工智能产业全貌、最新进展、发展趋势进行了清晰的梳理,对各国的竞争态势做了深入研究

      立即下载
      读者留言
      高炫明

      高炫明 提供上传

      资源
      43
      粉丝
      10
      喜欢
      168
      评论
      15

      Copyright 2018-2020 www.xz577.com 码农之家

      投诉 / 推广 / 赞助:QQ:520161757