人工智慧: 現代方法 (第3版 附光碟) | 誠品線上

Artificial Intelligence: A Modern Approach (3 Ed.)

內容簡介

內容簡介 人工智慧是一個龐大的領域，而這也是一本龐大的書。我們試圖探索這個領域的所有層面，包括邏輯、機率和連續數學；感知、推理、學習和行動；以及從微電子設備到行星探測機器人等一切鉅細問題。這本教科書之所以龐大也因為我們探討達到一定深度。本書的副標題是「現代方法」。這個相當空洞的短語企圖表達的是，我們試圖將已知的進展整合到一個共同的框架中，而不是試圖在各自的歷史脈絡下解釋人工智慧的各個子領域。有些子領域的描述篇幅會因此變得較少，我們為此致歉，但本書仍不失為一本值得參考的好書。

作者介紹

作者介紹 ■作者簡介歐崇明、時文中、陳 龍

產品目錄

產品目錄 PART I 人工智慧1 緒論 1.1 什麼是人工智慧？ 1.2 人工智慧的基礎 1.3 人工智慧的歷史 1.4 當前發展水準 1.5 總結 2 智慧型代理人 2.1 代理人和環境 2.2 好的行為表現：理性的概念 2.3 環境的本質2.4 代理人的結構 2.5 總結 PART II 問題求解3 用搜尋法對問題求解 3.1 問題求解代理人 3.2 範例問題 3.3 對解的搜尋 3.4 資訊的搜尋策略 3.5 有資訊（啟發式）搜尋策略 3.6 啟發函數 3.7 總結 4 進階搜尋 4.1 局部搜尋演算法和最佳化問題 4.2 連續空間的局部搜尋 4.3 不確定性行動的搜尋 4.4 使用部分觀察的搜尋 4.5 線上搜尋代理人和未知環境 4.6 總結 5 對抗搜尋 5.1 賽局 5.2 賽局的最佳化決策 5.3 ？剪枝5.4 不完整的即時決策 5.5 隨機賽局 5.6 部分可觀察賽局 5.7 最先進的賽局程式 5.8 其他方法 5.9 總結 6 限制滿足問題 6.1 限制滿足問題的定義 6.2 限制的傳播：於CSP推理 6.3 CSP問題的回溯搜尋 6.4 CSP問題的局部搜尋 6.5 問題的結構 6.6 總結 PART III 知識、推理、規劃7 邏輯代理人 7.1 知識型代理人 7.2 wumpus世界 7.3 邏輯 7.4 命題邏輯：一種非常簡單的邏輯 7.5 命題定理之證明 7.6 有效的命題模型檢驗 7.7 命題邏輯型代理人 7.8 總結 8 一階邏輯8.1 表示法的回顧8.2 一階邏輯的語法和語義8.3 使用一階邏輯8.4 一階邏輯的知識工程8.5 總結9 一階邏輯中的推理 9.1 命題與一階推理 9.2 統一和提升 9.3 前向鏈結 9.4 反向鏈結 9.5 解消 9.6 總結 10 經典規劃 10.1 經典規劃的定義10.2 經典規劃法作為狀態空間搜尋10.3 規劃圖10.4 其他的經典規劃方法10.5 規劃方法分析10.6 總結11 現實世界的規劃與行動 11.1 時間、排程、和資源 11.2 分層規劃 11.3 在非確定性領域中進行規劃和行動 11.4 多代理人規劃 11.5 總結 12 知識表示12.1 本體論工程12.2 類別和物件12.3 事件12.4 精神事件與精神物件12.5 類別的推理系統12.6 預設資訊推理12.7 網際網路購物世界12.8 總結PART IV 不確定知識與推理13 量化不確定性 13.1 不確定環境下的行動 13.2 基本機率標記法 13.3 使用全聯合分佈進行推理 13.4 獨立性 13.5 貝氏法則及其應用 13.6 重遊wumpus世界 13.7 總結 14 機率推理14.1 不確定領域中的知識表示 14.2 貝氏網路的語意 14.3 條件分佈的有效率表示 14.4 貝氏網路中的精確推理 14.5 貝氏網路的近似推理 14.6 關連與一階機率模型 14.7 不確定推理的其他方法 14.8 總結 15 關於時間的機率推理 15.1 時間與不確定性 15.2 時序模型中的推理 15.3 隱馬可夫模型 15.4 卡爾曼濾波器 15.5 動態貝氏網路 15.6 多重目標的追蹤 15.7 總結 16 制訂簡單決策 16.1 在不確定性環境下結合信度與願望 16.2 效用理論的基礎 16.3 效用函數 16.4 多屬性效用函數 16.5 決策網路 16.6 資訊價值 16.7 決策理論的專家系統 16.8 總結 17 制訂複雜決策 17.1 循序決策問題 17.2 價值疊代 17.3 策略疊代 17.4 部分可觀察的馬可夫決策過程 17.5 多代理人的決策：賽局理論 17.6 機制設計 17.7 總結 PART V 學習18 從實例中學習 18.1 學習的形式 18.2 受監督的學習 18.3 學習決策樹 18.4 評估與選擇最佳假設 18.5 學習的理論 18.6 線性模型的回歸與分類 18.7 人工類神經網路 18.8 無參數模型 18.9 支持向量機 18.10 集體學習 18.11 實際的機器學習 18.12 總結 19 學習中的知識 19.1 學習的邏輯公式 19.2 學習中的知識 19.3 基於解譯的學習 19.4 使用相關資訊進行學習 19.5 歸納邏輯程式設計 19.6 總結 20 學習機率模型 20.1 統計學習 20.2 完整資料下的學習 20.3 隱變數學習：EM演算法 20.4 總結 21 強化學習 21.1 緒論 21.2 被動式強化學習 21.3 主動式強化學習 21.4 強化學習中的一般化 21.5 策略搜索 21.6 強化學習問題的應用 21.7 總結 PART VI 通訊、感知與行動22 自然語言處理 22.1 語言模型22.2 文本分類 22.3 資訊檢索 22.4 資訊擷取 22.5 總結 23 自然語言通訊 23.1 片語結構文法23.2 句法分析（剖析） 23.3 擴充文法和語意解釋 23.4 機器翻譯 2323.5 語音識別 23.6 總結 24 感知 24.1 成像24.2 初級影像處理運算 24.3 藉由外表之物體辨識 24.4 重建三維世界 24.5 從結構資訊中進行物體辨識24.6 使用視覺 24.7 總結25 機器人學 25.1 緒論 25.2 機器人硬體25.3 機器人的感知25.4 運動規劃 25.5 規劃不確定的運動 25.6 運動 25.7 機器人軟體架構 25.8 應用領域 225.9 總結 PART VII 結論26 哲學基礎26.1 弱人工智慧：機器能夠智慧地行動嗎？ 26.2 強人工智慧：機器真的能夠思考嗎？26.3 發展人工智慧的道德規範與風險 26.4 總結 27 人工智慧：現在與未來 27.1 代理人的組成部分 27.2 代理人架構27.3 我們前進於正確方向嗎？ 227.4 要是人工智慧成功了？附錄及參考書目均收錄於隨書CD附 錄A 數學背景A.1 複雜度分析與O（ ）符號 A.2 向量、矩陣和線性代數A.3 機率分布 B 關於語言與演算法的詮釋B.1 用Backus-Naur Form（BNF）定義語言B.2 用虛擬碼描述演算法B.3 線上協助 參考書目

商品規格

最佳賣點

最佳賣點 : 1. 第三版內容包括從2003 年的前一版以來，在AI領域裡所發生的種種變化，包括AI技術的許多重要應用；演算法的里程碑；還有大量的理論進展，尤其在機率推理、機器學習及電腦視覺等領域。
2. 增加一階機率模型的新內容，包括物件存在具不確定性下的開放宇宙模型。