掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能-(第2版) 版權信息
- ISBN：9787115488435
- 條形碼：9787115488435 ; 978-7-115-48843-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能-(第2版) 本書特色
適讀人群 ：本書特色鮮明、內容易讀易學，適合人工智能相關領域和對該領域感興趣的讀者閱讀，也適合高校計算機專業的教師和學生參考。 圖文詳細、示例豐富，同時配備諸多附加資源，非常適合作為自學和教學指南。 美國經典教材，在美亞上，被評價為自Russell & Norvig的《人工智能：一種現代方法》之后更好的教材，更加適合本科生使用。 當前，人工智能的發展進入了新的歷史階段，成為科研、教學和創業等領域關注的熱點。我國正在大力培養人工智能領域的專業人才，一些高校成立了人工智能學院，還有許多高校開設了人工智能相關專業。 本書是作者結合多年教學經驗、精心撰寫的一本人工智能教科書，堪稱“人工智能的百科全書”。全書涵蓋了人工智能簡史、搜索方法、知情搜索、博弈中的搜索、人工智能中的邏輯、知識表示、產生式系統、專家系統、機器學習和神經網絡、遺傳算法、自然語言處理、自動規劃、機器人技術、高級計算機博弈、人工智能的歷史和未來等主題。 本書提供了豐富的教學配套資源，適合作為高等院校人工智能相關專業的教材，也適合對人工智能相關領域感興趣的讀者閱讀和參考。 ● 基于人工智能的理論基礎，展示全面、新穎、豐富多彩且易于理解的人工智能知識體系。 ● 加入關于機器人和機器學習的新章節，并在自然語言處理在自然語言處理部分包括了關于語音理解和隱喻的小節。 ● 給出諸多的示例、應用程序、全彩圖片和人物軼事，以激發讀者的學習興趣。 ● 通過實際應用引入重 要的人工智能概念，例如機器人技術、人工智能在視頻游戲中的應用、神經網絡、機器學習等。 ● 包含300多幅圖，詳細描述了人工智能方法在實際工作中的問題，并給出了部分習題的解答。 ● 提供本書所涉及的資源、仿真和書中的圖。 ● 為采用本書作為教材的教師提供豐富的教學支持資源，包括習題解答、教學PPT等。 配套資源 ● 本書附錄D“應用程序和數據”提到的應用程序示例、用于神經網絡訓練的練習數據和若干高級計算問題概覽。 ● 本書附錄E“部分練習的答案”的英文版PDF和圖解。 ● 本書中的全部彩圖文件。 ● 本書的Prolog示例源代碼。 ● 供教師使用的教學PPT。 以上資源請到異步社區（www.epubit.com）下載。 為使用本書作為教材的教師提供的教學資源： ● 教學PPT。 ● 教師指導手冊（電子版，包括本書配套習題的完整解答）。 請通過contact@epubit.com.cn聯系申請。
人工智能-(第2版) 內容簡介
作為計算機科學的一個分支，人工智能主要研究、開發用于模擬、延伸和擴展人類智能的理論、方法、技術及應用系統，涉及機器人、語音識別、圖像識別、自然語言處理和專家系統等方向。 本書包括引言、基礎知識、基于知識的系統、高級專題以及現在和未來五部分內容。**部分從人工智能的定義講起，就人工智能的早期歷史、思維和智能的內涵、圖靈測試、啟發法、新千年人工智能的發展進行了簡要論述。第二部分詳細講述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的邏輯、知識表示和產生式系統等基礎知識。第三部分介紹并探究了人工智能領域的成功案例，如DENDRAL、MYCIN、EMYCIN等經典的專家系統，振動故障診斷、自動牙科識別等新的專家系統，以及受到自然啟發的搜索等。第四部分介紹了自然語言處理和自動規劃等高級專題。第五部分對人工智能的歷史和現狀進行了梳理，回顧了幾十年來人工智能所取得的諸多成就，并對其未來進行了展望。 本書系統、全面地涵蓋了人工智能的相關知識，既簡明扼要地介紹了這一學科的基礎知識，也對自然語言處理、自動規劃、神經網絡等內容進行了拓展，更輔以實例，可以幫助讀者扎扎實實打好基礎。本書特色鮮明、內容易讀易學，適合人工智能相關領域和對該領域感興趣的讀者閱讀，也適合高校計算機專業的教師和學生參考。
人工智能-(第2版) 目錄
**部分引言
第 1章人工智能概述 2
1.0 引言 2
1.0.1 人工智能的定義 3
1.0.2 思維是什么？智能是什么？ 3
1.1 圖靈測試 5
1.1.1 圖靈測試的定義 6
1.1.2 圖靈測試的爭議和批評 8
1.2 強人工智能與弱人工智能 9
1.3 啟發法 11
1.3.1 長方體的對角線：解決一個相對簡單但相關的
問題 11
1.3.2 水壺問題：向后倒推 12
1.4 識別適用人工智能來求解的問題 13
1.5 應用和方法 15
1.5.1 搜索算法和拼圖 16
1.5.2 二人博弈 18
1.5.3 自動推理 18
1.5.4 產生式規則和專家系統 19
1.5.5 細胞自動機 20
1.5.6 神經計算 21
1.5.7 遺傳算法 23
1.5.8 知識表示 23
1.5.9 不確定性推理 24
1.6 人工智能的早期歷史 25
1.7 人工智能的近期歷史到現在 29
1.7.1 博弈 29
1.7.2 專家系統 30
1.7.3 神經計算 31
1.7.4 進化計算 31
1.7.5 自然語言處理 32
1.7.6 生物信息學 34
1.8 新千年人工智能的發展 34
1.9 本章小結 36
第二部分 基礎知識
第 2章盲目搜索 46
2.0 簡介：智能系統中的搜索 46
2.1 狀態空間圖 47
2.2 生成與測試范式 49
2.2.1 回溯 50
2.2.2 貪婪算法 54
2.2.3 旅行銷售員問題 56
2.3 盲目搜索算法 58
2.3.1 深度優先搜索 58
2.3.2 廣度優先搜索 60
2.4 盲目搜索算法的實現和比較 63
2.4.1 實現深度優先搜索 63
2.4.2 實現廣度優先搜索 65
2.4.3 問題求解性能的測量指標 65
2.4.4 DFS和BFS的比較 66
2.5 本章小結 68
第3章 知情搜索 74
3.0 引言 74
3.1 啟發法 76
3.2 知情搜索（**部分）——找到任何解 81
3.2.1 爬山法 81
3.2.2 *陡爬坡法 82
3.3 *佳優先搜索 84
3.4 集束搜索 87
3.5 搜索算法的其他指標 89
3.6 知情搜索（第二部分）——找到*佳解 90
3.6.1 分支定界法 90
3.6.2 使用低估值的分支定界法 95
3.6.3 采用動態規劃的分支定界法 98
3.6.4 A*搜索 99
3.7 知情搜索（第三部分）—高級搜索算法 100
3.7.1 約束滿足搜索 100
3.7.2 與或樹 101
3.7.3 雙向搜索 102
3.8 本章小結 104
第4章 博弈中的搜索 109
4.0 引言 109
4.1 博弈樹和極小化極大評估 110
4.1.1 啟發式評估 112
4.1.2 博弈樹的極小化極大評估 112
4.2 具有α-剪枝的極小化極大算法 115
4.3 極小化極大算法的變體和改進 120
4.3.1 負極大值算法 120
4.3.2 漸進深化法 122
4.3.3 啟發式續篇和地平線效應 122
4.4 概率游戲和預期極小化極大值算法 123
4.5 博弈理論 125
迭代的囚徒困境 126
4.6 本章小結 127
第5章 人工智能中的邏輯 133
5.0 引言 133
5.1 邏輯和表示 134
5.2 命題邏輯 135
5.2.1 命題邏輯—基礎 136
5.2.2 命題邏輯中的論證 140
5.2.3 證明命題邏輯論證有效的第二種方法 141
5.3 謂詞邏輯——簡要介紹 143
5.3.1 謂詞邏輯中的合一 144
5.3.2 謂詞邏輯中的反演 146
5.3.3 將謂詞表達式轉換為子句形式 148
5.4 其他一些邏輯 151
5.4.1 二階邏輯 151
5.4.2 非單調邏輯 152
5.4.3 模糊邏輯 152
5.4.4 模態邏輯 153
5.5 本章小結 153
第6章 知識表示 160
6.0 引言 160
6.1 圖形草圖和人類視窗 163
6.2 圖和哥尼斯堡橋問題 166
6.3 搜索樹 167
6.4 表示方法的選擇 169
6.5 產生式系統 172
6.6 面向對象 172
6.7 框架法 173
6.8 腳本和概念依賴系統 176
6.9 語義網絡 179
6.10 關聯 181
6.11 新近的方法 182
6.11.1 概念地圖 182
6.11.2 概念圖 184
6.11.3 Baecker的工作 184
6.12 智能體：智能或其他 185
6.12.1 智能體的一些歷史 188
6.12.2 當代智能體 189
6.12.3 語義網 191
6.12.4 IBM眼中的未來世界 191
6.12.5 作者的觀點 192
6.13 本章小結 192
第7章 產生式系統 199
7.0 引言 199
7.1 背景 199
7.2 基本示例 202
7.3 CARBUYER系統 204
7.4 產生式系統和推導方法 208
7.4.1 沖突消解 211
7.4.2 正向鏈接 213
7.4.3 反向鏈接 214
7.5 產生式系統和細胞自動機 219
7.6 隨機過程與馬爾可夫鏈 221
7.7 本章小結 222
第三部分 基于知識的系統
第8章 人工智能中的不確定性 228
8.0 引言 228
8.1 模糊集 229
8.2 模糊邏輯 231
8.3 模糊推理 232
8.4 概率理論和不確定性 235
8.5 本章小結 239
第9章 專家系統 242
9.0 引言 242
9.1 背景 242
9.2 專家系統的特點 249
9.3 知識工程 250
9.4 知識獲取 252
9.5 經典的專家系統 254
9.5.1 DENDRAL 254
9.5.2 MYCIN 255
9.5.3 EMYCIN 258
9.5.4 PROSPECTOR 259
9.5.5 模糊知識和貝葉斯規則 261
9.6 提高效率的方法 262
9.6.1 守護規則 262
9.6.2 Rete算法 263
9.7 基于案例的推理 264
9.8 更多*新的專家系統 269
9.8.1 改善就業匹配系統 269
9.8.2 振動故障診斷的專家系統 270
9.8.3 自動牙科識別 270
9.8.4 更多采用案例推理的專家系統 271
9.9 本章小結 271
第 10章機器學習**部分 277
10.0 引言 277
10.1 機器學習：簡要概述 277
10.2 機器學習系統中反饋的作用 279
10.3 歸納學習 280
10.4 利用決策樹進行學習 282
10.5 適用于決策樹的問題 283
10.6 熵 284
10.7 使用ID3構建決策樹 285
10.8 其余問題 287
10.9 本章小結 288
第 11章機器學習第二部分：神經網絡 291
11.0 引言 291
11.1 人工神經網絡的研究 292
11.2 麥卡洛克-皮茨網絡 294
11.3 感知器學習規則 295
11.4 增量規則 303
11.5 反向傳播 308
11.6 實現關注點 313
11.6.1 模式分析 316
11.6.2 訓練方法 317
11.7 離散型霍普菲爾德網絡 318
11.8 應用領域 323
11.9 本章小結 330
第 12章受到自然啟發的搜索 337
12.0 引言 337
12.1 模擬退火 338
12.2 遺傳算法 341
12.3 遺傳規劃 349
12.4 禁忌搜索 353
12.5 螞蟻聚居地優化 356
12.6 本章小結 359
第四部分 高級專題
第 13章自然語言處理 368
13.0 引言 368
13.1 概述：語言的問題和可能性 368
13.2 自然語言處理的歷史 371
13.2.1 基礎期（20世紀40年代和50年代） 371
13.2.2 符號與隨機方法（1957—1970） 372
13.2.3 ４種范式（1970—1983） 372
13.2.4 經驗主義和有限狀態模型（1983—1993） 373
13.2.5 大融合（1994—1999） 373
13.2.6 機器學習的興起（2000—2008） 374
13.3 句法和形式語法 374
13.3.1 語法類型 374
13.3.2 句法解析：CYK算法 379
13.4 語義分析和擴展語法 380
13.4.1 轉換語法 381
13.4.2 系統語法 381
13.4.3 格語法 382
13.4.4 語義語法 383
13.4.5 Schank系統 383
13.5 NLP中的統計方法 387
13.5.1 統計解析 387
13.5.2 機器翻譯（回顧）和IBM的Candide系統 388
13.5.3 詞義消歧 389
13.6 統計NLP的概率模型 390
13.6.1 隱馬爾可夫模型 390
13.6.2 維特比算法 391
13.7 統計NLP語言數據集 392
13.7.1 賓夕法尼亞州樹庫項目 392
13.7.2 WordNet 394
13.7.3 NLP中的隱喻模型 394
13.8 應用：信息提取和問答系統 396
13.8.1 問答系統 396
13.8.2 信息提取 401
13.9 現在和未來的研究（基于CHARNIAK的工作） 401
13.10 語音理解 402
13.11 語音理解技術的應用 405
13.12 本章小結 410
第 14章自動規劃 417
14.0 引言 417
14.1 規劃問題 418
14.1.1 規劃術語 418
14.1.2 規劃應用示例 419
14.2 一段簡短的歷史和一個著名的問題 424
14.3 規劃方法 426
14.3.1 規劃即搜索 426
14.3.2 部分有序規劃 430
14.3.3 分級規劃 432
14.3.4 基于案例的規劃 433
14.3.5 規劃方法集錦 434
14.4 早期規劃系統 435
14.4.1 STRIPS 435
14.4.2 NOAH 436
14.4.3 NONLIN 436
14.5 更多現代規劃系統 437
14.5.1 O-PLAN 438
14.5.2 Graphplan 439
14.5.3 規劃系統集錦 441
14.5.4 學習系統的規劃方法 441
14.5.5 SCIBox自動規劃器 442
14.6 本章小結 444
第五部分 現在和未來
第 15章機器人技術 452
15.0 引言 452
15.1 歷史：服務人類、仿效人類、增強人類和替代人類 455
15.1.1 早期機械機器人 455
15.1.2 電影與文學中的機器人 458
15.1.3 20世紀早期的機器人 458
15.2 技術問題 464
15.2.1 機器人的組件 464
15.2.2 運動 467
15.2.3 點機器人的路徑規劃 468
15.2.4 移動機器人運動學 469
15.3 應用：21世紀的機器人 471
15.4 本章小結 479
第 16章高級計算機博弈 482
16.0 引言 482
16.1 跳棋：從塞繆爾到舍弗爾 483
16.1.1 在跳棋博弈中用于機器學習的啟發式方法 486
16.1.2 填鴨式學習與概括 488
16.1.3 簽名表評估和棋譜學習 489
16.1.4 含有奇諾克程序的世界跳棋錦標賽 490
16.1.5 徹底解決跳棋游戲 491
16.2 國際象棋：人工智能的“果蠅” 494
16.2.1 計算機國際象棋的歷史背景 495
16.2.2 編程方法 496
16.2.3 超越地平線效應 505
16.2.4 DeepThought和DeepBlue與特級大師的比賽（1988—1995年） 505
16.3 計算機國際象棋對人工智能的貢獻 507
16.3.1 在機器中的搜索 507
16.3.2 在搜索方面，人與機器的對比 508
16.3.3 啟發式、知識和問題求解 509
16.3.4 蠻力：知識vs.搜索；表現vs.能力 510
16.3.5 殘局數據庫和并行計算 511
16.3.6 本書**作者的貢獻 514
16.4 其他博弈 514
16.4.1 奧賽羅 515
16.4.2 西洋雙陸棋 516
16.4.3 橋牌 518
16.4.4 撲克 519
16.5 圍棋：人工智能的“新果蠅”？ 520
16.6 本章小結 523
第 17章大事記 532
17.0 引言 532
17.1 提綱挈領——概述 532
17.2 普羅米修斯歸來 534
17.3 提綱挈領——介紹人工智能的成果 535
17.4 IBM的沃森-危險邊緣挑戰賽 539
17.5 21世紀的人工智能 543
17.6 本章小結 545
附錄A CLIPS示例：專家系統外殼 548
附錄B 用于隱馬爾可夫鏈的維特比算法的實現（由HarunIftikhar提供） 552
附錄C 對計算機國際象棋的貢獻：令人驚嘆的WalterShawnBrowne 555
附錄D 應用程序和數據 559
附錄E 部分練習的答案 560
第 1章人工智能概述 2
1.0 引言 2
1.0.1 人工智能的定義 3
1.0.2 思維是什么？智能是什么？ 3
1.1 圖靈測試 5
1.1.1 圖靈測試的定義 6
1.1.2 圖靈測試的爭議和批評 8
1.2 強人工智能與弱人工智能 9
1.3 啟發法 11
1.3.1 長方體的對角線：解決一個相對簡單但相關的
問題 11
1.3.2 水壺問題：向后倒推 12
1.4 識別適用人工智能來求解的問題 13
1.5 應用和方法 15
1.5.1 搜索算法和拼圖 16
1.5.2 二人博弈 18
1.5.3 自動推理 18
1.5.4 產生式規則和專家系統 19
1.5.5 細胞自動機 20
1.5.6 神經計算 21
1.5.7 遺傳算法 23
1.5.8 知識表示 23
1.5.9 不確定性推理 24
1.6 人工智能的早期歷史 25
1.7 人工智能的近期歷史到現在 29
1.7.1 博弈 29
1.7.2 專家系統 30
1.7.3 神經計算 31
1.7.4 進化計算 31
1.7.5 自然語言處理 32
1.7.6 生物信息學 34
1.8 新千年人工智能的發展 34
1.9 本章小結 36
第二部分 基礎知識
第 2章盲目搜索 46
2.0 簡介：智能系統中的搜索 46
2.1 狀態空間圖 47
2.2 生成與測試范式 49
2.2.1 回溯 50
2.2.2 貪婪算法 54
2.2.3 旅行銷售員問題 56
2.3 盲目搜索算法 58
2.3.1 深度優先搜索 58
2.3.2 廣度優先搜索 60
2.4 盲目搜索算法的實現和比較 63
2.4.1 實現深度優先搜索 63
2.4.2 實現廣度優先搜索 65
2.4.3 問題求解性能的測量指標 65
2.4.4 DFS和BFS的比較 66
2.5 本章小結 68
第3章 知情搜索 74
3.0 引言 74
3.1 啟發法 76
3.2 知情搜索（**部分）——找到任何解 81
3.2.1 爬山法 81
3.2.2 *陡爬坡法 82
3.3 *佳優先搜索 84
3.4 集束搜索 87
3.5 搜索算法的其他指標 89
3.6 知情搜索（第二部分）——找到*佳解 90
3.6.1 分支定界法 90
3.6.2 使用低估值的分支定界法 95
3.6.3 采用動態規劃的分支定界法 98
3.6.4 A*搜索 99
3.7 知情搜索（第三部分）—高級搜索算法 100
3.7.1 約束滿足搜索 100
3.7.2 與或樹 101
3.7.3 雙向搜索 102
3.8 本章小結 104
第4章 博弈中的搜索 109
4.0 引言 109
4.1 博弈樹和極小化極大評估 110
4.1.1 啟發式評估 112
4.1.2 博弈樹的極小化極大評估 112
4.2 具有α-剪枝的極小化極大算法 115
4.3 極小化極大算法的變體和改進 120
4.3.1 負極大值算法 120
4.3.2 漸進深化法 122
4.3.3 啟發式續篇和地平線效應 122
4.4 概率游戲和預期極小化極大值算法 123
4.5 博弈理論 125
迭代的囚徒困境 126
4.6 本章小結 127
第5章 人工智能中的邏輯 133
5.0 引言 133
5.1 邏輯和表示 134
5.2 命題邏輯 135
5.2.1 命題邏輯—基礎 136
5.2.2 命題邏輯中的論證 140
5.2.3 證明命題邏輯論證有效的第二種方法 141
5.3 謂詞邏輯——簡要介紹 143
5.3.1 謂詞邏輯中的合一 144
5.3.2 謂詞邏輯中的反演 146
5.3.3 將謂詞表達式轉換為子句形式 148
5.4 其他一些邏輯 151
5.4.1 二階邏輯 151
5.4.2 非單調邏輯 152
5.4.3 模糊邏輯 152
5.4.4 模態邏輯 153
5.5 本章小結 153
第6章 知識表示 160
6.0 引言 160
6.1 圖形草圖和人類視窗 163
6.2 圖和哥尼斯堡橋問題 166
6.3 搜索樹 167
6.4 表示方法的選擇 169
6.5 產生式系統 172
6.6 面向對象 172
6.7 框架法 173
6.8 腳本和概念依賴系統 176
6.9 語義網絡 179
6.10 關聯 181
6.11 新近的方法 182
6.11.1 概念地圖 182
6.11.2 概念圖 184
6.11.3 Baecker的工作 184
6.12 智能體：智能或其他 185
6.12.1 智能體的一些歷史 188
6.12.2 當代智能體 189
6.12.3 語義網 191
6.12.4 IBM眼中的未來世界 191
6.12.5 作者的觀點 192
6.13 本章小結 192
第7章 產生式系統 199
7.0 引言 199
7.1 背景 199
7.2 基本示例 202
7.3 CARBUYER系統 204
7.4 產生式系統和推導方法 208
7.4.1 沖突消解 211
7.4.2 正向鏈接 213
7.4.3 反向鏈接 214
7.5 產生式系統和細胞自動機 219
7.6 隨機過程與馬爾可夫鏈 221
7.7 本章小結 222
第三部分 基于知識的系統
第8章 人工智能中的不確定性 228
8.0 引言 228
8.1 模糊集 229
8.2 模糊邏輯 231
8.3 模糊推理 232
8.4 概率理論和不確定性 235
8.5 本章小結 239
第9章 專家系統 242
9.0 引言 242
9.1 背景 242
9.2 專家系統的特點 249
9.3 知識工程 250
9.4 知識獲取 252
9.5 經典的專家系統 254
9.5.1 DENDRAL 254
9.5.2 MYCIN 255
9.5.3 EMYCIN 258
9.5.4 PROSPECTOR 259
9.5.5 模糊知識和貝葉斯規則 261
9.6 提高效率的方法 262
9.6.1 守護規則 262
9.6.2 Rete算法 263
9.7 基于案例的推理 264
9.8 更多*新的專家系統 269
9.8.1 改善就業匹配系統 269
9.8.2 振動故障診斷的專家系統 270
9.8.3 自動牙科識別 270
9.8.4 更多采用案例推理的專家系統 271
9.9 本章小結 271
第 10章機器學習**部分 277
10.0 引言 277
10.1 機器學習：簡要概述 277
10.2 機器學習系統中反饋的作用 279
10.3 歸納學習 280
10.4 利用決策樹進行學習 282
10.5 適用于決策樹的問題 283
10.6 熵 284
10.7 使用ID3構建決策樹 285
10.8 其余問題 287
10.9 本章小結 288
第 11章機器學習第二部分：神經網絡 291
11.0 引言 291
11.1 人工神經網絡的研究 292
11.2 麥卡洛克-皮茨網絡 294
11.3 感知器學習規則 295
11.4 增量規則 303
11.5 反向傳播 308
11.6 實現關注點 313
11.6.1 模式分析 316
11.6.2 訓練方法 317
11.7 離散型霍普菲爾德網絡 318
11.8 應用領域 323
11.9 本章小結 330
第 12章受到自然啟發的搜索 337
12.0 引言 337
12.1 模擬退火 338
12.2 遺傳算法 341
12.3 遺傳規劃 349
12.4 禁忌搜索 353
12.5 螞蟻聚居地優化 356
12.6 本章小結 359
第四部分 高級專題
第 13章自然語言處理 368
13.0 引言 368
13.1 概述：語言的問題和可能性 368
13.2 自然語言處理的歷史 371
13.2.1 基礎期（20世紀40年代和50年代） 371
13.2.2 符號與隨機方法（1957—1970） 372
13.2.3 ４種范式（1970—1983） 372
13.2.4 經驗主義和有限狀態模型（1983—1993） 373
13.2.5 大融合（1994—1999） 373
13.2.6 機器學習的興起（2000—2008） 374
13.3 句法和形式語法 374
13.3.1 語法類型 374
13.3.2 句法解析：CYK算法 379
13.4 語義分析和擴展語法 380
13.4.1 轉換語法 381
13.4.2 系統語法 381
13.4.3 格語法 382
13.4.4 語義語法 383
13.4.5 Schank系統 383
13.5 NLP中的統計方法 387
13.5.1 統計解析 387
13.5.2 機器翻譯（回顧）和IBM的Candide系統 388
13.5.3 詞義消歧 389
13.6 統計NLP的概率模型 390
13.6.1 隱馬爾可夫模型 390
13.6.2 維特比算法 391
13.7 統計NLP語言數據集 392
13.7.1 賓夕法尼亞州樹庫項目 392
13.7.2 WordNet 394
13.7.3 NLP中的隱喻模型 394
13.8 應用：信息提取和問答系統 396
13.8.1 問答系統 396
13.8.2 信息提取 401
13.9 現在和未來的研究（基于CHARNIAK的工作） 401
13.10 語音理解 402
13.11 語音理解技術的應用 405
13.12 本章小結 410
第 14章自動規劃 417
14.0 引言 417
14.1 規劃問題 418
14.1.1 規劃術語 418
14.1.2 規劃應用示例 419
14.2 一段簡短的歷史和一個著名的問題 424
14.3 規劃方法 426
14.3.1 規劃即搜索 426
14.3.2 部分有序規劃 430
14.3.3 分級規劃 432
14.3.4 基于案例的規劃 433
14.3.5 規劃方法集錦 434
14.4 早期規劃系統 435
14.4.1 STRIPS 435
14.4.2 NOAH 436
14.4.3 NONLIN 436
14.5 更多現代規劃系統 437
14.5.1 O-PLAN 438
14.5.2 Graphplan 439
14.5.3 規劃系統集錦 441
14.5.4 學習系統的規劃方法 441
14.5.5 SCIBox自動規劃器 442
14.6 本章小結 444
第五部分 現在和未來
第 15章機器人技術 452
15.0 引言 452
15.1 歷史：服務人類、仿效人類、增強人類和替代人類 455
15.1.1 早期機械機器人 455
15.1.2 電影與文學中的機器人 458
15.1.3 20世紀早期的機器人 458
15.2 技術問題 464
15.2.1 機器人的組件 464
15.2.2 運動 467
15.2.3 點機器人的路徑規劃 468
15.2.4 移動機器人運動學 469
15.3 應用：21世紀的機器人 471
15.4 本章小結 479
第 16章高級計算機博弈 482
16.0 引言 482
16.1 跳棋：從塞繆爾到舍弗爾 483
16.1.1 在跳棋博弈中用于機器學習的啟發式方法 486
16.1.2 填鴨式學習與概括 488
16.1.3 簽名表評估和棋譜學習 489
16.1.4 含有奇諾克程序的世界跳棋錦標賽 490
16.1.5 徹底解決跳棋游戲 491
16.2 國際象棋：人工智能的“果蠅” 494
16.2.1 計算機國際象棋的歷史背景 495
16.2.2 編程方法 496
16.2.3 超越地平線效應 505
16.2.4 DeepThought和DeepBlue與特級大師的比賽（1988—1995年） 505
16.3 計算機國際象棋對人工智能的貢獻 507
16.3.1 在機器中的搜索 507
16.3.2 在搜索方面，人與機器的對比 508
16.3.3 啟發式、知識和問題求解 509
16.3.4 蠻力：知識vs.搜索；表現vs.能力 510
16.3.5 殘局數據庫和并行計算 511
16.3.6 本書**作者的貢獻 514
16.4 其他博弈 514
16.4.1 奧賽羅 515
16.4.2 西洋雙陸棋 516
16.4.3 橋牌 518
16.4.4 撲克 519
16.5 圍棋：人工智能的“新果蠅”？ 520
16.6 本章小結 523
第 17章大事記 532
17.0 引言 532
17.1 提綱挈領——概述 532
17.2 普羅米修斯歸來 534
17.3 提綱挈領——介紹人工智能的成果 535
17.4 IBM的沃森-危險邊緣挑戰賽 539
17.5 21世紀的人工智能 543
17.6 本章小結 545
附錄A CLIPS示例：專家系統外殼 548
附錄B 用于隱馬爾可夫鏈的維特比算法的實現（由HarunIftikhar提供） 552
附錄C 對計算機國際象棋的貢獻：令人驚嘆的WalterShawnBrowne 555
附錄D 應用程序和數據 559
附錄E 部分練習的答案 560
展開全部
人工智能-(第2版) 作者簡介
史蒂芬·盧奇（Stephen Lucci）， 擁有紐約市立大學的博士學位，目前在紐約市立大學教授計算機科學課程。他曾在高性能計算領域發表了多篇論文，并且是NASA 發起的MU-SPIN 項目的學術帶頭人。MU-SPIN 項目旨在為NASA 培養下一代*尖的科學家和工程師。 丹尼·科佩克（Danny Kopec）， 擁有愛丁堡大學博士學位，目前在紐約市立大學布魯克林學院和紐約市立大學研究生中心任教。他發表過多篇論文，并出版過幾本書，還是一位國際象棋大師。 譯者簡介 林賜， 軟件設計師、網絡工程師，畢業于渥太華大學系統科學碩士專業，已翻譯出版《Python神經網絡編程》等多本技術圖書。
書友推薦
- >
史學評論
- >
自卑與超越
- >
山海經
- >
李白與唐代文化
- >
上帝之肋:男人的真實旅程
- >
伊索寓言-世界文學名著典藏-全譯本
- >
詩經-先民的歌唱
- >
煙與鏡
本類暢銷
