世界著名计算机教材精选 人工智能 一种现代的方法 第3版PDF|Epub|txt|kindle电子书版本网盘下载

世界著名计算机教材精选 人工智能 一种现代的方法 第3版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第Ⅰ部分 人工智能3

第1章 绪论3

1.1 什么是人工智能3

1.2 人工智能的基础6

1.3 人工智能的历史16

1.4 最新发展水平27

1.5 本章小结28

参考文献与历史注释29

习题29

第2章 智能Agent32

2.1 Agent和环境32

2.2 好的行为：理性的概念34

2.3 环境的性质37

2.4 Agent的结构41

2.5 本章小结52

参考文献与历史注释52

习题54

第Ⅱ部分 问题求解59

第3章 通过搜索进行问题求解59

3.1 问题求解Agent59

3.2 问题实例64

3.3 通过搜索求解68

3.4 无信息搜索策略73

3.5 有信息（启发式）的搜索策略82

3.6 启发式函数91

3.7 本章小结95

参考文献与历史注释96

习题99

第4章 超越经典搜索105

4.1 局部搜索算法和最优化问题105

4.2 连续空间中的局部搜索113

4.3 使用不确定动作的搜索115

4.4 使用部分可观察信息的搜索119

4.5 联机搜索Agent和未知环境126

4.6 本章小结131

参考文献与历史注释131

习题134

第5章 对抗搜索137

5.1 博弈137

5.2 博弈中的优化决策139

5.3 α-β剪枝141

5.4 不完美的实时决策144

5.5 随机博弈149

5.6 部分可观察的博弈152

5.7 博弈程序发展现状155

5.8 其他途径157

5.9 本章小结159

参考文献与历史注释159

习题164

第6章 约束满足问题169

6.1 定义约束满足问题169

6.2 约束传播：CSP中的推理173

6.3 CSP的回溯搜索178

6.4 CSP局部搜索183

6.5 问题的结构184

6.6 本章小结188

参考文献与历史注释188

习题191

第Ⅲ部分 知识、推理与规划197

第7章 逻辑Agent197

7.1 基于知识的Agent197

7.2 Wumpus世界199

7.3 逻辑201

7.4 命题逻辑：一种简单逻辑204

7.5 命题逻辑定理证明209

7.6 有效的命题逻辑模型检验217

7.7 基于命题逻辑的Agent221

7.8 本章小结229

参考文献与历史注释230

习题233

第8章 一阶逻辑238

8.1 重温表示238

8.2 一阶逻辑的语法和语义242

8.3 运用一阶逻辑250

8.4 一阶逻辑的知识工程255

8.5 本章小结260

参考文献与历史注释261

习题262

第9章 一阶逻辑的推理268

9.1 命题推理与一阶推理268

9.2 合一和提升270

9.3 前向链接274

9.4 反向链接280

9.5 归结287

9.6 本章小结296

参考文献与历史注释297

习题299

第10章 经典规划304

10.1 经典规划的定义304

10.2 状态空间搜索规划算法309

10.3 规划图314

10.4 其他经典规划方法321

10.5 规划方法分析325

10.6 本章小结326

参考文献与历史注释326

习题329

第11章 现实世界的规划与行动332

11.1 时间、调度和资源332

11.2 分层规划336

11.3 非确定性领域中的规划与行动343

11.4 多Agent规划351

11.5 本章小结355

参考文献与历史注释356

习题359

第12章 知识表示361

12.1 本体论工程361

12.2 类别和对象363

12.3 事件368

12.4 精神事件和精神对象372

12.5 类别的推理系统375

12.6 缺省信息推理379

12.7 互联网购物世界383

12.8 本章小结387

参考文献与历史注释388

习题392

第Ⅳ部分 不确定知识与推理401

第13章 不确定性的量化401

13.1 不确定环境下的行动401

13.2 基本概率符号404

13.3 使用完全联合分布进行推理410

13.4 独立性413

13.5 贝叶斯规则及其应用414

13.6 重游wumpus世界417

13.7 本章小结420

参考文献与历史注释420

习题422

第14章 概率推理426

14.1 不确定性问题域中的知识表示426

14.2 贝叶斯网络的语义428

14.3 条件分布的有效表示433

14.4 贝叶斯网络中的精确推理436

14.5 贝叶斯网络中的近似推理443

14.6 关系和一阶概率模型450

14.7 不确定推理的其他方法456

14.8 本章小结461

参考文献与历史注释461

习题466

第15章 时间上的概率推理473

15.1 时间与不确定性473

15.2 时序模型中的推理476

15.3 隐马尔可夫模型483

15.4 卡尔曼滤波器487

15.5 动态贝叶斯网络493

15.6 跟踪多个对象500

15.7 本章小结503

参考文献与历史注释503

习题506

第16章 制定简单决策509

16.1 在不确定环境下结合信念与愿望509

16.2 效用理论基础510

16.3 效用函数513

16.4 多属性效用函数519

16.5 决策网络522

16.6 信息价值524

16.7 决策理论专家系统528

16.8 本章小结530

参考文献与历史注释531

习题534

第17章 制定复杂决策538

17.1 序列式决策问题538

17.2 价值迭代543

17.3 策略迭代547

17.4 部分可观察的MDP548

17.5 多Agent的决策：博弈论555

17.6 机制设计565

17.7 本章小结570

参考文献与历史注释570

习题573

第Ⅴ部分 学 习579

第18章 样例学习579

18.1 学习形式579

18.2 监督学习581

18.3 学习决策树582

18.4 评估和选择最佳假说591

18.5 学习理论595

18.6 带线性模型的回归和分类599

18.7 人工神经网606

18.8 非参数化模型614

18.9 支持向量机619

18.10 组合学习622

18.11 机器学习实例626

18.12 本章小结629

参考文献与历史注释630

习题634

第19章 学习中的知识639

19.1 学习的逻辑公式化639

19.2 学习中的知识645

19.3 基于解释的学习648

19.4 使用相关性信息学习651

19.5 归纳逻辑程序设计654

19.6 本章小结662

参考文献与历史注释662

练习664

第20章 学习概率模型666

20.1 统计学习666

20.2 带完整数据的学习669

20.3 隐变量学习：EM算法677

20.4 本章小结684

参考文献与历史注释684

习题686

第21章 强化学习688

21.1 引言688

21.2 被动强化学习689

21.3 主动强化学习695

21.4 强化学习中的泛化700

21.5 策略搜索702

21.6 强化学习的应用704

21.7 本章小结706

参考文献与历史注释707

习题710

第Ⅵ部分 通讯、感知与行动715

第22章 自然语言处理715

22.1 语言模型715

22.2 文本分类719

22.3 信息检索721

22.4 信息抽取727

22.5 本章小结735

参考文献与历史注释735

习题737

第23章 用于通讯的自然语言740

23.1 短语结构语法740

23.2 句法分析743

23.3 扩展文法和语义解释747

23.4 机器翻译755

23.5 语音识别760

23.6 本章小结765

参考文献与历史注释766

习题769

第24章 感知774

24.1 图像生成775

24.2 图像预处理780

24.3 基于外观的物体识别785

24.4 重建三维世界789

24.5 基于结构的物体识别797

24.6 视觉应用799

24.7 本章小结802

参考文献与历史注释803

习题805

第25章 机器人学807

25.1 引言807

25.2 机器人硬件809

25.3 机器人的感知813

25.4 运动规划819

25.5 规划不确定的运动825

25.6 运动828

25.7 机器人软件体系结构833

25.8 应用领域836

25.9 本章小结839

参考文献与历史注释840

习题843

第Ⅶ部分 结 论851

第26章 哲学基础851

26.1 弱人工智能：机器能够智能地行动吗851

26.2 强人工智能：机器真能思考吗856

26.3 发展人工智能的道德规范与风险862

26.4 本章小结868

参考文献与历史注释868

习题870

第27章 人工智能：现状与未来872

27.1 Agent的组成部分872

27.2 Agent的体系结构874

27.3 我们在沿着正确的方向前进吗876

27.4 如果人工智能成功了会怎样877

附录A数学背景879

A.1 复杂度分析与O()符号879

A.2 向量、矩阵和线性代数881

A.3 概率分布882

参考文献与历史注释884

附录B关于语言和算法的注释885

B.1 用巴科斯范式（BNF）定义语言885

B.2 算法的伪代码描述886

B.3 联机帮助887

参考文献888