稀酷客

 找回密码
 加入稀酷客

只需一步,快速开始

只需一步,快速开始

搜索
热搜: 活动 交友 discuz
查看: 1425|回复: 0

[电子资料] 《人工智能 计算Agent基础》.((加)David L.Poole).[PDF]@ckook

[复制链接]

718

主题

719

帖子

1436

积分

金牌会员

Rank: 6Rank: 6

积分
1436
发表于 2018-4-26 15:22:02 | 显示全部楼层 |阅读模式
《人工智能 计算Agent基础》.((加)David L.Poole).[PDF]@ckook 大数据&云计算
《人工智能:计算Agent基础》非常全面地介绍了人工智能科学,涵盖智能体、表达和推理、学习与规划以及个体和关系的推理等内容,并充分考虑了AI科学中理论描述的形式化及实验的难以控制等特点,对理论部分和实验部分做了很好的平衡,展示了理论与实验之间的联系,兼顾了科学与工程的共同发展。本书提供的材料丰富、完整,并很好地兼顾了各种层次的读者,使之都能在书中发现自己感兴趣的东西。
《人工智能:计算Agent基础》适合作为计算机科学或者相关学科(如计算机工程、哲学、认知科学和心理学)的高年级本科生和研究生教材,同时也适合研究人员阅读。
目录
《人工智能:计算Agent基础》
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Agent2
1.1什么是人工智能2
1.2人工智能简史4
1.3环境中的Agent6
1.4知识表示7
1.4.1定义解8
1.4.2表示9
1.4.3推理与行为10
1.5复杂性维度12
1.5.1模块性12
1.5.2表示方案13
1.5.3规划期14
1.5.4不确定性15
1.5.5偏好15
1.5.6Agent数量16
1.5.7学习16
1.5.8计算限制17
1.5.9多维交互18
1.6原型应用19
1.6.1自主传送机器人19
1.6.2诊断助手21
1.6.3智能指导系统23
1.6.4交易Agent24
1.7本书概述25
1.8本章小结26
1.9参考文献及进一步阅读26
1.10习题27
第2章Agent体系结构和分层控制28
2.1Agent28
2.2Agent系统29
2.3分层控制32
2.4嵌入式和仿真Agent37
2.5通过推理来行动38
2.5.1设计时间与离线计算39
2.5.2在线计算40
2.6本章小结41
2.7参考文献及进一步阅读42
2.8习题42
第二部分表达和推理
第3章状态和搜索46
3.1用搜索进行问题求解46
3.2状态空间47
3.3图搜索48
3.4一个通用搜索算法50
3.5无信息搜索策略51
3.5.1深度优先搜索51
3.5.2宽度优先搜索55
3.5.3最低花费优先搜索56
3.6启发式搜索56
3.6.1A*搜索58
3.6.2搜索策略总结59
3.7更复杂的搜索方法60
3.7.1环检查60
3.7.2多路径剪枝60
3.7.3迭代深化62
3.7.4分支界限法63
3.7.5搜索方向65
3.7.6动态规划法66
3.8本章小结68
3.9参考文献及进一步阅读68
3.10习题69
第4章特征和约束71
4.1特征和状态71
4.2可能世界、变量和约束72
4.2.1约束74
4.2.2约束满足问题75
4.3生成测试算法76
4.4使用搜索求解CSP76
4.5一致性算法78
4.6域分割81
4.7变量消除83
4.8局部搜索85
4.8.1迭代最佳改进86
4.8.2随机算法87
4.8.3评估随机算法90
4.8.4局部搜索中利用命题结构92
4.9基于种群的方法92
4.10最优化94
4.10.1最优化的系统方法96
4.10.2局部搜索最优化98
4.11本章小结99
4.12参考文献及进一步阅读100
4.13习题100
第5章命题和推理103
5.1命题103
5.1.1命题演算的语法103
5.1.2命题演算的语义104
5.2命题确定子句107
5.2.1问题与解答109
5.2.2验证110
5.3知识表示问题115
5.3.1背景知识与观察115
5.3.2询问用户116
5.3.3知识层的解释117
5.3.4知识层的调试119
5.4反证法验证122
5.4.1Horn子句122
5.4.2假说与冲突123
5.4.3基于一致性的诊断124
5.4.4通过假设和Horn子句推理126
5.5完备知识假设127
5.5.1非单调推理130
5.5.2完备知识的验证程序130
5.6溯因推理132
5.7因果模型135
5.8本章小结137
5.9参考文献及进一步阅读137
5.10习题138
第6章不确定推理145
6.1概率145
6.1.1概率的语义146
6.1.2概率公理147
6.1.3条件概率149
6.1.4期望值152
6.1.5信息理论153
6.2独立性153
6.3信念网络155
6.4概率推理164
6.4.1信念网络中的变量消除164
6.4.2通过随机模拟进行近似推理169
6.5概率和时间176
6.5.1马尔可夫链176
6.5.2隐马尔可夫模型176
6.5.3监听和平滑算法179
6.5.4动态信念网络180
6.5.5时间粒度181
6.6本章小结181
6.7参考文献及进一步阅读181
6.8习题182
第三部分学习与规划
第7章学习概述与有监督学习186
7.1学习问题186
7.2有监督学习189
7.2.1评估预测190
7.2.2无输入特征的点估计193
7.2.3概率学习195
7.3有监督学习的基本模型196
7.3.1决策树学习196
7.3.2线性回归与分类200
7.3.3贝叶斯分类器203
7.4组合模型206
7.4.1神经网络207
7.4.2集成学习210
7.5避免过拟合210
7.5.1最大后验概率和最小描述长度211
7.5.2交叉验证213
7.6基于案例的推理213
7.7改进假设空间的学习215
7.7.1变型空间学习216
7.7.2可能近似正确学习218
7.8贝叶斯学习220
7.9本章小结224
7.10参考文献及进一步阅读225
7.11习题225
第8章确定性规划229
8.1状态、动作以及目标的表示229
8.1.1显式状态空间表示法230
8.1.2基于特征的动作表示231
8.1.3STRIPS表示法232
8.1.4初始状态和目标233
8.2前向规划233
8.3回归规划235
8.4CSP规划236
8.5偏序规划238
8.6本章小结241
8.7参考文献及进一步阅读241
8.8习题241
第9章不确定性规划244
9.1偏好和效用245
9.2一次性的决策252
9.3序贯决策255
9.3.1决策网络256
9.3.2策略258
9.3.3决策网络的变量消除259
9.4信息与控制的价值262
9.5决策过程264
9.5.1策略值267
9.5.2最优策略值267
9.5.3值迭代268
9.5.4策略迭代270
9.5.5动态决策网络271
9.5.6部分可观察决策过程273
9.6本章小结273
9.7参考文献及进一步阅读274
9.8习题274
第10章多Agent系统280
10.1多Agent框架280
10.2博弈的表示281
10.2.1博弈的标准形式281
10.2.2博弈的扩展形式282
10.2.3多Agent决策网络283
10.3完全信息的计算策略284
10.4部分可观察的多Agent推理286
10.4.1纳什均衡计算290
10.4.2学习协调292
10.5群体决策294
10.6机制设计294
10.7本章小结296
10.8参考文献及进一步阅读297
10.9习题297
第11章有监督之外的其他学习模型298
11.1聚类298
11.1.1期望最大化298
11.1.2k-均值299
11.1.3用于软聚类的期望最大化300
11.2信念网络学习303
11.2.1概率学习303
11.2.2未观察到的变量304
11.2.3缺失数据304
11.2.4结构学习305
11.2.5信念网络学习的一般情形306
11.3增强学习306
11.3.1演化算法308
11.3.2时间差308
11.3.3Q-学习309
11.3.4探索与利用312
11.3.5增强学习算法的评估313
11.3.6在策略学习314
11.3.7为路径分配信用和责任315
11.3.8基于模型的方法317
11.3.9基于特征的增强学习319
11.4本章小结320
11.5参考文献及进一步阅读321
11.6习题321
第四部分个体与关系的推理
第12章个体与关系324
12.1在特征之外利用结构324
12.2符号与语义325
12.3Datalog:一个关联规则语言326
12.3.1基Datalog的语义328
12.3.2解释变量329
12.3.3带变量的查询333
12.4证明与替换334
12.4.1带变量的自底向上过程335
12.4.2带变量的确定性归结337
12.5函数符号339
12.6在自然语言处理中的应用344
12.6.1在上下文无关文法中使用限定子句345
12.6.2增强文法347
12.6.3为非终结符号建立结构348
12.6.4封装的文本输出348
12.6.5强制约束349
12.6.6建立自然语言与数据库的接口350
12.6.7局限351
12.7相等352
12.7.1允许相等断言352
12.7.2唯一名字假设353
12.8完备知识假设355
12.9本章小结358
12.10参考文献及进一步阅读358
12.11习题359
第13章本体和基于知识的系统363
13.1知识共享363
13.2灵活的表示363
13.2.1选择个体和关系364
13.2.2图形化表示366
13.2.3原始关系与导出关系369
13.3本体与知识共享373
13.3.1描述逻辑376
13.3.2顶层本体380
13.4查询用户和其他知识来源382
13.4.1函数化关系383
13.4.2更普遍的问题383
13.5实现基于知识的系统384
13.5.1基语言和元语言385
13.5.2普通的元解释器386
13.5.3扩展基语言387
13.5.4深度有限搜索388
13.5.5元解释器构建证明树389
13.5.6可询问用户的元解释器390
13.5.7推迟目标391
13.6本章小结391
13.7参考文献及进一步阅读392
13.8习题392
第14章关系规划、学习和概率推理396
14.1规划个体与关系396
14.1.1情景演算396
14.1.2事件演算401
14.2个体与关系的学习402
14.3概率关系模型406
14.4本章小结410
14.5参考文献及进一步阅读411
14.6习题411
第五部分宏观图景
第15章回顾与展望416
15.1复杂性维度回顾416
15.2社会与道德后果418
15.3参考文献及进一步阅读420
附录A数学基础与记号421
参考文献425
索引439

立即下载( 3626.zip ) 百度网盘

解压密码:已隐藏见下(↓)

二维码

【拿出手机】->【解锁】->【打开微信】->【扫描左侧<-的二维码】->【关注稀酷客的微信】->【发送帖子的tid号】->【获得密匙】->【将密匙填到下面的框框中】->【提交】->【免币查看隐藏内容】  如何下载?(图文教程)    如何获取酷币?    如有问题联系莎莎私人微信:ickook

该帖tid为: 3626   或者支付2酷币
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 加入稀酷客   

本版积分规则

QQ|Archiver|手机版|小黑屋|稀酷客 ( 冀ICP备14004526号-1 )

GMT+8, 2019-3-19 14:17 , Processed in 1.093750 second(s), 32 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表