人工智能 pdf(人工智能专业)

 

人工智能（Artificial Intelligence, AI）是一个大领域，而本书也是一本大书。作者试图全方位探索这个领域，它涵盖逻辑、概率和连续数学，感知、推理、学习和行动以及从微电子设备到机器人行星探测器的所有内容。

—文末附本书PDF下载地址—

本书简介

以理解和模拟人类智能、智能行为及其规律为目的的人工智能，从纵向来看，既有建立智能信息处理理论的任务，又有设计可以展现某些近似于人类智能行为的计算系统的使命；从横向来看，它包含知识工程、机器学习、模式识别、自然语言处理、智能机器人和神经计算等诸多内容。至今，基本的研究途径：一是通过为神经活动建立数学模型基于神经心理学来理解和模拟智能，二是不管智能行为的产生原因只追求在效果上实现人类的个体智能行为与群体智能行为。人工智能的目的、任务和使命决定了其研究必有跨学科的特点，必须以生理学、心理学、行为主义、社会学和哲学等学科的成就为基础，通过抽象建立形式体系，即确定知识表示方法和处理方法，最终基于恰当的数据结构和算法加以实现。

统一的主题思想是智能Agent。作者将人工智能定义为对从环境中感知信息并执行行动的Agent的研究。每个这样的Agent实现一个把感知序列映射到行动的函数，作者讨论了表达这些函数的不同方法，如反应式Agent、实时规划器和决策理论系统等。作者把学习的角色解释为把设计者的视角扩展到未知环境中，并且指出了这个角色如何约束Agent设计，有利于显式的知识表示和推理。作者没有把机器人学和视觉当作独立问题对待，而是出现于实现目标的服务中。作者强调在确定合适的Agent设计时任务环境的重要性。

本书全面而系统地介绍了人工智能的理论和实践，阐述了人工智能领域的核心内容，并深入介绍了各个主要的研究方向。全书共有27章，分为七大部分：第Ⅰ部分人工智能，第Ⅱ部分问题求解，第Ⅲ部分知识、推理与规划，第Ⅳ部分不确定知识与推理，第Ⅴ部分学习，第Ⅵ部分通信、感知与行动，第Ⅶ部分结论。本书既详细介啊好了人工智能的基本概念、思想和算法，还描述了其各个研究方向最前沿的进展，同时收集整理了详实的历史文献与事件。

本书目录

第Ⅰ部分 人工智能

1 绪论

1.1 什么是人工智能

1.1.1 像人一样行动：图灵测试的途径

1.1.2 像人一样思考：认知建模的途径

1.1.3 合理地思考：思维法则的途径

1.1.4 合理地行动：合理Agent的途径

1.2 人工智能的基础

1.2.1 哲学

1.2.2 数学

1.2.3 经济学

1.2.4 神经科学

1.2.5 心理学

1.2.6 计算机工程

1.2.7 控制论

1.2.8 语言学

1.3 人工智能的历史

1.4 最新发展水平

1.5 本章小结

参考文献与历史注释

习题

2 智能Agent

2.1 Agent和环境

2.2 好的行为：理性的概念

2.3 环境的性质

2.4 Agent的结构

2.5 本章小结

参考文献与历史注释

习题

第Ⅱ部分 问题求解

3 通过搜索进行问题求解

3.1 问题求解Agent

3.2 问题实例

3.3 通过搜索求解

3.4 无信息搜索策略

3.5 有信息（启发式）的搜索策略

3.6 启发式函数

3.7 本章小结

参考文献与历史注释

习题

4 超越经典搜索

4.1 局部搜索算法和最优化问题

4.2 连续空间中的局部搜索

4.3 使用不确定动作的搜索

4.4 使用部分可观察信息的搜索

4.5 联机搜索Agent和未知环境

4.6 本章小结

参考文献与历史注释

习题

5 对抗搜索

5.1 博弈

5.2 博弈中的优化决策

5.3 α-β剪枝

5.4 不完美的实时决策

5.5 随机博弈

5.6 部分可观察的博弈

5.7 博弈程序发展现状

5.8 其他途径

5.9 本章小结

参考文献与历史注释

习题

6 约束满足问题

6.1 定义约束满足问题

6.2 约束传播：CSP中的推理

6.3 CSP的回溯搜索

6.4 CSP局部搜索

6.5 问题的结构

6.6 本章小结

参考文献与历史注释

习题

第Ⅲ部分 知识、推理与规划

7 逻辑Agent

7.1 基于知识的Agent

7.2 Wumpus世界

7.3 逻辑

7.4 命题逻辑：一种简单逻辑

7.5 命题逻辑定理证明

7.6 有效的命题逻辑模型检验

7.7 基于命题逻辑的Agent

7.8 本章小结

参考文献与历史注释

习题

8 一阶逻辑

8.1 重温表示

8.2 一阶逻辑的语法和语义

8.3 运用一阶逻辑

8.4 一阶逻辑的知识工程

参考文献与历史注释

习题

9 一阶逻辑的推理

9.1 命题推理与一阶推理

9.2 合一和提升

9.3 前向链接

9.4 反向链接

9.5 归结

9.6 本章小结

参考文献与历史注释

习题

10 经典规划

10.1 经典规划的定义

10.2 状态空间搜索规划算法

10.3 规划图

10.4 其他经典规划方法

10.5 规范方法分析

10.6 本章小结

参考文献与历史注释

习题

11 现实世界的规划与行动

11.1 时间、调度和资源

11.2 分层规划

11.3 非确定性领域中的规划与行动

11.4 多Agent规划

11.5 本章小结

参考文献与历史注释

习题

12 知识表示

12.1 本体论工程

12.2 类别和对象

12.3 事件

12.4 精神事件和精神对象

12.5 类别的推理系统

12.6 缺省信息推理

12.7 互联网购物世界

12.8 本章小结

参考文献与历史注释

习题

第Ⅳ部分 不确定知识与推理

13 不确定性的量化

13.1 不确定环境下的行动

13.2 基本概率符号

13.3 使用完全联合分布进行推理

13.4 独立性

13.5 贝叶斯规则及其应用

13.6 重游wumpus世界

13.7 本章小结

参考文献与历史注释

习题

14 概率推理

14.1 不确定问题域中的知识表示

14.2 贝叶斯网络的语义

14.3 条件分布的有效表示

互联网小常识：高端路由器一般用作主干路由器，企业级路由器一般用作汇聚级路由器，低端路由器一般用于接入路由器。从内部结构分类，可以分为固定端口交换机与模块式交换机。

14.4 贝叶斯网络中的精确推理

14.5 贝叶斯网络中的近似推理

14.6 关系和一阶概率模型

14.7 不确定推理的其他方法

14.8 本章小结

参考文献与历史注释

习题

15 时间上的概率推理

15.1 时间与不确定性

15.2 时序模型中的推理

15.3 隐马尔可夫模型

15.4 卡尔曼滤波器

15.5 动态贝叶斯网络

15.6 跟踪多个对象

15.7 本章小结

参考文献与历史注释

习题

16 制定简单决策

16.1 在不确定环境下结合信念与愿望

16.2 效用理论基础

16.3 效用函数

16.4 多属性效用函数

16.5 决策网络

16.6 信息价值

16.7 决策理论专家系统

16.8 本章小结

参考文献与历史注释

习题

17 制定复杂决策

17.1 序列式决策问题

17.2 价值迭代

17.3 策略迭代

17.4 部分可观察的MDP

17.5 多Agent的决策：博弈论

17.6 机制设计

17.7 本章小结

参考文献与历史注释

习题

第Ⅴ部分 学习

18 样例学习

18.1 学习形式

18.2 监督学习

18.3 学习决策树

18.4 评估和选择最佳假说

18.5 学习理论

18.6 带线性模型的回归和分类

18.7 人工神经网络

18.8 非参数化模型

18.9 支持向量机

18.10 组合学习

18.11 机器学习实例

18.12 本章小结

参考文献与历史注释

习题

19 学习中的知识

19.1 学习的逻辑公式化

19.2 学习中的知识

19.3 基于解释的学习

19.4 使用相关性信息学习

19.5 归纳逻辑程序设计

19.6 本章小结

参考文献与历史注释

习题

20 学习概率模型

20.1 统计学习

20.2 带完整数据的学习

20.3 隐变量学习：EM算法

20.4 本章小结

参考文献与历史注释

习题

21 强化学习

21.1 引言

21.2 被动强化学习

21.3 主动强化学习

21.4 强化学习中的泛化

21.5 策略搜索

21.6 强化学习的应用

21.7 本章小结

参考文献与历史注释

习题

第Ⅵ部分 通讯、感知与行动

22 自然语言处理

22.1 语言模型

22.2 文本分类

22.3 信息检索

22.4 信息抽取

22.5 本章小结

参考文献与历史注释

习题

23 用于通讯的自然语言

23.1 短语结构语法

23.2 句法分析

23.3 扩展文法和语义解释

23.4 机器翻译

23.5 语音识别

23.6 本章小结

参考文献与历史注释

习题

24 感知

24.1 图像生成

24.2 图像预处理

24.3 基于外观的物体识别

24.4 重建三维世界

24.5 基于结构的物体识别

24.6 视觉应用

24.7 本章小结

参考文献与历史注释

习题

25 机器人学

25.1 引言

25.2 机器人硬件

25.3 机器人的感知

25.4 运动规划

25.5 规划不确定的运动

25.6 运动

25.7 机器人软件体系结构

25.8 应用领域

25.9 本章小结

参考文献与历史注释

习题

第Ⅶ部分 结论

26 哲学基础

26.1 弱人工智能：机器能够智能地行动吗

26.2 强人工智能：机器真能思考吗

26.3 发展人工智能的道德规范与风险

26.4 本章小结

参考文献与历史注释

习题

27 人工智能：现状与未来

27.1 Agent的组成部分

27.2 Agent的体系结构

27.3 我们在沿着正确的方向前进吗

27.4 如果人工智能能成功了会怎样

附录A 数学背景

A.1 复杂度分析与O()符号

A.2 向量、矩阵和线性代数

A.3 概率分布

参考文献与历史注释

附录B 关于语言和算法的注释

B.1 用巴科斯范式（BNF）定义语言

B.1 算法的伪代码描述

B.3 联机帮助

参考文献

后台私信回复关键字aim_0212，即可获得本文书籍PDF版本。

互联网小常识：在运行中输入“ntbackup”开启备份使用程序。Windows2003的五种备份方法：副本备份、每日备份、差异备份、增量备份、正常备份。

注：本资料来源互联网，版权归该资源的合法拥有者所有。

—完—

关注微信公众平台智慧坊（微信号：intelliworkshop），获取更多原创文章及优质内容。

互联网小常识：IEEE802.11b运作模式基本分为两种：点对点模式（ad hoc，无线网卡与无线网卡之间的通信方式，最多256台），基本模式（无线网络规模扩充或无线和有线网络并存时的通信方式，是802.11b最常用的工作模式，最多1024台）。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186