人工智能（2003年尼尔森创作的图书）_百科资料

内容简介

《人工智能》从一个新颖的角度对人工智能各方面的问题进行了探讨。由浅入深地介绍了整个人工智能系统和agent的发展历程。首先，描述了仅能对周围环境中可感知特征做出反应的原始agent，以及它们所涉及的机器视觉、机器学习和机器进化等问题；然后，逐步介绍了agent可以从无法立即感知的任务环境中获取信息的技术。《人工智能》不仅是对人工智能技术的介绍，而且能为人工智能的研究提供参考和建议。《人工智能》作为人工智能的入门教材，适合所有对人工智能这门学科感兴趣的读者参考，尤其适合大专院校的计算机专业及相关专业的学生用做教材或教学参考书。

作品目录

	第一部分响应机器
译者序	第2章刺激响应agent 13	第3章神经网络 23
前言	2.1 感知和动作 13	3.1 引言 23
第1章绪论 1	2.1.1 感知 15	3.2 训练单个TLU 23
1.2 人工智能的研究方法 4	2.1.2 动作 15	3.2.1 TLU几何学 23
1.3 人工智能简史 5	2.1.3 布尔代数 16	3.2.2 扩充向量 24
1.4 《人工智能》规划 7	2.1.4 布尔函数的类别和形式 16	3.2.3 梯度下降方法 24
1.5 补充读物和讨论 9	2.2 动作函数的表达和执行 17	3.2.4 Widrow-Hoff程序 25
	2.2.1 产生式系统 17	3.2.5 一般化Delta程序 26
	2.2.2 网络 18	3.2.6 纠错程序 27
	2.2.3 包含体系结构 20	3.3 神经网络 28
	2.3 补充读物和讨论 21	3.3.1 动机 28
		3.3.2 表示符号 28
		3.3.3 反向传播方法 29
		3.3.4 计算最后一层的权值变化 30
		3.3.5 计算中间层的权值变化 30
		3.4 一般化、准确度和过度拟合 32
		3.5 补充读物和讨论 34

第4章机器进化 37	第5章状态机 45	第6章机器人视觉 53
4.1 进化计算 37	5.1 用特征向量来表示环境 45	6.1 引言 53
4.2 遗传编程 37	5.2 Elman网络 46	6.2 操纵一辆汽车 54
4.2.1 遗传编程的程序表示 37	5.3 图标表示 47	6.3 机器人视觉的两个阶段 55
4.2.2 遗传编程过程 39	5.4 黑板系统 49	6.4 图象处理 56
4.2.3 进化一个沿墙运动的机器人 40	5.5 补充读物和讨论 50	6.4.1 平均法 56
4.3 补充读物和讨论 43		6.4.2 边缘增强 58
		6.4.3 边缘增强与平均法的结合 59
		6.4.4 区域查找 61
		6.4.5 运用亮度以外的其他图象的属性 62
		6.5 场景分析 63
		6.5.1 解释图象中的线条和曲线 63
		6.5.2 基于模型的视觉 65
		6.6 立体视觉和深度信息 66
		6.7 补充读物和讨论 67

第二部分状态空间搜索
第7章能计划的agent 71	第8章盲目搜索 78	第9章启发式搜索 84
7.1 存储与计算 71	8.1 用公式表示状态空间 78	9.1 使用评估函数 84
7.2 状态空间图 72	8.2 隐式状态空间图的组成 78	9.2 一个通用的图搜索算法 85
7.3 显式状态空间搜索 74	8.3 广度优先搜索 79	9.2.1 算法A* 86
7.4 基于特征的状态空间 74	8.4 深度优先或回溯搜索 80	9.2.2 A*的可接纳性 88
7.5 图记号 75	8.5 迭代加深 81	9.2.3 一致性（或单调）条件 91
7.6 补充读物和讨论 76	8.6 补充读物和讨论 82	9.2.4 迭代加深的A* 92
		9.2.5 递归最优搜索 93
		9.3 启发式函数和搜索效率 94
		9.4 补充读物和讨论 97

第10章计划、动作和学习 99	第11章其他搜索公式及其应用 111	第12章敌对搜索 118
10.1 感知/计划/动作循环 99	11.1 赋值问题 111	12.1 双agent博弈 118
10.2 逼近搜索 100	11.2 构造性方法 112	12.2 最小最大化过程 119
10.2.1 孤岛驱动搜索 100	11.3 启发式修补 114	12.3 a -b 过程 122
10.2.2 层次搜索 101	11.4 函数优化 115	12.4 a -b 过程的搜索效率 125
10.2.3 有限范围搜索 102		12.5 其他重要问题 125
10.2.4 循环 103		12.6 概率博弈 126
10.2.5 建立反应过程 104		12.7 学习评估函数 127
10.3 学习启发式函数 105		12.8 补充读物和讨论 128
10.3.1 显式图 105
10.3.2 隐式图 106
10.4 奖赏代替目标 107
10.5 补充读物和讨论 108

第三部分知识的表示和推理
第13章命题演算 131	第14章命题演算中的归结 140	第15章谓词演算 146
13.1 对特征值加以约束 131	14.1 一种新的推理规则：归结 140	15.1 动机 146
13.2 语言 132	14.1.1 作为合式公式的子句 140	15.2 谓词演算语言和它的句法 146
13.3 推理规则 133	14.1.2 子句上的归结 140	15.3 语义 147
13.4 验证定义 133	14.1.3 归结的合理性 141	15.3.1 世界 147
13.5 语义 134	14.2 转换任意的合式公式为子句的合取式 141	15.3.2 解释 147
13.5.1 解释 134	14.3 归结反驳 142	15.3.3 模型及其相关的概念 148
13.5.2 命题真值表 134	14.4 归结反驳搜索策略 142	15.3.4 知识 149
13.5.3 可满足性与模型 135	14.4.1 排序策略 143	15.4 量化 150
13.5.4 永真性 136	14.4.2 精确策略 143	15.5 量词语义学 150
13.5.5 等价 136	14.5 Horn 子句 144	15.5.1 全称量词 150
13.5.6 涵蕴 136		15.5.2 存在量词 151
13.6 合理性和完备性 137		15.5.3 有用的等价式 151
13.7 命题可满足性问题 137		15.5.4 推理规则 151
13.8 另一些重要的问题 138		15.6 谓词演算作为一种表示知识的语言 151
13.8.1 语言差异 138		15.6.1 概念化 151
13.8.2 元定理 138		15.6.2 举例 152
13.8.3 结合律 139		15.7 补充读物和讨论 153
13.8.4 分配律 139

第16章谓词演算中的归结 155	第17章基于知识的系统 166	第18章表示常识知识 187
16.1 合一 155	17.1 面对现实世界 166	18.1 常识世界 187
16.2 谓词演算归结 157	17.2 用Horn子句进行推理 166	18.1.1 什么是常识知识 187
16.3 完备性和合理性 158	17.3 动态知识库的维持 170	18.1.2 表示常识知识的困难 188
16.4 把任意的合式公式转化为子句形式 158	17.4 基于规则的专家系统 173	18.1.3 常识知识的重要性 189
16.5 用归结证明定理 160	17.5 规则学习 176	18.1.4 研究领域 189
16.6 回答提取 161	17.5.1 学习命题演算规则 177	18.2 时间 190
16.7 等式谓词 161	17.5.2 学习一阶逻辑规则 180	18.3 用网络表示知识 191
16.8 补充读物和讨论 163	17.5.3 基于解释的一般化 183	18.3.1 分类的知识 191
	17.6 补充读物和讨论 184	18.3.2 语义网络 192
		18.3.3 语义网络的非单调推理 193
		18.3.4 框架 194
		18.4 补充读物和讨论 194

第19章用不确定信息进行推理 197	第20章用贝叶斯网学习和动作 214	第四部分基于逻辑的规划方法
19.1 概率论简介 197	20.1 学习贝叶斯网 214	第21章状态演算 227
19.1.1 基本思想 197	20.1.1 已知网络结构 214	21.1 状态和动作推理 227
19.1.2 条件概率 199	20.1.2 学习网络结构 216	21.2 存在的一些困难 229
19.2 概率推理 201	20.2 概率推理与动作 219	21.2.1 框架公理 229
19.2.1 一个一般的方法 201	20.2.1 一般设置 219	21.2.2 条件 230
19.2.2 条件独立 202	20.2.2 一个扩展的例子 220	21.2.3 分枝 230
19.3 贝叶斯网 203	20.2.3 一般化举例 222	21.3 生成计划 231
19.4 贝叶斯网的推理模式 204	20.3 补充读物和讨论 223	21.4 补充读物和讨论 231
19.5 不确定证据 205
19.6 D 分离 205
19.7 在polytree中的概率推理 206
19.7.1 证据在上方 207
19.7.2 证据在下方 208
19.7.3 证据在上下两方 209
19.7.4 一个数值例子 210
19.8 补充读物和讨论 211

第22章规划 234	第五部分通信与集成	第24章 agent之间的通信 263
22.1 STRIPS规划系统 234	第23章多agent 255	24.1 交谈 263
22.1.1 描述状态和目标 234	23.1 交互agent 255	24.1.1 计划交谈 264
22.1.2 向前搜索方法 235	23.2 其他agent模型 255	24.1.2 实现交谈 264
22.1.3 递归STRIPS 236	23.2.1 模型种类 255	24.2 理解语言字符串 265
22.1.4 带有运行时条件的计划 238	23.2.2 模拟策略 256	24.2.1 短语结构语法 265
22.1.5 Sussman异常 238	23.2.3 模拟数据库 257	24.2.2 语义分析 267
22.1.6 向后搜索方法 239	23.2.4 有意思维方式 257	24.2.3 扩展语法 271
22.2 计划空间和部分有序规划 242	23.3 知识模式逻辑 258	24.3 有效通信 272
22.3 层次规划 246	23.3.1 模式算子 258	24.3.1 上下文的使用 272
22.3.1 ABSTRIPS 246	23.3.2 知识公理 259	24.3.2 使用知识解决歧义性 273
22.3.2 层次规划和部分有序规划的组合 248	23.3.3 关于其他agent知识的推理 260	24.4 自然语言处理 274
22.4 学习计划 248	23.3.4 预测其他agent的动作 261	24.5 补充读物和讨论 275
22.5 补充读物和讨论 250	23.4 补充读物和讨论 261

第25章 agent体系结构 277
25.1 三级体系结构 277	参考文献 282
25.2 目标仲裁 278
25.3 三层塔式结构 279
25.4 自举 280
25.5 补充读物和讨论 280