书籍详情
人工智能:一种现代的方法(第3版)
作者:(美)罗素 等著,殷建平 等译
出版社:清华大学出版社
出版时间:2013-11-01
ISBN:9787302331094
定价:¥128.00
购买这本书可以去
内容简介
《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)》是最权威、最经典的人工智能教材,已被全世界100多个国家的1200多所大学用作教材。《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)》的最新版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。全书分为七大部分:第1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”。《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)》既详细介绍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。另外,本书的配套网址为教师和学生提供了大量教学和学习资料。本书适合于不同层次和领域的研究人员及学生,是高等院校本科生和研究生人工智能课的首选教材,也是相关领域的科研与工程技术人员的重要参考书。
作者简介
Stuart Russell,1962年生于英格兰的Portsmouth。他于1982年以一等成绩在牛津大学获得物理学学士学位,并于1986年在斯坦福大学获得计算机科学的博士学位。之后他进入加州大学伯克利分校,任计算机科学教授,智能系统中心主任,拥有Smith-Zadeh工程学讲座教授头衔。1990年他获得国家科学基金的“总统青年研究者奖”(Presidential Young Investigator Award),1995年他是“计算机与思维奖”(Computer and Thought Award)的获得者之一。1996年他是加州大学的Miller教授(Miller Professor),并于2000年被任命为首席讲座教授(Chancellor''''s Professorship)。1998年他在斯坦福大学做过Forsythe纪念演讲(Forsythe Memorial Lecture)。他是美国人工智能学会的会士和前执行委员会委员。他已经发表100多篇论文,主题广泛涉及人工智能领域。他的其他著作包括《在类比与归纳中使用知识》(The Use of Knowledge in Analogy abd Induction).以及(与Eric Wefald合著的)《做正确的事情:有限理性的研究》(Do the Right Thing: Studies in Limited Rationality)。Peter Norvig,现为Google研究院主管(Director of Research),2002-2005年为负责核心Web搜索算法的主管。他是美国人工智能学会的会士和ACM的会士。他曾经是NASAAmes研究中心计算科学部的主任,负责NASA在人工智能和机器人学领域的研究与开发,他作为Junglee的首席科学家帮助开发了一种最早的互联网信息抽取服务。他在布朗( Brown)大学得应用数学学士学位,在加州大学伯克利分校获得计算机科学的博士学位。他获得了伯克利“卓越校友和工程创新奖”,从NASA获得了“非凡成就勋章”。他曾任南加州大学的教授,并是伯克利的研究员。他的其他著作包括《人工智能程序设计范型:通用Lisp语言的案例研究》(Paradigms of AI Programming: Case Studies in Common Lisp)和《Verbmobil:一个面对面对话的翻译系统》(Verbmobil:A Translation System for Face-to-FaceDialog),以及《UNIX的智能帮助系统》(lntelligent Help Systemsfor UNIX)。
目录
第1部分 人工智能
第1章 绪论
1.1 什么是人工智能
1.2 人工智能的基础
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
第2章 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
第3章 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
第4章 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
第5章 对抗搜索
5.1 博弈
5.2 博弈中的优化决策
5.3 a-p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
第6章 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
第7章 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
…… 第Ⅳ部分 不确定知识与推理
第V部分 学习
第Ⅵ部分 通讯、感知与行动
第Ⅶ部分 结论
参考文献
第1章 绪论
1.1 什么是人工智能
1.2 人工智能的基础
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
第2章 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
第3章 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
第4章 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
第5章 对抗搜索
5.1 博弈
5.2 博弈中的优化决策
5.3 a-p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
第6章 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
第7章 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
…… 第Ⅳ部分 不确定知识与推理
第V部分 学习
第Ⅵ部分 通讯、感知与行动
第Ⅶ部分 结论
参考文献
猜您喜欢