中图网

>

计算机理论

人工智能:现代方法:a modern approach

作者：(美)斯图尔特·罗素(Stuart Ru

出版社：人民邮电出版社出版时间：2023-01-01

开本： 26cm 页数： 928页

本类榜单：计算机/网络销量榜

中图价:¥250.6(7.0折) 定价 ~~¥358.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

买过本商品的人还买了

人工智能现代方法第4版(全2册)
(美)斯图尔特·罗素,(美)彼得·诺维格
¥124.7~~¥198.0~~
数字货币战争
(英)大卫·G.W.奇(David G.
¥43.5~~¥79.0~~
理想国(精装)
[古希腊]柏拉图著
¥48.8~~¥75.0~~
如何正确纪念你的猫考验道德的20个伦理难题
(英)杰里米·斯特朗姆
¥27.3~~¥42.0~~
西域探险记(精装)
（英）奥雷尔·斯坦因
¥56.3~~¥88.0~~

商品详情
商品评论(0条)

中图价:¥250.6 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

人工智能:现代方法:a modern approach 版权信息

ISBN：9787115598110
条形码：9787115598110 ; 978-7-115-59811-0
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

人工智能:现代方法:a modern approach 本书特色

1.全球1500多所学校采用的教材，国内众多高校选用。 2.配备丰富的教学资源，解决教师授课后顾之忧。 3.配套网站提供多种语言版本源代码，满足不同编程语言使用者的自学需要。 4.程序员入门人工智能领域的推荐书籍。

人工智能:现代方法:a modern approach 内容简介

本书全面、深入地探讨了人工智能(AI)领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分完美地践行了“现代”理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。本书适合作为高等院校人工智能相关专业本科生和研究生的教材，也可以作为相关领域专业人员的参考书。

人工智能:现代方法:a modern approach 目录

第一部分人工智能基础第 1 章绪论 2 1.1 什么是人工智能 2 1.2 人工智能的基础 6 1.3 人工智能的历史 16 1.4 目前的先进技术 24 1.5 人工智能的风险和收益 27 小结 30 参考文献与历史注释 31 第 2 章智能体 32 2.1 智能体和环境 32 2.2 良好行为：理性的概念 34 2.3 环境的本质 37 2.4 智能体的结构 41 小结 50 参考文献与历史注释 51 第二部分问题求解第 3 章通过搜索进行问题求解 54 3.1 问题求解智能体 54 3.2 问题示例 57 3.3 搜索算法 61 3.4 无信息搜索策略 65 3.5 有信息（启发式）搜索策略 73 3.6 启发式函数 85 小结 90 参考文献与历史注释 92 第 4 章复杂环境中的搜索 95 4.1 局部搜索和*优化问题 95 4.2 连续空间中的局部搜索 102 4.3 使用非确定性动作的搜索 104 4.4 部分可观测环境中的搜索 108 4.5 在线搜索智能体和未知环境 115 小结 120 参考文献与历史注释 121 第 5 章对抗搜索和博弈 124 5.1 博弈论 124 5.2 博弈中的优化决策 126 5.3 启发式 α-β 树搜索 132 5.4 蒙特卡罗树搜索 136 5.5 随机博弈 139 5.6 部分可观测博弈 142 5.7 博弈搜索算法的局限性 146 小结 147 参考文献与历史注释 148 第 6 章约束满足问题 152 6.1 定义约束满足问题 152 6.2 约束传播：CSP 中的推断 156 6.3 CSP 的回溯搜索 161 6.4 CSP 的局部搜索 166 6.5 问题的结构 168 小结 171 参考文献与历史注释 172 第三部分知识、推理和规划第 7 章逻辑智能体 176 7.1 基于知识的智能体 176 7.2 wumpus 世界 178 7.3 逻辑 180 7.4 命题逻辑：一种非常简单的逻辑 183 7.5 命题定理证明 187 7.6 高效命题模型检验 196 7.7 基于命题逻辑的智能体 200 小结 207 参考文献与历史注释 208 第 8 章一阶逻辑 211 8.1 回顾表示 211 8.2 一阶逻辑的语法和语义 215 8.3 使用一阶逻辑 223 8.4 一阶逻辑中的知识工程 228 小结 233 参考文献与历史注释 234 第 9 章一阶逻辑中的推断 236 9.1 命题推断与一阶推断 236 9.2 合一与一阶推断 238 9.3 前向链接 241 9.4 反向链接 247 9.5 归结 252 小结 261 参考文献与历史注释 262 第 10 章知识表示 265 10.1 本体论工程 265 10.2 类别与对象 267 10.3 事件 272 10.4 精神对象和模态逻辑 275 10.5 类别的推理系统 278 10.6 用缺省信息推理 281 小结 284 参考文献与历史注释 285 第 11 章自动规划 290 11.1 经典规划的定义 290 11.2 经典规划的算法 294 11.3 规划的启发式方法 297 11.4 分层规划 300 11.5 非确定性域的规划和行动 307 11.6 时间、调度和资源 315 11.7 规划方法分析 318 小结 319 参考文献与历史注释 320 第四部分不确定知识和不确定推理第 12 章不确定性的量化 326 12.1 不确定性下的动作 326 12.1.1 不确定性概述 327 12.1.2 不确定性与理性决策 328 12.2 基本概率记号 329 12.3 使用完全联合分布进行推断 334 12.4 独立性 336 12.5 贝叶斯法则及其应用 337 12.6 朴素贝叶斯模型 340 12.7 重游 wumpus 世界 342 小结 344 参考文献与历史注释 345 第 13 章概率推理 348 13.1 不确定域的知识表示 348 13.2 贝叶斯网络的语义 350 13.3 贝叶斯网络中的精确推断 360 13.4 贝叶斯网络中的近似推理 367 13.5 因果网络 379 小结 382 参考文献与历史注释 383 第 14 章时间上的概率推理 388 14.1 时间与不确定性 388 14.2 时序模型中的推断 391 14.3 隐马尔可夫模型 398 14.4 卡尔曼滤波器 403 14.5 动态贝叶斯网络 408 小结 417 参考文献与历史注释 418 第 15 章概率编程 421 15.1 关系概率模型 421 15.2 开宇宙概率模型 427 15.3 追踪复杂世界 433 15.4 作为概率模型的程序 436 小结 440 参考文献与历史注释 440 第 16 章做简单决策 444 16.1 在不确定性下结合信念与愿望 444 16.2 效用理论基础 445 16.3 效用函数 448 16.4 多属性效用函数 454 16.5 决策网络 458 16.6 信息价值 460 16.7 未知偏好 465 小结 468 参考文献与历史注释 469 第 17 章做复杂决策 473 17.1 序贯决策问题 473 17.2 MDP 的算法 482 17.3 老虎机问题 489 17.4 部分可观测MDP 495 17.5 求解POMDP 的算法 497 小结 501 参考文献与历史注释 502 第 18 章多智能体决策 505 18.1 多智能体环境的特性 505 18.2 非合作博弈论 510 18.3 合作博弈论 527 18.4 制定集体决策 533 小结 544 参考文献与历史注释 545 第五部分机器学习第 19 章样例学习 550 19.1 学习的形式 550 19.2 监督学习 552 19.3 决策树学习 555 19.4 模型选择与模型优化 563 19.5 学习理论 569 19.6 线性回归与分类 572 19.7 非参数模型 581 19.8 集成学习 589 19.9 开发机器学习系统 596 小结 604 参考文献与历史注释 605 第 20 章概率模型学习 610 20.1 统计学习 610 20.2 完全数据学习 613 20.3 隐变量学习：EM 算法 624 小结 632 参考文献与历史注释 632 第 21 章深度学习 635 21.1 简单前馈网络 636 21.2 深度学习的计算图 640 21.3 卷积网络 643 21.4 学习算法 648 21.5 泛化 650 21.6 循环神经网络 654 21.7 无监督学习与迁移学习 657 21.8 应用 662 小结 664 参考文献与历史注释 664 第 22 章强化学习 668 22.1 从奖励中学习 668 22.2 被动强化学习 670 22.3 主动强化学习 674 22.4 强化学习中的泛化 680 22.5 策略搜索 686 22.6 学徒学习与逆强化学习 688 22.7 强化学习的应用 690 小结 692 参考文献与历史注释 693 第六部分沟通、感知和行动第 23 章自然语言处理 698 23.1 语言模型 698 23.2 文法 707 23.3 句法分析 709 23.4 扩展文法 713 23.5 真实自然语言的复杂性 717 23.6 自然语言任务 720 小结 722 参考文献与历史注释 722 第 24 章自然语言处理中的深度学习 727 24.1 词嵌入 727 24.2 自然语言处理中的循环神经网络 730 24.3 序列到序列模型 733 24.4 Transformer 架构 737 24.5 预训练和迁移学习 739 24.6 Z高水平（SOTA） 742 小结 745 参考文献与历史注释 745 第 25 章计算机视觉 748 25.1 引言 748 25.2 图像形成 749 25.3 简单图像特征 754 25.4 图像分类 760 有效的原因 762 25.5 物体检测 763 25.6 三维世界 766 25.7 计算机视觉的应用 769 小结 780 参考文献与历史注释 781 第 26 章机器人学 785 26.1 机器人 785 26.2 机器人硬件 786 26.3 机器人学解决哪些问题 789 26.4 机器人感知 790 26.5 规划与控制 796 26.6 规划不确定的运动 810 26.7 机器人学中的强化学习 812 26.8 人类与机器人 814 26.9 其他机器人框架 820 26.10 应用领域 822 小结 825 参考文献与历史注释 826 第七部分总结第 27 章人工智能的哲学、伦理和安全性 832 27.1 人工智能的极限 832 27.2 机器能真正地思考吗 835 27.3 人工智能的伦理 836 小结 851 参考文献与历史注释 852 第 28 章人工智能的未来 857 28.1 人工智能组件 857 28.2 人工智能架构 862 附录 A 数学背景知识 865 附录 B 关于语言与算法的说明 871 参考文献 873 索引 914

展开全部

人工智能:现代方法:a modern approach 作者简介

斯图尔特·罗素(Stuart Russell)，1986年他进入加利福尼亚大学伯克利分校，任计算机科学系教授，并曾担任系主任，人类兼容人工智能中心主任，他也是史密斯–扎德(Smith-Zadeh)工程系讲席教授。1990年，他获得了美国国家科学基金会(NSF)杰出青年科学家总统奖；1995年，他成为计算机与思想奖的获奖人之一。他是美国人工智能协会(AAAI)、美国计算机协会(ACM)和美国科学促进协会的会士，牛津大学瓦德汉学院的荣誉院士和安德鲁·卡内基(Andrew Carnegie)院士。2012年到2014年，他在巴黎担任布莱斯·帕斯卡(Blaise Pascal)主席。他在人工智能领域发表了300多篇论文，涉及范围广泛。彼得·诺维格(Peter Norvig)，曾任谷歌公司的研究总监、核心网络搜索算法的负责人。他曾与他人合作共同教授了一门有16万名学生注册的在线人工智能课程，帮助开启了当下的大规模在线公开课程的大幕。他曾担任美国宇航局艾姆斯研究中心计算科学部的负责人，负责人工智能和机器人学的研究和开发。他曾任南加利福尼亚大学的教授和加利福尼亚大学伯克利分校、斯坦福大学的教师。他是美国人工智能协会和美国计算机协会的会士，以及美国艺术与科学院和加利福尼亚科学院的院士。两位作者共同获得了2016年首届AAAI/EAAI杰出教育家奖。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐