人工智能
分類: 图书,计算机/网络,人工智能,
作者： （美）尼尔森 著，郑扣根 等译
出 版 社： 机械工业出版社
出版时间： 2003-12-1字数：版次： 1页数： 317印刷时间： 2003/12/01开本：印次：纸张： 胶版纸I S B N ： 9787111078852包装： 平装编辑推荐
人工智能的发展历史反复经历了高峰和低谷的转换。由于人类智能之复杂及计算机软硬件之局限，决定了人工智能的发展道路崎岖不平。近几年来，通过人工智能研究者们的不断争论、探索和创新，并随着相关领域、特别是计算机技术的飞速发展，人工智能又进入发展期，一些新技术、新观念被集成到这个领域。本书即是作者在此背景下撰写而成的。本书可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。
内容简介
本书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。本书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。
本书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。
作者简介
NILS J.NILSSON（N.J.尼尔森）长期从事人工智能（AI）研究，是逻辑学派的奠基人之一，对AI的发展做出了重大的贡献。他以前的著作可认为是这个领域的经典著作，NILSSON博士是斯坦福大学终身的工程学KUMAGAI教授。他曾任《ARTIFICIAL INTELLIGENCE》、《MACHINE LEARN-ING》杂志的编辑、斯坦福大学计算机科学系系主任、SRT人工智能中心主任及美国人工智能协会理事长。
目录
译者序
前言
第1章 绪论1
1.1 什么是人工智能1
1.2 人工智能的研究方法4
1.3 人工智能简史5
1.4 本书规划7
1.5 补充读物和讨论9
第一部分 响应机器
第2章 刺激响应agent13
2.1 感知和动作13
2.1.1 感知15
2.1.2 动作15
2.1.3 布尔代数16
2.1.4 布尔函数的类别和形式16
2.2 动作函数的表达和执行17
2.2.1 产生式系统17
2.2.2 网络18
2.2.3 包含体系结构20
2.3 补充读物和讨论21
第3章 神经网络23
3.1 引言23
3.2 训练单个TLU23
3.2.1 TLU几何学23
3.2.2 扩充向量24
3.2.3 梯度下降方法24
3.2.4 Widrow-Hoff程序25
3.2.5 一般化Delta程序26
3.2.6 纠错程序27
3.3 神经网络28
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
4.1 进化计算37
4.2 遗传编程37
4.2.1 遗传编程的程序表示37
4.2.2 遗传编程过程39
4.2.3 进化一个沿墙运动的机器人40
4.3 补充读物和讨论43
第5章 状态机45
5.1 用特征向量来表示环境45
5.2 Elman网络46
5.3 图标表示47
5.4 黑板系统49
5.5 补充读物和讨论50
第6章 机器人视觉53
6.1 引言53
6.2 操纵一辆汽车54
6.3 机器人视觉的两个阶段55
6.4 图象处理56
6.4.1 平均法56
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agent71
7.1 存储与计算71
7.2 状态空间图72
7.3 显式状态空间搜索74
7.4 基于特征的状态空间74
7.5 图记号75
7.6 补充读物和讨论76
第8章 盲目搜索78
8.1 用公式表示状态空间78
8.2 隐式状态空间图的组成78
8.3 广度优先搜索79
8.4 深度优先或回溯搜索80
8.5 迭代加深81
8.6 补充读物和讨论82
第9章 启发式搜索84
9.1 使用评估函数84
9.2 一个通用的图搜索算法85
9.2.1 算法A*86
9.2.2 A*的可接纳性88
9.2.3 一致性（或单调）条件91
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
10.1 感知/计划/动作循环99
10.2 逼近搜索100
10.2.1 孤岛驱动搜索100
10.2.2 层次搜索101
10.2.3 有限范围搜索102
10.2.4 循环103
10.2.5 建立反应过程104
10.3 学习启发式函数105
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11章 其他搜索公式及其应用111
11.1 赋值问题111
11.2 构造性方法112
11.3 启发式修补114
11.4 函数优化115
第12章 敌对搜索118
12.1 双agent博弈118
12.2 最小最大化过程119
12.3 a -b 过程122
12.4 a -b 过程的搜索效率125
12.5 其他重要问题125
12.6 概率博弈126
12.7 学习评估函数127
12.8 补充读物和讨论128
第三部分 知识的表示和推理
第13章 命题演算131
13.1 对特征值加以约束131
13.2 语言132
13.3 推理规则133
13.4 验证定义133
13.5 语义134
13.5.1 解释134
13.5.2 命题真值表134
13.5.3 可满足性与模型135
13.5.4 永真性136
13.5.5 等价136
13.5.6 涵蕴136
13.6 合理性和完备性137
13.7 命题可满足性问题 137
13.8 另一些重要的问题138
13.8.1 语言差异138
13.8.2 元定理138
13.8.3 结合律139
13.8.4 分配律139
第14章 命题演算中的归结140
14.1 一种新的推理规则：归结140
14.1.1 作为合式公式的子句140
14.1.2 子句上的归结140
14.1.3 归结的合理性141
14.2 转换任意的合式公式为子句的合取式141
14.3 归结反驳142
14.4 归结反驳搜索策略142
14.4.1 排序策略143
14.4.2 精确策略143
14.5 Horn 子句144
第15章 谓词演算146
15.1 动机146
15.2 谓词演算语言和它的句法146
15.3 语义147
15.3.1 世界147
15.3.2 解释147
15.3.3 模型及其相关的概念148
15.3.4 知识149
15.4 量化150
15.5 量词语义学150
15.5.1 全称量词150
15.5.2 存在量词151
15.5.3 有用的等价式151
15.5.4 推理规则151
15.6 谓词演算作为一种表示知识的语言151
15.6.1 概念化151
15.6.2 举例152
15.7 补充读物和讨论153
第16章 谓词演算中的归结155
16.1 合一155
16.2 谓词演算归结157
16.3 完备性和合理性158
16.4 把任意的合式公式转化为子句形式158
16.5 用归结证明定理160
16.6 回答提取161
16.7 等式谓词161
16.8 补充读物和讨论163
第17章 基于知识的系统166
17.1 面对现实世界166
17.2 用Horn子句进行推理166
17.3 动态知识库的维持170
17.4 基于规则的专家系统173
17.5 规则学习176
17.5.1 学习命题演算规则177
17.5.2 学习一阶逻辑规则180
17.5.3 基于解释的一般化183
17.6 补充读物和讨论184
第18章 表示常识知识187
18.1 常识世界187
18.1.1 什么是常识知识187
18.1.2 表示常识知识的困难188
18.1.3 常识知识的重要性189
18.1.4 研究领域189
18.2 时间190
18.3 用网络表示知识191
18.3.1 分类的知识191
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
19.1 概率论简介197
19.1.1 基本思想197
19.1.2 条件概率199
19.2 概率推理201
19.2.1 一个一般的方法201
19.2.2 条件独立202
19.3 贝叶斯网203
19.4 贝叶斯网的推理模式204
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20章 用贝叶斯网学习和动作214
20.1 学习贝叶斯网214
20.1.1 已知网络结构214
20.1.2 学习网络结构216
20.2 概率推理与动作219
20.2.1 一般设置219
20.2.2 一个扩展的例子220
20.2.3 一般化举例222
20.3 补充读物和讨论223
第四部分 基于逻辑的规划方法
第21章 状态演算227
21.1 状态和动作推理227
21.2 存在的一些困难229
21.2.1 框架公理229
21.2.2 条件230
21.2.3 分枝230
21.3 生成计划231
21.4 补充读物和讨论231
第22章 规划234
22.1 STRIPS规划系统234
22.1.1 描述状态和目标234
22.1.2 向前搜索方法235
22.1.3 递归STRIPS236
22.1.4 带有运行时条件的计划238
22.1.5 Sussman异常238
22.1.6 向后搜索方法239
22.2 计划空间和部分有序规划242
22.3 层次规划246
22.3.1 ABSTRIPS246
22.3.2 层次规划和部分有序规划的组合248
22.4 学习计划248
22.5 补充读物和讨论250
第五部分 通信与集成
第23章 多agent255
23.1 交互agent255
23.2 其他agent模型255
23.2.1 模型种类255
23.2.2 模拟策略256
23.2.3 模拟数据库257
23.2.4 有意思维方式257
23.3 知识模式逻辑258
23.3.1 模式算子258
23.3.2 知识公理259
23.3.3 关于其他agent知识的推理260
23.3.4 预测其他agent的动作261
23.4 补充读物和讨论261
第24章 agent之间的通信263
24.1 交谈263
24.1.1 计划交谈264
24.1.2 实现交谈264
24.2 理解语言字符串265
24.2.1 短语结构语法265
24.2.2 语义分析267
24.2.3 扩展语法271
24.3 有效通信272
24.3.1 上下文的使用272
24.3.2 使用知识解决歧义性273
24.4 自然语言处理274
24.5 补充读物和讨论275
第25章 agent体系结构277
25.1 三级体系结构277
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
参考文献282
媒体评论
