-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

人工智能基礎(原書第2版)

( 簡體 字)
作者:[日]馬場口 登 山田誠二 著類別:1. -> 程式設計 -> 人工智慧
譯者:張丹 譯
出版社:機械工業出版社人工智能基礎(原書第2版) 3dWoo書號: 53721
詢問書籍請說出此書號!

有庫存
NT售價: 295

出版日:10/1/2020
頁數:139
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787111658283
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

內容簡介:

《人工智慧基礎(原書第2版)》把近年來AI發展歷程中的重要事件一一進行了梳理,不僅回顧了AI的誕生、發展,還詳細歸納整理了當前AI研究的核心問題 — 規劃、推理、機器學習等,又在此基礎上對人工智慧未來的發展方向給出了一定的預期,包括分散式AI及進化計算等方面,很好地回答了所謂“人工智慧的基礎究竟是什麼”這一問題。本書內容直觀全面,用詞簡潔易懂,闡述深入淺出,科普性較強,可以說本書既是一本AI入門級閱讀資料,又是一本適合各大高校開設人工智慧專業非常具有可選性和實用性的基礎教材。
目錄:

譯者序
第 2 版前言
第 1 版前言
第 1 章 何謂人工智慧
1.1 何謂智能
1.1.1 智能的相關詞彙
1.1.2 人類智慧與機器智慧
1.1.3 能否測定機器智慧
1.2 人工智慧的定義
1.3 人工智慧的歷史
1.3.1 萌芽期
1.3.2 AI 的起點 — 達特茅斯會議
1.3.3 AI 的創始期
1.3.4 AI 的第一時代 — 智慧時代
1.3.5 AI 的第二時代 — 知識時代
1.3.6 AI 的發展期
1.3.7 AI 的高峰期
1.3.8 AI 的第三時代 — 智能體時代
1.4 AI 的研究物件習題
參考文獻
第 2 章 問題的解決
2.1 問題解決的過程
2.2  AI 的物件問題
2.3 問題的定型化方法
2.3.1 狀態空間法
2.3.2 問題分割法
2.3.3 手段 - 目的分析
習題
參考文獻
第 3 章 搜索
3.1 盲目搜索法
3.1.1 縱向搜索
3.1.2 橫向搜索
3.1.3 縱向搜索與橫向搜索的比較
3.1.4 反覆運算加深搜索
3.2 啟發式搜索
3.2.1 爬山演算法
3.2.2 最佳優先搜索
3.2.3 A * 演算法
3.2.4 即時 A * 演算法
3.2.5 啟發式函數的具體實例
3.3 博弈樹的搜索
3.3.1 極小極大演算法
3.3.2 α-β 演算法
3.3.3 遊戲程式設計現狀
習題
參考文獻
第 4 章 知識表示
4.1 知識庫系統
4.1.1 問題解決與知識庫系統
4.1.2 知識與知識庫
4.1.3 知識庫系統的特徵
4.2 知識處理的三個階段
4.3 知識的分類
4.3.1 專業知識與常識 1
4.3.2 陳述性知識和程式性知識
4.3.3 經驗知識和理論知識
4.3.4 行業知識和任務知識
4.3.5 完整的知識和不完整的知識
4.4 知識表示概要
4.5 代表性知識標記法
4.5.1 生產規則
4.5.2 語義網
4.5.3 框架系統
4.5.4 邏輯
4.5.5 邏輯程式設計
4.6 本體論
4.6.1 本體論的定義及構成要素
4.6.2 本體論的分類
4.7 語義網和關聯開放資料
習題
參考文獻
第 5 章 規劃
5.1 STRIPS 規劃 5.2 偏序規劃
5.3 反應式規劃
5.3.1 反應式規劃的具體事例
5.3.2 包容體系結構
習題
參考文獻
第 6 章 推理
6.1 演繹、歸納、溯因
6.2 常識推理
6.2.1 缺省邏輯
6.2.2 限界
6.2.3 自認知邏輯
6.2.4 封閉世界假設
6.3 假設推理
6.4 類推
6.5 貝葉斯網路
習題
參考文獻
第 7 章 機器學習
7.1 歸納學習
7.1.1 假設空間的探索
7.1.2 變形空間法 7.1.3 偏置
7.2 基於解釋的學習(EBL)
7.2.1 基於解釋的泛化(EBG)
7.2.2 巨集操作符學習系統
7.3 決策樹的歸納學習
7.4 強化學習
7.4.1 Q 學習
7.4.2 桶隊和利益共用
7.5 最鄰近法
7.6 支持向量機
7.7 關聯規則的學習
7.7.1 關聯規則
7.7.2 Apriori 演算法
7.8 聚類
7.8.1 k-means 法
7.8.2 層次聚類
習題
參考文獻
第 8 章 分散式人工智慧和進化計算
8.1 分散式人工智慧
8.1.1 黑板模型 8.1.2 合同網協議
8.2 進化計算
8.2.1 遺傳演算法
8.2.2 遺傳程式設計
8.2.3 進化學習
習題
參考文獻
第 9 章 智慧體和智慧交互系統
9.1 智能體框架
9.1.1 智慧體的抽象模型
9.1.2 智能體的分類
9.1.3 環境
9.1.4 智慧體的程式
9.1.5 智能體的學習
9.2 人機交互
9.2.1 HAI 中智慧體定義的延伸
9.2.2 HAI 中的交互設計
9.2.3 適應差距
9.3 智慧交互系統
9.3.1 互動式機器學習
9.3.2 使用者適應系統
習題
參考文獻
序: