新書推薦：
《
AIGC+机器人：以产业的视角读懂人工智能的未来
》
售價：HK$
106.8
《
示人以真：健康组织这样开展业务
》
售價：HK$
82.8
《
格林童话：1812/1815初版合集（权威全译本）
》
售價：HK$
117.6
《
思想会·军力：现代战争的胜败解释
》
售價：HK$
117.6
《
边界之外：海外社会研究（第一辑）
》
售價：HK$
82.8
《
好销售，不违心：在你的舒适区内拿订单
》
售價：HK$
70.8
《
阿富汗史：骑驰在风暴中的国度
》
售價：HK$
117.6
《
背影2
》
售價：HK$
82.8
|
| 編輯推薦： |
|
《深入浅出人工智能第2版》通俗易懂且引人入胜，提供了对人工智能AI这一激动人心领域的准确介绍，内容覆盖人工智能领域的主要子学科，描述了智能体、逻辑、搜索、不确定性推理、机器学习、神经网络和强化学习等子学科的实际算法和具体应用。除了对上一版进行大幅修改和更新外，《深入浅出人工智能第2版》还包括对深度学习这一新内容的介绍。
|
| 內容簡介： |
主要内容
● 给出聚焦应用和进行实际操作的学习方法，同时提供包含辅助教学资源的网站。
● 包含许多研究习题和答案、例子、定义、理论以及富含说服力的卡通插图。
● 包括谓词逻辑、Prolog、启发式搜索、概率推理、机器学习与数据挖掘、神经网络和强化学习等知识。
● 报告深度学习的进展，这些进展包括应用神经网络去产生有创造性的内容，如文本、音乐和艺术★新增内容。
● 分析聚类算法的性能评估，给出两个能解释贝叶斯定理的例子以及它们在日常生活中的相关性★新增内容。
● 讨论搜索算法，分析循环校验，解释车辆导航系统的路径规划，还介绍蒙特卡洛树搜索★新增内容。
● 讨论人工智能在就业和交通方面的应用★新增内容。
|
| 關於作者： |
|
Wolfgang Ertel博士是德国韦恩加滕应用科学大学人工智能研究所的教授。
|
| 目錄：
|
第1章 导论 1
1.1 什么是人工智能 1
1.1.1 脑科学与问题求解 3
1.1.2 图灵测试及聊天机器人 5
1.2 AI的历史 5
1.2.1 人工智能的开始 8
1.2.2 基于逻辑的问题求解 8
1.2.3 新联接主义 9
1.2.4 不确定性推理 9
1.2.5 分布式的自治且有学习能力的智能体 10
1.2.6 人工智能的进一步发展 10
1.2.7 人工智能革命 10
1.3 人工智能与社会 11
1.3.1 人工智能会抢夺人类的工作吗 11
1.3.2 AI与交通 11
1.3.3 服务机器人 12
1.4 智能体 13
1.5 基于知识的系统 15
1.6 练习 17
第2章 命题逻辑 19
2.1 句法 19
2.2 语义 20
2.3 证明系统 22
2.4 归结 25
2.5 Horn子句 28
2.6 可计算性和复杂性 30
2.7 应用及限制 30
2.8 练习 31
第3章 一阶谓词逻辑 33
3.1 句法 34
3.2 语义 35
3.3 量词和范式 38
3.4 证明演算 41
3.5 归结 42
3.5.1 归结策略 45
3.5.2 等值 45
3.6 自动定理证明 46
3.7 数学例子 47
3.8 应用 50
3.9 小结 52
3.10 练习 52
第4章 逻辑的局限性 55
4.1 搜索空间问题 55
4.2 可判定性和不完备性 57
4.3 会飞的企鹅 58
4.4 模型的不确定性 60
4.5 练习 61
第5章 Prolog逻辑程序设计 63
5.1 Prolog系统及实现 64
5.2 简单例子 64
5.3 执行控制和过程要素 67
5.4 列表 68
5.5 自我修改程序 70
5.6 规划示例 71
5.7 约束逻辑编程 73
5.8 总结 74
5.9 练习 75
第6章 搜索、博弈与问题求解 79
6.1 引言 79
6.2 无信息搜索 84
6.2.1 宽度优先搜索 84
6.2.2 深度优先搜索 85
6.2.3 迭代深入 87
6.2.4 对比 88
6.2.5 循环校验 89
6.3 启发式搜索 90
6.3.1 贪婪搜索 92
6.3.2 A*搜索 93
6.3.3 A*搜索算法的路径规划 95
6.3.4 IDA*搜索 96
6.3.5 搜索算法的经验对比 97
6.3.6 总结 98
6.4 对弈 99
6.4.1 最小最大搜索 99
6.4.2 Alpha-Beta剪枝 100
6.4.3 非决定性游戏 102
6.5 启发式评估函数 102
6.6 搜索前沿现状 104
6.6.1 象棋 104
6.6.2 围棋 105
6.7 练习 106
第7章 不确定性推理 109
7.1 概率计算 111
7.2 最大熵的原理 118
7.2.1 概率推理规则 118
7.2.2 无明确约束的最大熵 122
7.2.3 条件概率与实质蕴含 123
7.2.4MaxEnt系统 124
7.2.5 tweety示例 125
7.3 LEXMED，一个阑尾炎诊断专家系统 126
7.3.1 正规方式的阑尾炎诊断 126
7.3.2 混合概率知识库 127
7.3.3 LEXMED的应用 129
7.3.4 LEXMED的功能 130
7.3.5 使用代价矩阵进行风险管理 133
7.3.6 性能 134
7.3.7 应用领域和经验 136
7.4 贝叶斯网络推理 137
7.4.1 独立变量 137
7.4.2 将知识的图解作为贝叶斯网络 138
7.4.3 条件独立 139
7.4.4 实际应用 139
7.4.5 贝叶斯网络软件 141
7.4.6 贝叶斯网络的发展 142
7.4.7 贝叶斯网络的语义 145
7.5 总结 146
7.6 练习 148
第8章 机器学习与数据挖掘 151
8.1 数据分析 156
8.2 感知器，一个线性 分类器 158
8.2.1 学习规则 160
8.2.2 优化与展望 163
8.3 最近邻算法 163
8.3.1 两类、多类、近似 166
8.3.2 距离与分类相关 167
8.3.3 计算时间 168
8.3.4 总结与展望 169
8.3.5 基于案例的推理 170
8.4 决策树学习 171
8.4.1 一个简单的例子 171
8.4.2 将熵作为信息量的度量 173
8.4.3 信息增益 175
8.4.4 C4.5算法的应用 177
8.4.5 对阑尾炎诊断的学习 179
8.4.6 连续属性 181
8.4.7 剪枝 182
8.4.8 缺失值 183
8.4.9 总结 183
8.5 交叉验证和过拟合 184
8.6 贝叶斯网络的学习 185
8.7 朴素贝叶斯分类器 187
8.8 单类学习 191
8.9 聚类 193
8.9.1 距离度量 194
8.9.2 K均值与EM算法 195
8.9.3 层次聚类 196
8.9.4 如何确定簇的数量 197
8.10 实践中的数据挖掘 200
8.11 总结 203
8.12 练习 205
第9章 神经网络 209
9.1 从生物学到仿真 210
9.2 Hopfield网络 213
9.2.1 一个模式识别应用实例 214
9.2.2 分析 216
9.2.3 总结与展望 218
9.3 神经联想记忆 219
9.3.1 关联矩阵存储器 220
9.3.2 二进制Hebb定律 221
9.3.3 拼写纠正程序 223
9.4 具有最小错误的线性 网络 224
9.4.1 最小二乘法 225
9.4.2 阑尾炎数据的应用 227
9.4.3 delta规则 227
9.4.4 与感知器的比较 229
9.5 反向传播算法 230
9.5.1 NETtalk：让网络学着去说话 232
9.5.2 关于定理证明的启发式学习 234
9.5.3 问题与改进 234
9.6 支持向量机 235
9.7 深度学习 237
9.7.1 效法自然 237
9.7.2 叠加去噪自动编码器 238
9.7.3 其他方法 239
9.7.4 系统和实现 240
9.7.5 深度学习的应用 240
9.8 创造性 241
9.9 神经网络的应用 243
9.10 总结与展望 243
9.11 练习 244
第10章 强化学习 247
10.1 什么是强化学习 247
10.2 学习任务 249
10.3 不使用已有信息的组合 搜索 251
10.4 值迭代与动态规划 252
10.5 一种学习型步行机器人及其 仿真 255
10.6 Q学习 257
10.7 探索与开发 261
10.8 逼近、推广与收敛性 261
10.9 应用 262
10.10 AlphaGo围棋的突破 263
10.11 维数灾难 265
10.12 总结与展望 266
10.13 练习 267
第11章 练习解答 269
11.1 导论 269
11.2 命题逻辑 270
11.3 一阶谓词逻辑 272
11.4 逻辑的局限性 274
11.5 Prolog逻辑程序设计 274
11.6 搜索、博弈和问题求解 276
11.7 不确定性推理 278
11.8 机器学习与数据挖掘 285
11.9 神经网络 291
11.10 强化学习 293
|
| 內容試閱：
|
第二版序言
经过60多年的发展，人工智能已经被业界和大众所接受。现在，人工智能已经取得令人印象深刻的成功，人工智能的新方法与社会经济发展如此相关，使得人们认为，即使在基础课程中也应该教授人工智能。在《深入浅出人工智能第2版》中，新增了大约30页内容来介绍深度学习。深度学习是神经网络的持续深入发展，它最终使图像处理系统能够识别基于像素的图像中的几乎所有对象。此外，深度学习还导致第一个可以打败世界最好围棋手的计算机程序的产生。
在关于深度学习的新内容中，我们不应该遗漏每一篇令人着迷的关于创造性的简短报告。神经网络第一次可以创造性地生成文本、音乐片段甚至过去大师的绘画。这些成果基于多年来对神经网络和机器学习的研究。人工智能已经发展成为一门工程学科，在这门学科中，各个专业的专家通过大型工业团队合作开发程序。
自动驾驶汽车、服务机器人和智能家居都是人工智能的应用，它们将极大地改变我们的生活。然而，除了带来巨大希望，也会有黑暗的一面。虽然我们生活在一个技术飞速发展的时代，但我们早已超越增长的极限。因此，在实施每项新的发明时，我们必须考虑可持续性。在第1章，我们将提供一些关于这个话题的内容。
书中其他新增内容包括关于聚类算法的性能评估，两个解释贝叶斯定理的实际例子以及它们与日常生活的相关性。最后，我们分析了循环检查，解释了汽车导航系统的路线规划，并简要介绍了蒙特卡罗树搜索。
所有已知的错误都已更正，并在许多地方进行了修改。
我要真诚地感谢给我提供反馈意见的读者，以及通过校对和建议为《深入浅出人工智能第2版》第2版做出贡献的所有人。我特别感谢Adrian Batzill提供的路线规划测量和图表，以及Nate Black、Nicole Dathe、Markus Schneider、Robin Lehmann、AnkitaAgrawal、Wenzel Massag、Lars Berge、Jonas Lang和Richard Cubek。
Wolfgang Ertel
2017年3月
第一版序言
人工智能AI以理解智能和构建智能系统为明确目标。然而，在实现这一目标的过程中，使用的方法和形式并没有被牢固确定，这导致今天的人工智能由许多子学科组成。人工智能入门课程的难点在于需要尽可能多地介绍各个分支的内容，而又不会损失太多的深度和准确性。
Russell和Norvig的书[RN10]或多或少算是对人工智能的标准介绍。然而，这本书有一千多页，对学生来说内容太过广泛且价格昂贵，所以《深入浅出人工智能第2版》的写作要求很明确：可供AI自学的入门介绍，或是长达四小时演讲的基础，最多300页。
像人工智能这样广泛的领域，300页的篇幅无法完全覆盖。为了避免把《深入浅出人工智能第2版》变成目录，我试图深入研究，并在每个章节中介绍具体的算法和应用：智能体、逻辑、搜索、不确定性推理、机器学习和神经网络。
《深入浅出人工智能第2版》对图像处理、模糊逻辑和自然语言处理等领域没有详细加以介绍。图像处理领域是计算机科学的重要领域，是一门独立的学科，这方面有非常好的教科书，如[GW08]。自然语言处理具有类似地位。在识别和生成文本和口语时，运用了逻辑、概率推理和神经网络的方法。在这个意义上，这个领域也是人工智能的一部分。另外，计算语言学是计算机科学的一个广泛分支，与形式语言有许多共同之处。在《深入浅出人工智能第2版》中，我们将在几个地方适当提及这种系统，但并不做系统介绍。模糊逻辑或模糊集理论由于在自动化技术中有了初步应用，已发展为控制理论的一个分支，在相应的书籍和讲座中会有介绍。因此，我们在《深入浅出人工智能第2版》中不对它们进行介绍。
《深入浅出人工智能第2版》各章之间的依赖关系可粗略地勾画在下图中：
为了简单起见，第1章以及所有后续章节的基本介绍被省略了。例如：从2到3的箭头表示命题逻辑是理解谓词逻辑的先决条件；从9到10的箭头表示神经网络有助于理解强化学习，但并非绝对必要；后向的箭头应该清楚地表明，后面的章节可以为已经学过的主题提供更深入的理解。
《深入浅出人工智能第2版》适用于计算机科学和其他自然科学专业的学生，并且在大多数情况下，需要高中水平的数学知识。在一些地方，需要线性代数和多维分析方面的知识。为了更深入地理解这些内容，积极地进行练习必不可少。这意味着只有在对每一个练习进行深入研究后，才能去查答案，并且只需要检查自己的解决方案。这符合达?芬奇的座右铭不投入而学习会损害大脑。更困难的练习使用了标记?，特别困难的练习使用了标记??。需要编程或特殊计算机科学知识的练习标有?。
从《深入浅出人工智能第2版》的在线网站http：www.hs-weingarten.de~ertelaibook上可以找到练习的相关内容，如学习算法的训练数据、书中提及的人工智能程序的参考资料、《深入浅出人工智能第2版》所涵盖主题的链接、可单击的参考文献列表、勘误列表和专家的演示幻灯片。
感谢妻子Evelyn在写作过程中给予的支持和耐心。特别感谢Wolfgang Bibel和Chris Lobenschuss，他们仔细修改了《深入浅出人工智能第2版》的德文手稿。他们的建议和讨论给《深入浅出人工智能第2版》带来了许多改进和补充。感谢Richard Cubek、CelalD?ven、Joachim Fe_ler、NicoHochgeschwender、Paul Kirner、Wilfried Meister、Norbert Perk、Peter Radtke、Markus Schneider、Manfred Schramm、Uli St?rk、Michel Tokic、Arne Usadel以及所有对《深入浅出人工智能第2版》感兴趣的学生。我还要感谢Florian Mast无价的漫画和非常有效的合作。
希望在读者学习期间，《深入浅出人工智能第2版》能帮助读者分享我对人工智能的迷恋。
Wolfgang Ertel
2011年2月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
