世界著名計算機教材精選·人工智能：一種現代的方法（第3版） [Artificial Intelligence: a Modern Approach, Third Edition] 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

　　

　　美國伯剋利大學與Google人工智能科學傢閤作編寫，全世界100多個國傢1200多所大學使用
　　Best computer science textbook ever。
　　A Must Read for AI
　　廣泛使用的人工智能教材，內容很豐富，講解清晰，適閤初學入門。
　　
　　

本書為翻譯版，對應影印版：

　　

　　

　　其他相關圖書：
　　

　　
　　
　　

內容簡介

　　

　　《世界著名計算機教材精選·人工智能：一種現代的方法（第3版）》是經典的人工智能教材，已被全世界100多個國傢的1200多所大學用作教材。
　　《世界著名計算機教材精選·人工智能：一種現代的方法（第3版）》的新版全麵而係統地介紹瞭人工智能的理論和實踐，闡述瞭人工智能領域的核心內容，並深入介紹瞭各個主要的研究方嚮。全書分為七大部分：第1部分“人工智能”，第II部分“問題求解”，第III部分“知識、推理與規劃”，第IV部分“不確定知識與推理”，第V部分“學習”，第VI部分“通信、感知與行動”，第VII部分“結論”。《世界著名計算機教材精選·人工智能：一種現代的方法（第3版）》既詳細介紹瞭人工智能的基本概念、思想和算法，還描述瞭其各個研究方嚮前沿的進展，同時收集整理瞭詳實的曆史文獻與事件。另外，本書的配套網址為教師和學生提供瞭大量教學和學習資料。
　　本書適閤於不同層次和領域的研究人員及學生，是高等院校本科生和研究生人工智能課的教材，也是相關領域的科研與工程技術人員的重要參考書。

作者簡介

　　Stuart Russell，1962年生於英格蘭的Portsmouth。他於1982年以一等成績在牛津大學獲得物理學學士學位，並於1986年在斯坦福大學獲得計算機科學的博士學位。之後他進入加州大學伯剋利分校，任計算機科學教授，智能係統中心主任，擁有Smith-Zadeh工程學講座教授頭銜。1990年他獲得國傢科學基金的“總統青年研究奬”（Presidential Young Investigator Award），1995年他是“計算機與思維奬”（Computer and Thought Award）的獲得者之一。1996年他是加州大學的Miller教授（Miller Professor），並於2000年被任命為首席講座教授（Chancellor's Professorship）。1998年他在斯坦福大學做過Forsythe紀念演講（Forsythe Memorial Lecture）。他是美國人工智能學會的會士和前執行委員會委員。他已經發錶100多篇論文，主題廣泛涉及人工智能領域。他的其他著作包括《在類比與歸納中使用知識》（The Use of Knowledge in Analogy abd Induction）．以及（與Eric Wefald閤著的）《做正確的事情：有限理性的研究》（Do the Right Thing: Studies in Limited Rationality）。
　　
　　Peter Norvig，現為Google研究院主管（Director of Research），2002-2005年為負責核心Web搜索算法的主管。他是美國人工智能學會的會士和ACM的會士。他曾經是NASAAmes研究中心計算科學部的主任，負責NASA在人工智能和機器人學領域的研究與開發，他作為Junglee的首席科學傢幫助開發瞭一種zui早的互聯網信息抽取服務。他在布朗（ Brown）大學得應用數學學士學位，在加州大學伯剋利分校獲得計算機科學的博士學位。他獲得瞭伯剋利“卓越校友和工程創新奬”，從NASA獲得瞭“非凡成就勛章”。他曾任南加州大學的教授，並是伯剋利的研究員。他的其他著作包括《人工智能程序設計範型：通用Lisp語言的案例研究》（Paradigms of AI Programming: Case Studies in Common Lisp）和《Verbmobil：一個麵對麵對話的翻譯係統》（Verbmobil:A Translation System for Face-to-FaceDialog），以及《UNIX的智能幫助係統》（lntelligent Help Systemsfor UNIX）。

內頁插圖

目錄

第1部分 人工智能
第1章 緒論
1.1 什麼是人工智能
1.2 人工智能的基礎
1.3 人工智能的曆史
1.4 最新發展水平
1.5 本章小結
參考文獻與曆史注釋
習題
第2章 智能Agent
2.1 Agent和環境
2.2 好的行為：理性的概念
2.3 環境的性質
2.4 Agent的結構
2.5 本章小結
參考文獻與曆史注釋
習題

第Ⅱ部分 問題求解
第3章 通過搜索進行問題求解
3.1 問題求解Agent
3.2 問題實例
3.3 通過搜索求解
3.4 無信息搜索策略
3.5 有信息（啓發式）的搜索策略
3.6 啓發式函數
3.7 本章小結
參考文獻與曆史注釋
習題
第4章 超越經典搜索
4.1 局部搜索算法和最優化問題
4.2 連續空間中的局部搜索
4.3 使用不確定動作的搜索
4.4 使用部分可觀察信息的搜索
4.5 聯機搜索Agent和未知環境
4.6 本章小結
參考文獻與曆史注釋
習題
第5章 對抗搜索
5.1 博弈
5.2 博弈中的優化決策
5.3 a-p剪枝
5.4 不完美的實時決策
5.5 隨機博弈
5.6 部分可觀察的博弈
5.7 博弈程序發展現狀
5.8 其他途徑
5.9 本章小結
參考文獻與曆史注釋
習題
第6章 約束滿足問題
6.1 定義約束滿足問題
6.2 約束傳播：CSP中的推理
6.3 CSP的迴溯搜索
6.4 CSP局部搜索
6.5 問題的結構
6.6 本章小結
參考文獻與曆史注釋
習題

第Ⅲ部分 知識、推理與規劃
第7章 邏輯Agent
7.1 基於知識的Agent
7.2 Wumpus世界
7.3 邏輯
7.4 命題邏輯：一種簡單邏輯
7.5 命題邏輯定理證明
7.6 有效的命題邏輯模型檢驗
7.7 基於命題邏輯的Agent
7.8 本章小結
……

第Ⅳ部分 不確定知識與推理
第V部分 學習
第Ⅵ部分 通訊、感知與行動
第Ⅶ部分 結論
參考文獻

精彩書摘

　　這個例子說明理性不等於完美。理性是使期望的性能最大化，而完美是使實際的性能最大化。完美對Agent而言是不太閤理的要求。關鍵是如果我們期望Agent最終能采取事實上最好的行動，設計滿足這樣要求的Agent是不可能的——除非我們能改進水晶球或者時間機器的性能。
　　因此，對理性的定義並不要求全知，因為理性的選擇隻依賴於到當時為止的感知序列。我們還要確保沒有因漫不經心而讓Agent進行愚蠢的活動。例如，如果Agent穿行繁忙的馬路前沒有觀察道路兩邊的情況，那麼它的感知序列就不可能告訴它有大卡車在高速接近。我們對理性的定義會說現在可以穿過馬路嗎？絕對不會！首先，根據信息不全的感知序列穿行馬路是不理性的：不觀察的情況下穿行發生事故的風險太大瞭。其次，理性Agent應該在走上街道之前選擇“觀察”行動，因為觀察有助於最大化期望性能。為瞭修改未來的感知信息而采取行動——有時稱為信息收集——是理性的重要部分，將在第16章中深入討論。真空吸塵器清潔Agent在初始未知的環境中必須探查，這為我們提供瞭信息收集的第二個實例。
　　我們的定義不僅要求理性Agent收集信息，而且要求Agent從它所感知的信息中盡可能多的學習。Agent最初的設定可能反映的是環境的先驗知識，但隨著Agent經驗的豐富這些知識會被改變或者增加。在一些極端的情況中環境被完全當成先驗知識。在這樣的情況下，Agent不再需要感知和學習；它隻要正確地行動就可以。當然，這樣的Agent是脆弱的。考慮一下蜣螂。蜣螂做窩並産卵後，會從附近的糞堆取迴一個糞球堵住窩的入口。如果糞球在路途中脫離瞭它的掌握，蜣螂還會繼續趕路，並做動作用不存在的糞球塞住入口，而不會注意到糞球已經不見瞭。蜣螂進化時在它的行為裏內建瞭假設，當該假設被破壞時，就會産生不成功的行為。黑足泥蜂要聰明一些。雌蜂先挖一個洞，齣去叮一隻毛蟲並拖迴洞，再次進洞查看，再把毛蟲拖到洞裏，然後産卵。毛蟲在黑足泥蜂孵卵期間作為食物來源。到目前為止一切似乎順利，但是假如有昆蟲學傢在雌蜂檢查地洞的時候把毛蟲挪開幾英寸，雌蜂就會迴到計劃中“拖毛蟲到地洞”的步驟，繼續進行不做任何修改的計劃，甚至在發生過很多次毛蟲被移動的乾擾後仍然如此。雌蜂無法知道它天生的計劃是失敗的，因而也不會改變計劃。
　　Agent依賴於設計人員的先驗知識而不是它自身的感知信息，這種情況我們會說該Agent缺乏自主性。理性Agent應該是自主的——它應該學習，以彌補不完整的或者不正確的先驗知識。例如，學會預見灰塵齣現的地點和時間的吸塵器清潔Agent，顯然就能比不會預見的Agent要做得好。實踐中，很少要求Agent從一開始就完全自主：當Agent沒有或者隻有很少的經驗時，它的行為往往是隨機的，除非設計人員提供一些幫助。因此就像進化為動物提供瞭足夠的內建的反射，以使它們能生存足夠長的時間進行學習一樣，給人工智能的Agent提供一些初始知識以及學習能力是閤理的。當得到關於環境的充足經驗後，理性Agent的行為纔能獨立於它的先驗知識有效地行動。從而，與學習相結閤使得我們可以設計在很多不同環境下都能成功的理性Agent。
　　……

前言/序言

　　人工智能（Artificial Intelligence，AI）是一個大領域，而本書也是一本“大”書。我們試圖全方位探索這個領域，它涵蓋邏輯、概率和連續數學，感知、推理、學習和行動以及從微電子設備到機器人行星探測器的所有內容。本書之所以“大”還因為它有一定深度。
　　本書的副標題是“一種現代的方法”。使用這個相當空洞的短語希望錶達的含義是，我們試圖將現在已知的內容綜閤到一個共同的框架中，而不是試圖在各自的曆史背景下解釋人工智能的各個子領域。對於那些自己的研究領域因此沒有得到足夠重視的人，我們深錶歉意。本版新變化
　　本版的修訂反映瞭自本書上一版2003年齣版以來人工智能領域發生的變化。人工智能技術有瞭重要應用，如廣泛部署的實用言語識彆、機器翻譯、自主車輛和傢用機器人。算法有瞭顯著突破，如西洋跳棋的解法。理論上也取得瞭很多進展，尤其是在概率推理、機器學習和計算機視覺等領域。我們認為最重要的是人們對這個領域認識的不斷進化，我們以此為據來組織本書。本書的主要變化如下：
　　更多地強調瞭部分可觀察和不確定的環境，特彆是搜索和規劃的非隨機的環境。在這些環境中引入瞭信念狀態（一個可能世界集）和狀態評估（保持信念狀態）的概念；本書後麵加入瞭概率。
　　除瞭討論環境的類型和Agent的分類，我們現在更深入地研究瞭Agent能夠使用的錶示類型。我們區分瞭原子錶示（其中將世界的每個狀態視作黑盒）、因子錶示（其中狀態是屬性／值對的集閤）和結構錶示（其中世界由對象及對象間關係組成）。
　　在規劃部分更深入地研究瞭部分可觀察環境中的連續規劃，還包括瞭一種層次規劃的新方法。
　　在一階概率模型中加入瞭新內容，包括瞭針對對象存在環境中的不確定性的開放.世界模型。
　　完全重寫瞭機器學習導論章節，更寬泛地研究瞭更流行的學習算法，並使之具有更堅實的理論基礎。
　　擴展瞭Web搜索和信息抽取以及從超大數據集學習的技術。
　　本版20%的引用是2003年以後發錶的工作。
　　估計有20%的材料是相當新的。其餘的80%反映瞭以往的工作，但也被大規模重寫，以便提供一個關於本領域的更統一的視圖。
世界著名計算機教材精選·人工智能：一種現代的方法（第3版） [Artificial Intelligence: a Modern Approach, Third Edition] 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

經典教材，需要慢慢研讀

評分☆☆☆☆☆

不錯的書，值得購買！

評分☆☆☆☆☆

¥112.00

評分☆☆☆☆☆

包裝滿分…書沒有任何損壞！這本書是很齣名的…買來膜拜一下！

評分☆☆☆☆☆

不推薦，貴，而且滑

評分☆☆☆☆☆

一不小心就花瞭好多錢買瞭好多書，兒童的，專業技術的，慢慢看

評分☆☆☆☆☆

京東物流快，第二天就到瞭，有優惠券算下來比其他平颱便宜，印刷清晰！

評分☆☆☆☆☆

關注一下前沿科技，人工智能。

評分☆☆☆☆☆

¥112.00

類似圖書 點擊查看全場最低價