《人工智能：现代方法（第4版）（上下册）》内容简介与阅读建议

Name: 人工智能：现代方法（第4版）（上下册）
Author: [美]StuartRussell/[美]PeterNorvi
ISBN: 9787115598103

获取这本书 暂无已核验电子书资源

下载

作者: [美]StuartRussell/[美]PeterNorvi
分类: 科技技术
出版年份: 2022
译者: 张博雅/陈坤/田超/顾卓尔/吴凡/赵申剑
出版社: 人民邮电出版社
页数: 928 页
语言: 中文
豆瓣评分: ★ 9.2

《人工智能：现代方法（第4版）（上下册）》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（第4版）（上下册）》书籍信息摘要

《人工智能：现代方法（第4版）（上下册）》内容简介与阅读建议，作者 [美]StuartRussell/[美]PeterNorvi，科技技术，2022年。获取前建议核对作者、出版社、年份、ISBN、版本和正版渠道。相关主题：人工智能、计算机类。

作者：[美]StuartRussell/[美]PeterNorvi
分类：科技技术
出版年份：2022
出版社：人民邮电出版社
页数：928 页
语言：中文
格式：暂无已核验合规下载格式

《人工智能：现代方法（第4版）（上下册）》适合哪些读者？

适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。评分 9.2 可作为选书参考。

查看 [美]StuartRussell/[美]PeterNorvi 的作品顺序浏览科技技术书籍查看“人工智能”相关书籍读完这本读什么查看书籍排行榜

获取建议

《人工智能：现代方法（第4版）（上下册）》怎么获取更合适？

优先确认版本和阅读目的；下载区只展示已核验的公版、授权、开放许可或官方试读资源。

下载

暂无已核验电子书资源；本站不展示未授权完整文件。

下载

版本

优先选择作者、译者、出版社、出版年份和 ISBN 信息明确的版本；经典作品可优先选择校注、导读或权威出版社版本。

1.2 人工智能的基础 6
1.2.1 哲学 6
1.2.2 数学 8
1.2.3 经济学 9
1.2.4 神经科学 10
1.2.5 心理学 12
1.2.6 计算机工程 13
1.2.7 控制理论与控制论 14
1.2.8 语言学 15
1.3 人工智能的历史 16
1.3.1 人工智能的诞生(1943—1956) 16
1.3.2 早期热情高涨，期望无限(1952—1969) 17
1.3.3 一些现实(1966—1973) 19
1.3.4 专家系统(1969—1986) 20
1.3.5 神经网络的回归(1986—现在) 22
1.3.6 概率推理和机器学习(1987—现在) 22
1.3.7 大数据(2001—现在) 23
1.3.8 深度学习(2011—现在) 24
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
2.2.1 性能度量 34
2.2.2 理性 35
2.2.3 全知、学习和自主 36
2.3 环境的本质 37
2.3.1 指定任务环境 37
2.3.2 任务环境的属性 38
2.4 智能体的结构 41
2.4.1 智能体程序 41
2.4.2 简单反射型智能体 42
2.4.3 基于模型的反射型智能体 44
2.4.4 基于目标的智能体 45
2.4.5 基于效用的智能体 46
2.4.6 学习型智能体 47
2.4.7 智能体程序的组件如何工作 49
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
3.1.1 搜索问题和解 55
3.1.2 问题形式化 56
3.2 问题示例 57
3.2.1 标准化问题 57
3.2.2 真实世界问题 59
3.3 搜索算法 61
3.3.1 最佳优先搜索 62
3.3.2 搜索数据结构 63
3.3.3 冗余路径 64
3.3.4 问题求解性能评估 65
3.4 无信息搜索策略 65
3.4.1 广度优先搜索 66
3.4.2 Dijkstra 算法或一致代价搜索 67
3.4.3 深度优先搜索与内存问题 68
3.4.4 深度受限和迭代加深搜索 69
3.4.5 双向搜索 712
3.4.6 无信息搜索算法对比 72
3.5 有信息(启发式)搜索策略 73
3.5.1 贪心最佳优先搜索 73
3.5.2 A* 搜索 75
3.5.3 搜索等值线 77
3.5.4 满意搜索：不可容许的启发式
函数与加权 A* 搜索 79
3.5.5 内存受限搜索 80
3.5.6 双向启发式搜索 83
3.6 启发式函数 85
3.6.1 启发式函数的准确性对性能的影响 85
3.6.2 从松弛问题出发生成启发式函数 86
3.6.3 从子问题出发生成启发式函数：模式数据库 87
3.6.4 使用地标生成启发式函数 88
3.6.5 学习以更好地搜索 90
3.6.6 从经验中学习启发式函数 90
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 局部搜索和最优化问题 95
4.1.1 爬山搜索 96
4.1.2 模拟退火 98
4.1.3 局部束搜索 99
4.1.4 进化算法 99
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
4.3.1 不稳定的真空吸尘器世界 105
4.3.2 与或搜索树 106
4.3.3 反复尝试 107
4.4 部分可观测环境中的搜索 108
4.4.1 无观测信息的搜索 108
4.4.2 部分可观测环境中的搜索 111
4.4.3 求解部分可观测问题 112
4.4.4 部分可观测环境中的智能体 113
4.5 在线搜索智能体和未知环境 115
4.5.1 在线搜索问题 115
4.5.2 在线搜索智能体 117
4.5.3 在线局部搜索 118
4.5.4 在线搜索中的学习 119
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
5.2.1 极小化极大搜索算法 127
5.2.2 多人博弈中的最优决策 128
5.2.3 α-β 剪枝 129
5.2.4 移动顺序 131
5.3 启发式 α-β 树搜索 132
5.3.1 评价函数 132
5.3.2 截断搜索 134
5.3.3 前向剪枝 135
5.3.4 搜索和查表 136
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
5.6.1 四国军棋：部分可观测的国际象棋 142
5.6.2 纸牌游戏 144
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
6.1.1 问题示例：地图着色 153
6.1.2 问题示例：车间作业调度 154
6.1.3 CSP 形式体系的变体 155
6.2 约束传播：CSP 中的推断 156
6.2.1 节点一致性 157
6.2.2 弧一致性 157
6.2.3 路径一致性 158
6.2.4 k 一致性 158
6.2.5 全局约束 159
6.2.6 数独 160
6.3 CSP 的回溯搜索 161
6.3.1 变量排序和值排序 163
6.3.2 交替进行搜索和推理 164
6.3.3 智能回溯：向后看 164
6.3.4 约束学习 166
6.4 CSP 的局部搜索 166
6.5 问题的结构 168
6.5.1 割集调整 169
6.5.2 树分解 170
6.5.3 值对称 171
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
7.4.1 语法 183
7.4.2 语义 184
7.4.3 一个简单的知识库 185
7.4.4 一个简单的推断过程 186
7.5 命题定理证明 187
7.5.1 推断与证明 188
7.5.2 通过归结证明 190
7.5.3 霍恩子句与确定子句 194
7.5.4 前向链接与反向链接 194
7.6 高效命题模型检验 196
7.6.1 完备的回溯算法 196
7.6.2 局部搜索算法 198
7.6.3 随机 SAT 问题概览 199
7.7 基于命题逻辑的智能体 200
7.7.1 世界的当前状态 200
7.7.2 混合智能体 203
7.7.3 逻辑状态估计 204
7.7.4 用命题推断进行规划 205
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
8.1.1 思想的语言 212
8.1.2 结合形式语言和自然语言的优点 213
8.2 一阶逻辑的语法和语义 215
8.2.1 一阶逻辑模型 215
8.2.2 符号与解释 216
8.2.3 项 218
8.2.4 原子语句 218
8.2.5 复合语句 218
8.2.6 量词 219
8.2.7 等词 222
8.2.8 数据库语义 222
8.3 使用一阶逻辑 223
8.3.1 一阶逻辑的断言与查询 223
8.3.2 亲属关系论域 224
8.3.3 数、集合与列表 225
8.3.4 wumpus 世界 227
8.4 一阶逻辑中的知识工程 228
8.4.1 知识工程的过程 229
8.4.2 电子电路论域 230
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
9.2.1 合一 239
9.2.2 存储与检索 240
9.3 前向链接 241
9.3.1 一阶确定子句 242
9.3.2 简单的前向链接算法 242
9.3.3 高效前向链接 244
9.4 反向链接 247
9.4.1 反向链接算法 247
9.4.2 逻辑编程 248
9.4.3 冗余推断和无限循环 249
9.4.4 Prolog 的数据库语义 251
9.4.5 约束逻辑编程 251
9.5 归结 252
9.5.1 一阶逻辑的合取范式 252
9.5.2 归结推断规则 253
9.5.3 证明范例 254
9.5.4 归结的完备性 256
9.5.5 等词 258
9.5.6 归结策略 260
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
10.2.1 物理组成 268
10.2.2 量度 269
10.2.3 对象：事物和物质 271
10.3 事件 272
10.3.1 时间 273
10.3.2 流和对象 275
10.4 精神对象和模态逻辑 275
10.5 类别的推理系统 278
10.5.1 语义网络 278
10.5.2 描述逻辑 280
10.6 用缺省信息推理 281
10.6.1 限定与缺省逻辑 281
10.6.2 真值维护系统 283
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
11.1.1 范例领域：航空货物运输 291
11.1.2 范例领域：备用轮胎问题 292
11.1.3 范例领域：积木世界 292
11.2 经典规划的算法 294
11.2.1 规划的前向状态空间搜索 294
11.2.2 规划的反向状态空间搜索 295
11.2.3 使用布尔可满足性规划 296
11.2.4 其他经典规划方法 296
11.3 规划的启发式方法 297
11.3.1 领域无关剪枝 299
11.3.2 规划中的状态抽象 300
11.4 分层规划 300
11.4.1 高层动作 301
11.4.2 搜索基元解 302
11.4.3 搜索抽象解 303
11.5 非确定性域的规划和行动 307
11.5.1 无传感器规划 309
11.5.2 应变规划 312
11.5.3 在线规划 313
11.6 时间、调度和资源 315
11.6.1 时间约束和资源约束的表示 315
11.6.2 解决调度问题 316
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
12.2.1 概率是关于什么的 329
12.2.2 概率断言中的命题语言 330
12.2.3 概率公理及其合理性 333
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
12.5.1 应用贝叶斯法则：简单实例 338
12.5.2 应用贝叶斯法则：合并证据 339
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
13.2.1 贝叶斯网络中的条件独立性关系 353
13.2.2 条件分布的高效表示 354
13.2.3 连续变量的贝叶斯网络 356
13.2.4 案例研究：汽车保险 358
13.3 贝叶斯网络中的精确推断 360
13.3.1 通过枚举进行推断 361
13.3.2 变量消元算法 363
13.3.3 精确推断的复杂性 365

合规获取说明

当前暂无已核验电子书资源。若是商业出版物，建议优先通过出版社、书店或官方电子书平台获取。

常见问题

《人工智能：现代方法（第4版）（上下册）》适合谁读？

适合希望系统学习技术概念、实践方法、工具使用和行业知识的读者。评分 9.2 可作为选书参考。

《人工智能：现代方法（第4版）（上下册）》阅读难度高吗？

建议先看简介、目录、作者和相关书籍，再判断是否适合当前阶段阅读。

《人工智能：现代方法（第4版）（上下册）》纸质书值得买吗？

当前暂未接入已核验的纸质书购买链接，建议通过出版社、京东、当当等正版渠道核对版本后购买。

《人工智能：现代方法（第4版）（上下册）》哪个版本更适合？

优先选择作者、译者、出版社、出版年份和 ISBN 信息清楚的版本；经典作品可优先选择校注、导读或权威出版社版本。

在哪里可以合法获取《人工智能：现代方法（第4版）（上下册）》？

当前没有确认授权的电子书下载资源，也暂未接入已核验购买链接；商业出版物不提供未授权下载，建议通过出版社、京东、当当或官方电子书平台核对获取。

如何继续查找《人工智能：现代方法（第4版）（上下册）》相关书籍？

可以进入 [美]StuartRussell/[美]PeterNorvi 作者页查看其他作品，也可以通过分类、标签、排行榜、人工推荐和“读完这本还可以读”继续发现相近主题。