《人工智能（第3版）》[美]史蒂芬·盧奇（StephenLucci）/[美]丹尼·『EPUB電子書下載』

人工智能（第3版） 內容簡介

作為計算機科學的一個分支，人工智能主要研究、開發用於模擬、延伸和擴展人類智能的理論、方法、技術及應用係統，涉及機器人、語音識別、圖像識別、自然語言處理和專家係統等方向。

本書包括引言、基礎知識、基於知識的係統、人工智能高級專題、人工智能的現在和未來以及安全與編程六部分內容。

第一部分從人工智能的定義講起，對人工智能的早期歷史、思維和智能的內涵、圖靈測試、啟發式方法、新千年人工智能的發展進行了簡要論述。

第二部分詳細講述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的邏輯、知識表示和產生式係統等基礎知識。

第三部分介紹並探究了人工智能領域的成功案例，如DENDRAL、MYCIN、EMYCIN 等經典的專家係統，振動故障診斷、自動牙科識別等新的專家係統，也介紹了機器學習、深度學習以及受到自然啟發的搜索算法等。

第四部分介紹了自然語言處理和自動規劃等高級專題。

第五部分對人工智能的歷史和現狀進行了梳理，回顧了幾十年來人工智能所取得的諸多成就，並對其未來進行了展望。第六部分主要介紹人工智能的安全以及編程問題。

人工智能（第3版） 作者簡介

★史蒂芬.盧奇（Stephen Lucci）擁有紐約市立大學研究生院的博士學位，在紐約城市學院教授計算機科學，在高性能計算和人工智能領域發表過多篇文章。

★薩爾汗.M. 穆薩（Sarhan M. Musa）博士，在普雷裏維尤農工大學（Prairie View A&M） 任 教， 著 有 Computational Nanophotonics（CRC Press） 和 Finite Element Analysis （MLI）等多部圖書。

★丹尼.科佩克（Danny Kopec）（已故），本書第 2 版的合著者，曾任教於布魯克林學院，著有多部圖書，是一位國際象棋大師。

人工智能（第3版） 目錄

第一部分引言
第1章人工智能概述2
1.0引言2
1.0.1人工智能的定義3
1.0.2思維與智能3
1.1圖靈測試5
1.1.1圖靈測試的定義5
1.1.2圖靈測試的爭議和批評7
1.2強人工智能與弱人工智能9
1.3啟發式方法10
1.3.1長方體的對角線：解決一個相對簡單但相關的問題10
1.3.2水壺問題：反向倒推11
1.4識別適用人工智能來求解的問題12
1.5應用和方法14
1.5.1搜索算法和拚圖問題15
1.5.2二人博弈16
1.5.3自動推理17
1.5.4產生式規則和專家係統17
1.5.5細胞自動機18
1.5.6神經計算19
1.5.7遺傳算法20
1.5.8知識表示21
1.5.9不確定性推理22
1.6人工智能的早期歷史23
1.7人工智能的近期歷史到現在26
1.7.1計算機博弈26
1.7.2專家係統27
1.7.3神經計算28
1.7.4進化計算28
1.7.5自然語言處理29
1.7.6生物信息學31
1.8新千年人工智能的發展31
1.9本章小結32
第二部分基礎知識
第2章盲目搜索42
2.0簡介：智能係統中的搜索42
2.1狀態空間圖43
2.1.1假幣問題43
2.2生成-測試範式45
2.2.1回溯法46
2.2.2貪心算法50
2.2.3旅行商問題52
2.3盲目搜索算法54
2.3.1深度優先搜索54
2.3.2廣度優先搜索56
2.4盲目搜索算法的實現和比較58
2.4.1深度優先搜索的實現58
2.4.2廣度優先搜索的實現60
2.4.3問題求解性能的衡量指標61
2.4.4DFS和BFS的比較61
2.5本章小結64
第3章知情搜索70
3.0引言70
3.1啟發式方法72
3.2知情搜索（第一部分）——找到任一解76
3.2.1爬山法76
3.2.2最陡爬山法77
3.3最佳優先搜索80
3.4集束搜索83
3.5搜索算法的其他指標84
3.6知情搜索（第二部分）——找到最優解85
3.6.1分支定界法85
3.6.2使用低估計啟發值的分支定界法90
3.6.3采用動態規劃的分支定界法93
3.6.4A*搜索94
3.7知情搜索（第三部分）—高級搜索算法95
3.7.1約束滿足搜索95
3.7.2與或樹96
3.7.3雙向搜索97
3.8本章小結99
第4章博弈中的搜索104
4.0引言104
4.1博弈樹和極小化極大評估105
4.1.1啟發式評估106
4.1.2博弈樹的極小化極大評估107
4.2帶α-β剪枝的極小化極大算法110
4.3極小化極大算法的變體和改進114
4.3.1負極大值算法115
4.3.2漸進深化法116
4.3.3啟發式方法的後續和地平線效應117
4.4機會博弈和期望極小化極大算法117
4.5博弈論119
4.6本章小結121
第5章人工智能中的邏輯126
5.0引言126
5.1邏輯和表示127
5.2命題邏輯128
5.2.1基礎知識129
5.2.2命題邏輯中的論證133
5.2.3證明命題邏輯論證有效的第二種方法134
5.3謂詞邏輯簡介135
5.3.1謂詞邏輯中的合一136
5.3.2謂詞邏輯中的歸結138
5.3.3將謂詞表達式轉換為子句形式140
5.4其他一些邏輯143
5.4.1二階邏輯143
5.4.2非單調邏輯144
5.4.3模糊邏輯144
5.4.4模態邏輯144
5.5本章小結145
第6章知識表示151
6.0引言151
6.1圖形草圖和人類視窗154
6.2圖和哥尼斯堡橋問題157
6.3搜索樹158
6.3.1決策樹158
6.4表示方法的選擇159
6.5產生式係統162
6.6麵向對象162
6.7框架164
6.8腳本和概念依賴係統166
6.9語義網絡169
6.10關聯171
6.11最近的方法172
6.11.1概念地圖172
6.11.2概念圖174
6.11.3Baecker的工作174
6.12智能體：智能或其他175
6.12.1智能體的一些歷史177
6.12.2當代智能體179
6.12.3語義網180
6.12.4IBM眼中的未來世界180
6.12.5本書作者的觀點181
6.13本章小結181
第7章產生式係統188
7.0引言188
7.1背景188
7.2基本示例190
7.3CarBuyer係統192
7.4產生式係統和推理方法197
7.4.1衝突消解199
7.4.2前向鏈接201
7.4.3後向鏈接202
7.5產生式係統和細胞自動機206
7.6隨機過程與馬爾可夫鏈208
7.7本章小結209
第三部分基於知識的係統
第8章人工智能中的不確定性214
8.0引言214
8.1模糊集214
8.2模糊邏輯216
8.3模糊推理217
8.4概率論和不確定性220
8.5本章小結224
第9章專家係統227
9.0引言227
9.1背景227
9.1.1人類專家和機器專家228
9.2專家係統的特點233
9.3知識工程234
9.4知識獲取236
9.5經典的專家係統238
9.5.1DENDRAL238
9.5.2MYCIN239
9.5.3EMYCIN241
9.5.4PROSPECTOR241
9.5.5模糊知識和貝葉斯規則243
9.6提高效率的方法245
9.6.1守護規則245
9.6.2Rete算法246
9.7基於案例的推理247
9.8更多最新的專家係統251
9.8.1就業匹配改善係統251
9.8.2振動故障診斷專家係統252
9.8.3自動牙齒識別252
9.8.4更多采用案例推理的專家係統253
9.9本章小結253
第10章機器學習第一部分：神經網絡259
10.0引言259
10.1機器學習概述260
10.2機器學習係統中反饋的作用262
10.3歸納學習263
10.4利用決策樹進行學習264
10.5決策樹適用的問題265
10.6熵266
10.7使用ID3構建決策樹267
10.8其他問題269
10.9人工神經網絡的基本原理270
10.10麥卡洛克-皮茨網絡271
10.11感知器學習規則272
10.12增量規則280
10.13反向傳播284
10.14實現中的問題289
10.14.1模式分析292
10.14.2訓練方法293
10.15離散霍普菲爾德網絡294
10.16應用領域298
10.17本章小結305
第11章機器學習第二部分：深度學習314
11.0引言314
11.1深度學習應用簡介315
11.2深度學習網絡中的層315
11.3深度學習類型316
11.3.1多層神經網絡316
11.3.2卷積神經網絡317
11.3.3循環神經網絡321
11.3.4長短期記憶網絡322
11.3.5遞歸神經網絡322
11.3.6堆疊自編碼器322
11.3.7極限學習機323
11.4本章小結325
第12章受大自然啟發的搜索333
12.0引言333
12.1模擬退火334
12.2遺傳算法337
12.3遺傳規劃344
12.4禁忌搜索348
12.5蟻群優化算法350
12.6本章小結353
第四部分高級專題
第13章自然語言理解362
13.0引言362
13.1概述：語言的問題和可能性362
13.2自然語言處理的歷史364
13.2.1奠基時期（20世紀40年代和50年代）364
13.2.2符號方法與隨機方法（1957—1970）365
13.2.34種範式（1970—1983）365
13.2.4經驗主義和有限狀態模型（1983—1993）366
13.2.5大融合時期（1994—1999）367
13.2.6機器學習的興起（2000—2008）367
13.3語法和形式語法367
13.3.1語法類型368
13.3.2句法解析：CYK算法371
13.4語義分析和擴展語法373
13.4.1轉換語法373
13.4.2係統語法373
13.4.3格語法374
13.4.4語義語法375
13.4.5尚克的係統376
13.5NLP中的統計方法379
13.5.1統計解析379
13.5.2機器翻譯（回顧）和IBM的Candide係統380
13.5.3詞義消歧380
13.6用於統計NLP的概率模型381
13.6.1隱馬爾可夫模型381
13.6.2維特比算法383
13.7用於統計NLP的語言數據集384
13.7.1賓州樹庫項目384
13.7.2WordNet385
13.7.3NLP中的隱喻模型385
13.8應用：信息提取和問答係統387
13.8.1問答係統387
13.8.2信息提取391
13.9當前和未來的研究（基於查尼阿克的觀點）392
13.10語音理解392
13.10.1語音理解技術392
13.11語音理解的應用395
13.11.1Dragon自然語音係統和Windows語音識別係統396
13.12本章小結399
第14章自動規劃406
14.0引言406
14.1規劃問題407
14.1.1規劃中的術語407
14.1.2規劃的應用示例408
14.2規劃簡史和著名的框架問題412
14.2.1框架問題413
14.3規劃方法414
14.3.1規劃即搜索414
14.3.2偏序規劃418
14.3.3層次規劃419
14.3.4基於案例的規劃420
14.3.5規劃方法集錦421
14.4早期的規劃係統422
14.4.1STRIPS422
14.4.2NOAH422
14.4.3NONLIN423
14.5更多的現代規劃係統424
14.5.1O-PLAN424
14.5.2Graphplan426
14.5.3規劃係統集錦427
14.5.4麵向學習係統的規劃方法427
14.5.5SciBox自動規劃器428
14.6本章小結430
第五部分現在和未來
第15章機器人技術438
15.0引言438
15.1歷史：服務人類、模仿人類、增強人類和替代人類440
15.2技術問題447
15.3應用：21世紀的機器人453
15.4本章小結460
第16章高級計算機博弈462
16.0引言462
16.1跳棋：從塞繆爾到謝弗462
16.2國際象棋：人工智能的“果蠅”472
16.3計算機國際象棋程序對人工智能的貢獻484
16.4其他博弈遊戲491
16.5圍棋：人工智能的“新果蠅”497
16.6本章小結499
第17章AI大事記507
17.0引言507
17.1本書第1部分回顧507
17.2普羅米修斯歸來509
17.3本書第2部分回顧：目前AI領域的成就510
17.4IBM沃森-危險邊緣挑戰賽513
17.521世紀的人工智能517
17.6本章小結518
第六部分安全和編程
第18章網絡安全中的人工智能（選讀）522
18.0引言522
18.1IPsec523
18.2SA.523
18.3安全策略524
18.4安全電子交易525
18.4.1SET的業務需求526
18.5入侵者526
18.6入侵檢測527
18.7惡意程序529
18.8反病毒掃描529
18.9蠕蟲程序530
18.10防火牆530
18.11可信係統531
18.12本章小結534
第19章人工智能編程工具（選讀）538
19.1Prolog538
19.2Python551
19.3MATLAB559
······