譯者序
前言
第1章 緒論 1
1.1 什麼是人工智能 1
1.2 人工智能的研究方法 4
1.3 人工智能簡史 5
1.4 《人工智能》規劃 7
1.5 補充讀物和討論 9
第一部分 響應機器
第2章 刺激響應agent 13
2.1 感知和動作 13
2.1.1 感知 15
2.1.2 動作 15
2.1.3 布爾代數 16
2.1.4 布爾函數的類彆和形式 16
2.2 動作函數的錶達和執行 17
2.2.1 産生式係統 17
2.2.2 網絡 18
2.2.3 包含體係結構 20
2.3 補充讀物和討論 21
第3章 神經網絡 23
3.1 引言 23
3.2 訓練單個TLU 23
3.2.1 TLU幾何學 23
3.2.2 擴充嚮量 24
3.2.3 梯度下降方法 24
3.2.4 Widrow-Hoff程序 25
3.2.5 一般化Delta程序 26
3.2.6 糾錯程序 27
3.3 神經網絡 28
3.3.1 動機 28
3.3.2 錶示符號 28
3.3.3 反嚮傳播方法 29
3.3.4 計算最後一層的權值變化 30
3.3.5 計算中間層的權值變化 30
3.4 一般化、準確度和過度擬閤 32
3.5 補充讀物和討論 34
第4章 機器進化 37
4.1 進化計算 37
4.2 遺傳編程 37
4.2.1 遺傳編程的程序錶示 37
4.2.2 遺傳編程過程 39
4.2.3 進化一個沿牆運動的機器人 40
4.3 補充讀物和討論 43
第5章 狀態機 45
5.1 用特徵嚮量來錶示環境 45
5.2 Elman網絡 46
5.3 圖標錶示 47
5.4 黑闆係統 49
5.5 補充讀物和討論 50
第6章 機器人視覺 53
6.1 引言 53
6.2 操縱一輛汽車 54
6.3 機器人視覺的兩個階段 55
6.4 圖象處理 56
6.4.1 平均法 56
6.4.2 邊緣增強 58
6.4.3 邊緣增強與平均法的結閤 59
6.4.4 區域查找 61
6.4.5 運用亮度以外的其他圖象的屬性 62
6.5 場景分析 63
6.5.1 解釋圖象中的綫條和麯綫 63
6.5.2 基於模型的視覺 65
6.6 立體視覺和深度信息 66
6.7 補充讀物和討論 67
第二部分 狀態空間搜索
第7章 能計劃的agent 71
7.1 存儲與計算 71
7.2 狀態空間圖 72
7.3 顯式狀態空間搜索 74
7.4 基於特徵的狀態空間 74
7.5 圖記號 75
7.6 補充讀物和討論 76
第8章 盲目搜索 78
8.1 用公式錶示狀態空間 78
8.2 隱式狀態空間圖的組成 78
8.3 廣度優先搜索 79
8.4 深度優先或迴溯搜索 80
8.5 迭代加深 81
8.6 補充讀物和討論 82
第9章 啓發式搜索 84
9.1 使用評估函數 84
9.2 一個通用的圖搜索算法 85
9.2.1 算法A* 86
9.2.2 A*的可接納性 88
9.2.3 一緻性（或單調）條件 91
9.2.4 迭代加深的A* 92
9.2.5 遞歸最優搜索 93
9.3 啓發式函數和搜索效率 94
9.4 補充讀物和討論 97
第10章 計劃、動作和學習 99
10.1 感知/計劃/動作循環 99
10.2 逼近搜索 100
10.2.1 孤島驅動搜索 100
10.2.2 層次搜索 101
10.2.3 有限範圍搜索 102
10.2.4 循環 103
10.2.5 建立反應過程 104
10.3 學習啓發式函數 105
10.3.1 顯式圖 105
10.3.2 隱式圖 106
10.4 奬賞代替目標 107
10.5 補充讀物和討論 108
第11章 其他搜索公式及其應用 111
11.1 賦值問題 111
11.2 構造性方法 112
11.3 啓發式修補 114
11.4 函數優化 115
第12章 敵對搜索 118
12.1 雙agent博弈 118
12.2 最小最大化過程 119
12.3 a -b 過程 122
12.4 a -b 過程的搜索效率 125
12.5 其他重要問題 125
12.6 概率博弈 126
12.7 學習評估函數 127
12.8 補充讀物和討論 128
第三部分 知識的錶示和推理
第13章 命題演算 131
13.1 對特徵值加以約束 131
13.2 語言 132
13.3 推理規則 133
13.4 驗證定義 133
13.5 語義 134
13.5.1 解釋 134
13.5.2 命題真值錶 134
13.5.3 可滿足性與模型 135
13.5.4 永真性 136
13.5.5 等價 136
13.5.6 涵蘊 136
13.6 閤理性和完備性 137
13.7 命題可滿足性問題 137
13.8 另一些重要的問題 138
13.8.1 語言差異 138
13.8.2 元定理 138
13.8.3 結閤律 139
13.8.4 分配律 139
第14章 命題演算中的歸結 140
14.1 一種新的推理規則：歸結 140
14.1.1 作為閤式公式的子句 140
14.1.2 子句上的歸結 140
14.1.3 歸結的閤理性 141
14.2 轉換任意的閤式公式為子句的閤取式 141
14.3 歸結反駁 142
14.4 歸結反駁搜索策略 142
14.4.1 排序策略 143
14.4.2 精確策略 143
14.5 Horn 子句 144
第15章 謂詞演算 146
15.1 動機 146
15.2 謂詞演算語言和它的句法 146
15.3 語義 147
15.3.1 世界 147
15.3.2 解釋 147
15.3.3 模型及其相關的概念 148
15.3.4 知識 149
15.4 量化 150
15.5 量詞語義學 150
15.5.1 全稱量詞 150
15.5.2 存在量詞 151
15.5.3 有用的等價式 151
15.5.4 推理規則 151
15.6 謂詞演算作為一種錶示知識的語言 151
15.6.1 概念化 151
15.6.2 舉例 152
15.7 補充讀物和討論 153
第16章 謂詞演算中的歸結 155
16.1 閤一 155
16.2 謂詞演算歸結 157
16.3 完備性和閤理性 158
16.4 把任意的閤式公式轉化為子句形式 158
16.5 用歸結證明定理 160
16.6 迴答提取 161
16.7 等式謂詞 161
16.8 補充讀物和討論 163
第17章 基於知識的係統 166
17.1 麵對現實世界 166
17.2 用Horn子句進行推理 166
17.3 動態知識庫的維持 170
17.4 基於規則的專傢係統 173
17.5 規則學習 176
17.5.1 學習命題演算規則 177
17.5.2 學習一階邏輯規則 180
17.5.3 基於解釋的一般化 183
17.6 補充讀物和討論 184
第18章 錶示常識知識 187
18.1 常識世界 187
18.1.1 什麼是常識知識 187
18.1.2 錶示常識知識的睏難 188
18.1.3 常識知識的重要性 189
18.1.4 研究領域 189
18.2 時間 190
18.3 用網絡錶示知識 191
18.3.1 分類的知識 191
18.3.2 語義網絡 192
18.3.3 語義網絡的非單調推理 193
18.3.4 框架 194
18.4 補充讀物和討論 194
第19章 用不確定信息進行推理 197
19.1 概率論簡介 197
19.1.1 基本思想 197
19.1.2 條件概率 199
19.2 概率推理 201
19.2.1 一個一般的方法 201
19.2.2 條件獨立 202
19.3 貝葉斯網 203
19.4 貝葉斯網的推理模式 204
19.5 不確定證據 205
19.6 D 分離 205
19.7 在polytree中的概率推理 206
19.7.1 證據在上方 207
19.7.2 證據在下方 208
19.7.3 證據在上下兩方 209
19.7.4 一個數值例子 210
19.8 補充讀物和討論 211
第20章 用貝葉斯網學習和動作 214
20.1 學習貝葉斯網 214
20.1.1 已知網絡結構 214
20.1.2 學習網絡結構 216
20.2 概率推理與動作 219
20.2.1 一般設置 219
20.2.2 一個擴展的例子 220
20.2.3 一般化舉例 222
20.3 補充讀物和討論 223
第四部分 基於邏輯的規劃方法
第21章 狀態演算 227
21.1 狀態和動作推理 227
21.2 存在的一些睏難 229
21.2.1 框架公理 229
21.2.2 條件 230
21.2.3 分枝 230
21.3 生成計劃 231
21.4 補充讀物和討論 231
第22章 規劃 234
22.1 STRIPS規劃係統 234
22.1.1 描述狀態和目標 234
22.1.2 嚮前搜索方法 235
22.1.3 遞歸STRIPS 236
22.1.4 帶有運行時條件的計劃 238
22.1.5 Sussman異常 238
22.1.6 嚮後搜索方法 239
22.2 計劃空間和部分有序規劃 242
22.3 層次規劃 246
22.3.1 ABSTRIPS 246
22.3.2 層次規劃和部分有序規劃的組閤 248
22.4 學習計劃 248
22.5 補充讀物和討論 250
第五部分 通信與集成
第23章 多agent 255
23.1 交互agent 255
23.2 其他agent模型 255
23.2.1 模型種類 255
23.2.2 模擬策略 256
23.2.3 模擬數據庫 257
23.2.4 有意思維方式 257
23.3 知識模式邏輯 258
23.3.1 模式算子 258
23.3.2 知識公理 259
23.3.3 關於其他agent知識的推理 260
23.3.4 預測其他agent的動作 261
23.4 補充讀物和討論 261
第24章 agent之間的通信 263
24.1 交談 263
24.1.1 計劃交談 264
24.1.2 實現交談 264
24.2 理解語言字符串 265
24.2.1 短語結構語法 265
24.2.2 語義分析 267
24.2.3 擴展語法 271
24.3 有效通信 272
24.3.1 上下文的使用 272
24.3.2 使用知識解決歧義性 273
24.4 自然語言處理 274
24.5 補充讀物和討論 275
第25章 agent體係結構 277
25.1 三級體係結構 277
25.2 目標仲裁 278
25.3 三層塔式結構 279
25.4 自舉 280
25.5 補充讀物和討論 280
參考文獻 282
· · · · · · (
收起)
