返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 人工智能 现代方法 第4版 (美)斯图尔特·罗素,(美)彼得·诺维格 著 张博雅 等 译 专业科技 文轩网
  • 【预售】预计到货时间:2023年01月10日 新华书店正版
    • 作者: [美]斯图尔特·罗素(StuartRussell)著
    • 出版社: 人民邮电出版社
    • 出版时间:2022-12-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: [美]斯图尔特·罗素(StuartRussell)著
    • 出版社:人民邮电出版社
    • 出版时间:2022-12-01 00:00:00
    • 版次:1
    • 开本:16开
    • 装帧:平装
    • ISBN:9787115598110
    • 国别/地区:中国
    • 版权提供:人民邮电出版社

    人工智能 现代方法 第4版

    作  者:(美)斯图尔特·罗素,(美)彼得·诺维格 著 张博雅 等 译
    定  价:358
    出 版 社:人民邮电出版社
    出版日期:2023年01月01日
    页  数:964
    装  帧:精装
    ISBN:9787115598110
    主编推荐

    1.全球1500多所学校采用的教材,国内众多高校选用。 2.配备丰富的教学资源,解决教师授课后顾之忧。 3.配套网站提供多种语言版本源代码,满足不同编程语言使用者的自学需要。 4.程序员入门人工智能领域的推荐书籍。

    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。

    作者简介

    斯图尔特·罗素(Stuart Russell),1986年他进入加利福尼亚大学伯克利分校,任计算机科学系教授,并曾担任系主任,人类兼容人工智能中心主任,他也是史密斯–扎德(Smith-Zadeh)工程系讲席教授。1990年,他获得了美国国家科学基金会(NSF)杰出青年科学家总统奖;1995年,他成为计算机与思想奖的获奖人之一。他是美国人工智能协会(AAAI)、美国计算机协会(ACM)和美国科学促进协会的会士,牛津大学瓦德汉学院的荣誉院士和安德鲁·卡内基(Andrew Carnegie)院士。2012年到2014年,他在巴黎担任布莱斯·帕斯卡(Blaise Pascal)主席。他在人工智能领域发表了300多篇论文,涉及范围广泛。 彼得·诺维格(Peter Norvig)曾任谷歌公司的研究总监、核心网络搜索算法的负责人。他曾与他人合作共同教授了一门有16万名学生注册的在线人工智能课程,帮助开null

    精彩内容

    目录
    第 一部分 人工智能基础
    第 1 章 绪论 2
    1.1 什么是人工智能 2
    1.2 人工智能的基础 6
    1.3 人工智能的历史 16
    1.4 目前的优选技术 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
    2.3 环境的本质 37
    2.4 智能体的结构 41
    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
    3.2 问题示例 57
    3.3 搜索算法 61
    3.4 无信息搜索策略 65
    3.5 有信息(启发式)搜索策略 73
    3.6 启发式函数 85
    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 局部搜索和很优化问题 95
    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
    4.4 部分可观测环境中的搜索 108
    4.5 在线搜索智能体和未知环境 115
    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
    5.3 启发式 α-β 树搜索 132
    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
    5.7 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
    6.2 约束传播:CSP 中的推断 156
    6.3 CSP 的回溯搜索 161
    6.4 CSP 的局部搜索 166
    6.5 问题的结构 168
    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
    7.5 命题定理证明 187
    7.6 高效命题模型检验 196
    7.7 基于命题逻辑的智能体 200
    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
    8.2 一阶逻辑的语法和语义 215
    8.3 使用一阶逻辑 223
    8.4 一阶逻辑中的知识工程 228
    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
    9.3 前向链接 241
    9.4 反向链接 247
    9.5 归结 252
    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
    10.3 事件 272
    10.4 精神对象和模态逻辑 275
    10.5 类别的推理系统 278
    10.6 用缺省信息推理 281
    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
    11.2 经典规划的算法 294
    11.3 规划的启发式方法 297
    11.4 分层规划 300
    11.5 非确定性域的规划和行动 307
    11.6 时间、调度和资源 315
    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
    12.3 使用接近联合分布进行推断 334
    12.4 独立性 336
    12.5 贝叶斯法则及其应用 337
    12.6 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
    13.3 贝叶斯网络中的准确推断 360
    13.4 贝叶斯网络中的近似推理 367
    13.5 因果网络 379
    小结 382
    参考文献与历史注释 383
    第 14 章 时间上的概率推理 388
    14.1 时间与不确定性 388
    14.2 时序模型中的推断 391
    14.3 隐马尔可夫模型 398
    14.4 卡尔曼滤波器 403
    14.5 动态贝叶斯网络 408
    小结 417
    参考文献与历史注释 418
    第 15 章 概率编程 421
    15.1 关系概率模型 421
    15.2 开宇宙概率模型 427
    15.3 追踪复杂世界 433
    15.4 作为概率模型的程序 436
    小结 440
    参考文献与历史注释 440
    第 16 章 做简单决策 444
    16.1 在不确定性下结合信念与愿望 444
    16.2 效用理论基础 445
    16.3 效用函数 448
    16.4 多属性效用函数 454
    16.5 决策网络 458
    16.6 信息价值 460
    16.7 未知偏好 465
    小结 468
    参考文献与历史注释 469
    第 17 章 做复杂决策 473
    17.1 序贯决策问题 473
    17.2 MDP 的算法 482
    17.3 老虎机问题 489
    17.4 部分可观测MDP 495
    17.5 求解POMDP 的算法 497
    小结 501
    参考文献与历史注释 502
    第 18 章 多智能体决策 505
    18.1 多智能体环境的特性 505
    18.2 非合作博弈论 510
    18.3 合作博弈论 527
    18.4 制定集体决策 533
    小结 544
    参考文献与历史注释 545
    第五部分 机器学习
    第 19 章 样例学习 550
    19.1 学习的形式 550
    19.2 监督学习 552
    19.3 决策树学习 555
    19.4 模型选择与模型优化 563
    19.5 学习理论 569
    19.6 线性回归与分类 572
    19.7 非参数模型 581
    19.8 集成学习 589
    19.9 开发机器学习系统 596
    小结 604
    参考文献与历史注释 605
    第 20 章 概率模型学习 610
    20.1 统计学习 610
    20.2 接近数据学习 613
    20.3 隐变量学习:EM 算法 624
    小结 632
    参考文献与历史注释 632
    第 21 章 深度学习 635
    21.1 简单前馈网络 636
    21.2 深度学习的计算图 640
    21.3 卷积网络 643
    21.4 学习算法 648
    21.5 泛化 650
    21.6 循环神经网络 654
    21.7 无监督学习与迁移学习 657
    21.8 应用 662
    小结 664
    参考文献与历史注释 664
    第 22 章 强化学习 668
    22.1 从奖励中学习 668
    22.2 被动强化学习 670
    22.3 主动强化学习 674
    22.4 强化学习中的泛化 680
    22.5 策略搜索 686
    22.6 学徒学习与逆强化学习 688
    22.7 强化学习的应用 690
    小结 692
    参考文献与历史注释 693
    第六部分 沟通、感知和行动
    第 23 章 自然语言处理 698
    23.1 语言模型 698
    23.2 文法 707
    23.3 句法分析 709
    23.4 扩展文法 713
    23.5 真实自然语言的复杂性 717
    23.6 自然语言任务 720
    小结 722
    参考文献与历史注释 722
    第 24 章 自然语言处理中的深度学习 727
    24.1 词嵌入 727
    24.2 自然语言处理中的循环神经网络 730
    24.3 序列到序列模型 733
    24.4 Transformer 架构 737
    24.5 预训练和迁移学习 739
    24.6 Z高水平(SOTA) 742
    小结 745
    参考文献与历史注释 745
    第 25 章 计算机视觉 748
    25.1 引言 748
    25.2 图像形成 749
    25.3 简单图像特征 754
    25.4 图像分类 760
    有效的原因 762
    25.5 物体检测 763
    25.6 三维世界 766
    25.7 计算机视觉的应用 769
    小结 780
    参考文献与历史注释 781
    第 26 章 机器人学 785
    26.1 机器人 785
    26.2 机器人硬件 786
    26.3 机器人学解决哪些问题 789
    26.4 机器人感知 790
    26.5 规划与控制 796
    26.6 规划不确定的运动 810
    26.7 机器人学中的强化学习 812
    26.8 人类与机器人 814
    26.9 其他机器人框架 820
    26.10 应用领域 822
    小结 825
    参考文献与历史注释 826
    第七部分 总结
    第 27 章 人工智能的哲学、伦理和安全性 832
    27.1 人工智能的极限 832
    27.2 机器能真正地思考吗 835
    27.3 人工智能的伦理 836
    小结 851
    参考文献与历史注释 852
    第 28 章 人工智能的未来 857
    28.1 人工智能组件 857
    28.2 人工智能架构 862
    附录 A 数学背景知识 865
    附录 B 关于语言与算法的说明 871
    参考文献 873
    索引 914

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购