- 商品参数
-
- 作者：
无著
- 出版社：图书其它
- ISBN：9782795052572
- 版权提供：图书其它
店铺公告
本店存在书、古旧书、收藏书、二手书等特殊商品，因受采购成本限制,可能高于定价销售，明码标价，介意者勿拍!
1.书籍因稀缺可能导致售价高于定价,图书实际定价参见下方详情内基本信息,请买家看清楚且明确后再拍，避免价格争议!
2.店铺无纸质均开具电子，请联系客服开具电子版
![]()
![]()
![]()
![]()
![]()
![]()
![]()
基本信息
| 商品名称： | 人工智能：现代方法（第4版）（上下册）
| 开本： | 16 |
| 作者： | [美]斯图尔特·罗素（Stuart Russell） | 页数： | |
| 定价： | 198.00 | 出版时间： | 2022-11-01 |
| ISBN号： | 9787115598103 | 印刷时间： | 2022-11-01 |
| 出版社： | 人民邮电出版社 | 版次印次： | 1 |
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，帮助开启了当下的大规模在线公开课程的大幕。他曾担任美国宇航局艾姆斯研究中心计算科学部的负责人，负责人工智能和机器人学的研究和开发。他曾任南加利福尼亚大学的教授和加利福尼亚大学伯克利分校、斯坦福大学的教师。他是美国人工智能协会和美国计算机协会的会士，以及美国艺术与科学院和加利福尼亚科学院的院士。
![]()
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 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） 。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，帮助开启了当下的大规模在线公开课程的大幕。他曾担任美国宇航局艾姆斯研究中心计算科学部的负责人，负责人工智能和机器人学的研究和开发。他曾任南加利福尼亚大学的教授和加利福尼亚大学伯克利分校、斯坦福大学的教师。他是美国人工智能协会和美国计算机协会的会士，以及美国艺术与科学院和加利福尼亚科学院的院士。
......
![]()
内容提要：
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 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。
......
![]()
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
1.1.1 类人行为：图灵测试方法 3
1.1.2 类人思考：认知建模方法 3
1.1.3 理性思考：“思维法则”方法 4
1.1.4 理性行为：理性智能体方法 4
1.1.5 益机 5
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 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 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 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 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 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 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 决策 128
5.2.3 ?-? 剪枝 129
5.2.4 移动顺序 131
5.3 启发式 ?-? 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 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
......
![]()
1
![[正版]人工智能:现代方法(第4版)(上下册) 斯图尔特·罗素著](http://imgservice.suning.cn/uimg1/b2c/image/1EWcTjBf5OwR7EToQSVX6w.jpg_400w_400h_4e)
![[正版]人工智能:现代方法(第4版)(上下册) 斯图尔特·罗素著](http://imgservice.suning.cn/uimg1/b2c/image/1EWcTjBf5OwR7EToQSVX6w.jpg_60w_60h_4e)
![[正版]人工智能:现代方法(第4版)(上下册) 斯图尔特·罗素著](http://imgservice.suning.cn/uimg1/b2c/image/qK0vOmSmIz4hzIvNYqFE3w.jpg_60w_60h_4e)
![[正版]人工智能:现代方法(第4版)(上下册) 斯图尔特·罗素著](http://imgservice.suning.cn/uimg1/b2c/image/-NtDeMv1mDYvOHl73iyeRg.jpg_60w_60h_4e)
![[正版]人工智能:现代方法(第4版)(上下册) 斯图尔特·罗素著](http://imgservice.suning.cn/uimg1/b2c/image/Nrk4PAO0Rrsst9SCSkY6nQ.jpg_60w_60h_4e)
