图书介绍

卓越工程师计划 软件工程专业系列丛书 人工智能实用教程pdf电子书版本下载

卓越工程师计划  软件工程专业系列丛书  人工智能实用教程
  • 罗忠文,杨林权,向秀桥编著 著
  • 出版社: 北京:科学出版社
  • ISBN:9787030461650
  • 出版时间:2015
  • 标注页数:124页
  • 文件大小:19MB
  • 文件页数:132页
  • 主题词:人工智能-教材

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示:(请使用BT下载软件FDM进行下载)软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

下载说明

卓越工程师计划 软件工程专业系列丛书 人工智能实用教程PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!

(文件页数 要大于 标注页数,上中下等多册电子书除外)

注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具

图书目录

第1章 引论 1

1.1 概述 1

1.2 人工智能简史 2

1.3 人工智能的研究途径及主要方法 3

1.4 人工智能发展趋势 4

第2章 智能体 5

2.1 智能体 5

2.2 性能度量 6

2.3 任务环境的属性 6

2.4 常见智能体 7

2.4.1 反射智能体 7

2.4.2 基于目标的智能体 8

第3章 搜索 10

3.1 问题求解智能体 10

3.1.1 定义明确的问题及解 11

3.1.2 问题的形式化 12

3.2 一般搜索系统 12

3.3 无信息搜索策略 15

3.3.1 广度优先搜索 15

3.3.2 一致费用搜索 16

3.3.3 深度优先搜索 17

3.3.4 深度受限搜索 18

3.3.5 迭代深入搜索 19

3.4 启发式搜索 20

3.4.1 贪婪最佳搜索 20

3.4.2 A*搜索 22

3.4.3 启发函数 25

3.5 局部搜索算法 26

3.5.1 爬山法 27

3.5.2 模拟退火搜索 28

3.5.3 遗传算法 29

第4章 约束可满足性问题 31

4.1 概述 31

4.2 实例及形式化 32

4.3 分类 34

4.4 搜索方法 35

4.4.1 CSP问题的回溯搜索 35

4.4.2 通过约束传播信息 38

4.5 约束满足的局部搜索 41

4.6 问题的结构 41

4.6.1 子结构 41

4.6.2 树状结构 42

第5章 对抗搜索 43

5.1 博弈 43

5.2 博弈中的优化决策 43

5.2.1 最优决策 44

5.2.2 极小极大算法 45

5.2.3 多人游戏中的最优策略 46

5.3 α-β剪枝 47

5.4 不完整的实时决策 49

第6章 马尔可夫决策过程 51

6.1 最大化期望效用原理 51

6.2 效用理论基础 52

6.2.1 理性偏好的约束 52

6.2.2 效用函数 53

6.3 马尔可夫决策过程 57

6.4 值迭代 62

6.5 策略迭代 66

第7章 增强学习 68

7.1 被动增强学习 69

7.1.1 直接状态估计 70

7.1.2 基于模型的估计 70

7.2 时序差分学习 72

7.3 主动增强学习 74

7.3.1 探索与利用 74

7.3.2 学习Q值函数 75

7.4 增强学习的一般化 76

7.4.1 增强学习在博弈中的应用 77

7.4.2 增强学习在机器人中的应用 78

第8章 概率推理 79

8.1 概述 79

8.2 概率基础 82

8.3 概率推理 87

8.4 贝叶斯网络 93

8.5 贝叶斯网络的独立性 96

8.6 贝叶斯网络的推理 99

8.6.1 穷举法推理 100

8.6.2 消除变量法 100

8.7 贝叶斯网络的近似推理 104

第9章 基于时间的推理 107

9.1 时间与不确定性 107

9.1.1 状态与观察 107

9.1.2 稳态马尔可夫模型 108

9.2 时序模型中的推理 109

9.3 隐马尔可夫模型 110

9.4 粒子(质点)滤波 114

9.5 动态贝叶斯网络 115

第10章 机器学习 116

10.1 朴素贝叶斯 116

10.1.1 基本概念 117

10.1.2 基本模型 117

10.1.3 过拟合 120

10.2 感知器 122

10.2.1 特征 122

10.2.2 生成模型和判别模型 123

10.2.3 线性分类器 123

10.2.4 二元分类 124

精品推荐