新書推薦：
《
鲶鱼之怒：日本大众文化中的天灾·疫病·怪异
》
售價：NT$
352.0
《
经典译林：罗生门
》
售價：NT$
199.0
《
现场：细读《史记》
》
售價：NT$
250.0
《
传奇与绝技：木拱桥里的中国营造智慧
》
售價：NT$
398.0
《
正史纂修与重建史观：辽金元的视角（博雅史学论丛中国史系列）
》
售價：NT$
607.0
《
英国工业革命：经济的质变、世界工厂的建成与海洋霸主地位的确立 陆海书系
》
售價：NT$
434.0
《
汉亡哲思录：儒家思想与东汉三国关系新解
》
售價：NT$
500.0
《
汉字东渡：日本汉字趣味谈
》
售價：NT$
398.0
|
| 編輯推薦： |
本书是清华大学精品课主讲教材，第1版被评为北京市高等教育精品教材、清华大学优秀教材。作者清华大学马少平教授和朱小燕教授，长期站在人工智能科研和教学的第一线 ，在本领域取得了丰硕的成果，有着广泛的影响力。
本书以人工智能发展历史为主线，精心梳理人工智能的基础内容，主要阐述人工智能问题求解方法的一般性原理和基本思想，为进一步学习打好基础。本书适合作为高等学校计算机专业、人工智能专业的本科生或者研究生学习人工智能基础课程的教材或者参考书。
|
| 內容簡介： |
|
”本书主要阐述人工智能问题求解方法的一般性原理和基本思想。主要内容有: 一般的搜索问题，包括盲目搜索和启发式搜索等；对抗搜索，包括博弈树搜索、蒙特卡洛树搜索和AlphaGo原理等；谓词逻辑以及基于归结的定理证明方法；知识表示，包括产生式方法、语义网络、框架等；不确定性推理方法，包括贝叶斯方法、证据理论和确定性方法等；统计机器学习方法，包括朴素贝叶斯方法、决策树、k近邻方法、支持向量机、K均值聚类算法、DBSCAN聚类算法等；神经网络与深度学习方法，包括全连接神经网络、卷积神经网络、循环神经网络、词向量等；高级搜索，包括局部搜索方法、模拟退火方法和遗传算法等。 本书可作为高等学校计算机专业的本科生或者研究生学习“人工智能基础”课程的教材或参考书。 ”
|
| 目錄：
|
第0章绪论1
0.1人工智能的诞生1
0.2人工智能发展简史4
0.2.1初期时代4
0.2.2知识时代6
0.2.3特征时代7
0.2.4数据时代9
0.2.5大模型时代12
0.3什么是人工智能17
0.4图灵测试与中文屋子问题19
0.4.1图灵测试19
0.4.2中文屋子问题21
0.5第三代人工智能22
0.6总结25
第1章搜索问题28
1.1回溯策略29
1.2图搜索策略34
1.3无信息图搜索过程35
1.4启发式图搜索过程37
1.5搜索算法讨论58
习题62
第2章谓词逻辑与归结原理65
2.1命题逻辑65
2.1.1命题65
2.1.2命题公式66
2.1.3命题逻辑的意义69
2.1.4命题逻辑的推理规则70
2.1.5命题逻辑的归结方法71
2.2谓词逻辑基础74
2.2.1谓词基本概念75
2.2.2一阶谓词逻辑76
2.2.3谓词演算与推理78
2.2.4谓词知识表示80
目录人工智能（第2版）2.3谓词逻辑归结原理82
2.3.1归结原理概述83
2.3.2Skolem 标准型83
2.3.3子句集85
2.3.4置换与合一87
2.3.5归结式89
2.3.6归结过程91
2.3.7归结过程控制策略92
2.4Herbrand定理96
2.4.1概述96
2.4.2H域96
2.4.3H解释99
2.4.4语义树与Herbrand定理100
2.4.5Herbrand定理102
2.4.6Herbrand定理与归结法的完备性102
习题103
第3章知识表示105
3.1概述105
3.1.1知识105
3.1.2知识表示107
3.1.3知识表示观108
3.2产生式表示110
3.2.1事实与规则的表示110
3.2.2产生式系统的结构111
3.2.3产生式系统的推理112
3.2.4产生式表示的特点116
3.3语义网络表示117
3.3.1语义网络的结构117
3.3.2基本的语义关系118
3.3.3语义网络的推理121
3.3.4语义网络表示法的特点123
3.4框架表示124
3.4.1框架结构124
3.4.2框架表示下的推理126
3.4.3框架表示法的特点127
3.5其他表示方法128
3.5.1脚本知识表示方法128
3.5.2过程性知识表示法129
3.5.3直接性知识表示方法131
习题131
第4章不确定性推理方法133
4.1概述133
4.1.1不确定性133
4.1.2不确定性推理的基本问题135
4.1.3不确定性推理方法的分类136
4.2概率论基础137
4.2.1随机事件137
4.2.2事件的概率139
4.2.3贝叶斯定理142
4.2.4信任概率143
4.3贝叶斯网络143
4.3.1贝叶斯网络基本概念144
4.3.2贝叶斯网络的推理模式149
4.4主观贝叶斯方法152
4.4.1规则的不确定性152
4.4.2证据的不确定性155
4.4.3推理计算155
4.5确定性方法159
4.5.1规则的不确定性度量161
4.5.2证据的不确定性度量162
4.5.3不确定性的传播与更新162
4.5.4问题164
4.6证据理论(DS theory)165
4.6.1基本概念165
4.6.2证据的不确定性166
4.6.3规则的不确定性168
4.6.4推理计算168
习题170
第5章统计机器学习方法173
5.1什么是统计机器学习方法173
5.2朴素贝叶斯方法177
5.3决策树183
5.3.1决策树算法——ID3算法185
5.3.2决策树算法——C4.5算法197
5.3.3过拟合问题与剪枝204
5.3.4随机森林算法210
5.4k近邻方法212
5.5支持向量机215
5.5.1什么是支持向量机215
5.5.2线性可分支持向量机220
5.5.3线性支持向量机232
5.5.4非线性支持向量机236
5.5.5核函数与核方法239
5.5.6支持向量机用于多分类问题245
5.6K均值聚类算法248
5.7层次聚类算法255
5.8DBSCAN聚类算法257
5.9验证与测试问题259
5.10特征抽取问题262
5.11总结266
第6章神经网络与深度学习269
6.1从数字识别谈起269
6.2神经元与神经网络273
6.3神经网络的训练方法276
6.4卷积神经网络283
6.5梯度消失问题292
6.6过拟合问题300
6.7词向量303
6.7.1词的向量表示303
6.7.2神经网络语言模型305
6.7.3word2vec模型310
6.7.4词向量应用举例312
6.8循环神经网络315
6.9长短期记忆网络322
6.10深度学习框架329
6.11总结329
第7章对抗搜索330
7.1能穷举吗？331
7.2极小极大模型332
7.3αβ剪枝算法334
7.4蒙特卡洛树搜索336
7.5AlphaGo原理344
7.6围棋中的深度强化学习方法350
7.6.1基于策略梯度的强化学习352
7.6.2基于价值评估的强化学习353
7.6.3基于演员评价方法的强化学习354
7.7AlphaGo Zero原理356
7.8总结362
第8章高级搜索364
8.1基本概念364
8.1.1组合优化问题364
8.1.2邻域366
8.2局部搜索算法367
8.3模拟退火算法373
8.3.1固体退火过程373
8.3.2模拟退火算法376
8.3.3参数的确定379
8.3.4应用举例——旅行商问题386
8.4遗传算法389
8.4.1生物进化与遗传算法389
8.4.2遗传算法的实现问题396
习题407
附录408
附录ABP算法408
A.1求导数的链式法则408
A.2符号约定410
A.3对于输出层的神经元410
A.4对于隐含层的神经元412
A.5BP算法——随机梯度下降版415
附录B序列最小最优化(SMO)算法415
B.1SMO算法的基本思想416
B.2SMO算法的详细计算过程421
参考文献427
|
| 內容試閱：
|
人工智能自1956年诞生以来，已经历了近70年的风风雨雨，其发展并非一帆风顺，曾经历几次大起大落。也正是在这样的起落中，人工智能这门学科得以逐步发展壮大起来。
实际上，从古代开始，人类就一直幻想能制造出具有智能的机器。很多古代的传说，无不体现了这样的思想。但是，只有在计算机出现之后，借助计算机这种工具，人工智能才有可能从幻想走向现实。
究竟什么是人工智能？人工智能是否能实现？在人工智能发展史上，一直是人们争议的话题。由于对智能本身研究得不够充分，人们往往将智能神秘化。当1997年IBM公司的“深蓝”第一次战胜国际象棋世界冠军卡斯帕罗夫时，先是惊叹人工智能的发展，继而，当对“深蓝”的原理有所了解之后，又有很多人提出这样的疑问: 这就是人工智能吗？人类下棋可不是这样的。随着人工智能的发展，关于人工智能是否可以实现，已经不再是问题，继而谈论的则是人工智能的极限是什么，人工智能的发展是否会对人类造成危险等话题。
人工智能是对人类智能行为的模拟，是功能上的模拟，而不是机理上的模拟。由于对人类智能的了解还远远不够，因此从机理上模拟人类的智能，虽然也有研究，但总的来说进展缓慢，至少近期是不现实的，而且也不一定能成功。当年莱特兄弟成功地制造了飞机，正是因为他们没有模拟鸟的飞行，制造的飞机不是像鸟那样依靠翅膀的扇动而飞行，才取得了成功。可以想象，如果当时他们制造的是翅膀可以扇动的飞机，也许到现在飞机也不能成为一种常用的交通工具。因此，在研究人工智能的过程中，不必追求其机理是否与人类的大脑一致，所追求的应该是人工智能的行为、功能。
通俗地说，人工智能就是一些方法，依靠这些方法，计算机可以比较好地求解一些难的问题，帮助人类做许多以前需要人类的智能才能完成的任务。
人工智能一直在发展中，虽然还没有形成统一的学科体系，但也提出了一系列的理论和方法，这些理论和方法已经在专家系统、自然语言处理、模式识别、人机交互、智能信息处理、信息检索、图像处理、数据挖掘、智能机器人等各人工智能的应用领域发挥着重要的作用。尤其是近几年发展起来的大模型方法，已经体现出通用人工智能的雏形。
人工智能是一门多学科交叉学科，涉及的内容比较广泛，也相对比较杂乱，并且一直在发展过程中，不断涌现出新方法。但万变不离其宗，总有一些基础内容，新方法的提出往往是基于这些基础内容发展起来的。本书作为人工智能入门性质的教材，主要介绍人工智能发展过程中产生的一些基本的、经典的理论和方法，为计算机科学与技术人员，以及其他学科领域中对人工智能感兴趣的科技工作者、学生，提供最基本的人工智能技术和有关人工智能问题的求解方法，为进一步学习和研究人工智能打下基础。
本书第1版于2004年8月出版，至今已过去了20年，这20年中人工智能研究取得了翻天覆地的变化。但本书一直被一些学校当作教材使用，其根本原因就是本书主要讲解的是人工智能的基础内容，而基础内容变化往往并不大。
为了适应当前人工智能的发展，本书在第1版的基础上进行了较大的更新，但其宗旨还是以人工智能基础为主，没有涉及太多的人工智能中自然语言处理、图像识别等具体方向，重点讲授人工智能各具体方向用到的基本方法，适当结合了一些相对简单的例子。
对于本书中可能出现的任何问题，欢迎读者给予批评指正。
马少平 朱小燕
清华大学计算机科学与技术系
2025年1月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
