人工智能：一种现代方法(第2版)(中文版)

作者: [美] 拉塞尔著 , [美] 诺文著 , 姜哲译

出版社: 人民邮电出版社

出版时间: 2004-06

版次: 1

ISBN: 9787115122285

定价: 85.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 758页

字数: 1414千字

正文语种: 简体中文

分类: 计算机与互联网

68人买过

　　本书以详尽和丰富的资料，从理性智能体的角度，全面阐述了人工智能领域的核心内容，并深入介绍了各个主要的研究方向，是一本难得的综合性教材。全书分为八大部分：第一部分“人工智能”，第二部分“问题求解”，第三部分“知识与推理”，第四部分“规划”，第五部分“不确定知识与推理”，第六部分“学习”，第七部分“通讯、感知与行动”，第八部分“结论”。
　　本书既详细介绍了大量的基本概念、思想和算法，也描述了各研究方向最前沿的进展，同时收集整理了详实的历史文献与事件。因此本书适合于不同层次和领域的研究人员及学生，可以作为信息领域和相关领域的高等院校本科生和研究生的教材或教学辅导书目，也可以作为相关领域的科研与工程技术人员的参考书。

　　

　　　　斯图尔特·罗素年生于英国朴次茅斯。他于年以优异成绩在牛津大学获得物理学硕士学位，并于1986年在斯坦福大学获得计算机科学博士学位。之后他加入加州伯克利分校，任计算机科学系教授、智能系统中心主任，他是Smith-Zadeh工程学讲座教授头衔的持有者。1990年他获得国家科学基金的“总统青年研究者”奖，1995年他是“计算机与思维”奖的获得者之一。他是加州大学1996年的一名Miller教授，并于2000年被指定为首席讲座教授。1998年他在斯坦福大学做过Forsythe纪念演讲。他是美国人工智能学会的成员和前执行委员会委员。他已经发表过100多篇论文，内容涉及人工智能领域的广泛课题。他的其它著作包括《在类比与归纳中使用知识》以及《做正确的事情：有限理性的研究》。
　　彼得·诺维格，Google公司的搜索质量部门主管。他是美国人工智能浫的成员和执行委员会委员。他曾经是NASAAmes研究中心计算科学部的主任，在那里他监督NASA在人工智能和机器人学领域的研究与开发。之前他作Junglee的首席科学家帮助开发了最早的因特网信息抽取服务之一，并作为一名资深科学家在Sun微系统实验室从事智能信息检索的研究工作。他在布朗大学获得应用数学硕士学位，并在加州大学伯克利分校获得计算机科学博士学位。他曾任州大学的教授，并且是伯克利研究职员。他有超过50部计算机科学领域的论著，包括著作，人工智能程序设计范例：通用Lisp语言的案例研究》《Verbmobil:一个面对面对话的翻译系统》以及《UNIX的智能帮助系统》。

　　

　　

　　

　　第一部分人工智能
第1章绪论
1.1什么是人工智能
1.1.1类人行为：图灵测试方法
1.1.2类人思考：认知模型方法
1.1.3理性地思考："思维法则"方法
1.1.4理性地行动：理性智能体方法
1.2人工智能的基础
1.2.1哲学（公元前428年-现在）
1.2.2数学（约800年-现在）
1.2.3经济学（1776年-现在）
1.2.4神经科学（1861年-现在）
1.2.5心理学（1879年-现在）
1.2.6计算机工程（1940年-现在）
1.2.7控制论（1948年-现在）
1.2.8语言学（1957年-现在）
1.3人工智能的历史
1.3.1人工智能的孕育期（1943年-1955年）
1.3.2人工智能的诞生（1956年）
1.3.3早期的热情，巨大的期望（1952年-1969年）
1.3.4现实的困难（1966年-1973年）
1.3.5基于知识的系统：力量的钥匙？（1969年-1979年）
1.3.6AI成为工业（1980年-现在）
1.3.7神经元网络的回归（1986年-现在）0
1.3.8AI成为科学（1987年-现在）
1.3.9智能化智能体的出现（1995年-现在）
1.4目前发展水平
1.5小结
参考文献与历史的注释
习题
第2章智能化智能体
2.1智能体和环境
2.2好的行为表现：理性的概念
2.2.1性能度量
2.2.2理性
2.2.3全知者，学习和自主性
2.3环境的本质
2.3.1详细说明任务环境
2.3.2任务环境的属性
2.4智能体的结构
2.4.1智能体程序
2.4.2简单反射型智能体
2.4.3基于模型的反射型智能体
2.4.4基于目标的智能体
2.4.5基于效用的智能体
2.4.6学习智能体
2.5小结
参考文献与历史的注释
习题

第二部分问题求解
第3章用搜索法对问题求解
3.1问题求解智能体
3.1.1定义明确的问题及解
3.1.2把问题形式化
3.2问题实例
3.2.1玩具问题
3.2.2现实世界问题
3.3对解的搜索
3.3.1度量问题求解的性能
3.4无信息的搜索策略
3.4.1广度优先搜索
3.4.2代价一致搜索
3.4.3深度优先搜索
3.4.4深度有限搜索
3.4.5迭代深入深度优先搜索
3.4.6双向搜索
3.4.7无信息搜索策略的比较
3.5避免重复状态
3.6使用不完全信息的搜索
3.6.1无传感问题
3.6.2偶发性问题
3.7小结
参考文献与历史的注释
习题
第4章有信息的搜索和探索
第5章约束满足问题
第6章对抗搜索

第三部分知识与推理
第7章逻辑智能体
第8章一阶逻辑
第9章一阶逻辑中的推理
第10章知识表示

第四部分规划
第11章规划
第12章现实世界的规划与行动

第五部分不确定知识与推理
第13章不确定性
第14章概率推理
第15章关于时间的概率推理
第16章制定简单决策
第17章制定复杂决策

第六部分学习
第18章从观察中学习
第19章学习中的知识
第20章统计学习方法
第21章强化学习

第七部分通讯、感知与行动
第22章通讯
第23章概率语言处理
第24章感知
第25章机器人学

第八部分结论
第26章哲学基础
第27章人工智能：现状与未来
附录A数学背景
附录B关于语言和算法的注释
参考文献　（见人民邮电出版社网站）
内容简介:
　　本书以详尽和丰富的资料，从理性智能体的角度，全面阐述了人工智能领域的核心内容，并深入介绍了各个主要的研究方向，是一本难得的综合性教材。全书分为八大部分：第一部分“人工智能”，第二部分“问题求解”，第三部分“知识与推理”，第四部分“规划”，第五部分“不确定知识与推理”，第六部分“学习”，第七部分“通讯、感知与行动”，第八部分“结论”。
　　本书既详细介绍了大量的基本概念、思想和算法，也描述了各研究方向最前沿的进展，同时收集整理了详实的历史文献与事件。因此本书适合于不同层次和领域的研究人员及学生，可以作为信息领域和相关领域的高等院校本科生和研究生的教材或教学辅导书目，也可以作为相关领域的科研与工程技术人员的参考书。

　　

　　
作者简介:
　　斯图尔特·罗素年生于英国朴次茅斯。他于年以优异成绩在牛津大学获得物理学硕士学位，并于1986年在斯坦福大学获得计算机科学博士学位。之后他加入加州伯克利分校，任计算机科学系教授、智能系统中心主任，他是Smith-Zadeh工程学讲座教授头衔的持有者。1990年他获得国家科学基金的“总统青年研究者”奖，1995年他是“计算机与思维”奖的获得者之一。他是加州大学1996年的一名Miller教授，并于2000年被指定为首席讲座教授。1998年他在斯坦福大学做过Forsythe纪念演讲。他是美国人工智能学会的成员和前执行委员会委员。他已经发表过100多篇论文，内容涉及人工智能领域的广泛课题。他的其它著作包括《在类比与归纳中使用知识》以及《做正确的事情：有限理性的研究》。
　　彼得·诺维格，Google公司的搜索质量部门主管。他是美国人工智能浫的成员和执行委员会委员。他曾经是NASAAmes研究中心计算科学部的主任，在那里他监督NASA在人工智能和机器人学领域的研究与开发。之前他作Junglee的首席科学家帮助开发了最早的因特网信息抽取服务之一，并作为一名资深科学家在Sun微系统实验室从事智能信息检索的研究工作。他在布朗大学获得应用数学硕士学位，并在加州大学伯克利分校获得计算机科学博士学位。他曾任州大学的教授，并且是伯克利研究职员。他有超过50部计算机科学领域的论著，包括著作，人工智能程序设计范例：通用Lisp语言的案例研究》《Verbmobil:一个面对面对话的翻译系统》以及《UNIX的智能帮助系统》。

　　

　　

　　

　　
目录:
第一部分人工智能
第1章绪论
1.1什么是人工智能
1.1.1类人行为：图灵测试方法
1.1.2类人思考：认知模型方法
1.1.3理性地思考："思维法则"方法
1.1.4理性地行动：理性智能体方法
1.2人工智能的基础
1.2.1哲学（公元前428年-现在）
1.2.2数学（约800年-现在）
1.2.3经济学（1776年-现在）
1.2.4神经科学（1861年-现在）
1.2.5心理学（1879年-现在）
1.2.6计算机工程（1940年-现在）
1.2.7控制论（1948年-现在）
1.2.8语言学（1957年-现在）
1.3人工智能的历史
1.3.1人工智能的孕育期（1943年-1955年）
1.3.2人工智能的诞生（1956年）
1.3.3早期的热情，巨大的期望（1952年-1969年）
1.3.4现实的困难（1966年-1973年）
1.3.5基于知识的系统：力量的钥匙？（1969年-1979年）
1.3.6AI成为工业（1980年-现在）
1.3.7神经元网络的回归（1986年-现在）0
1.3.8AI成为科学（1987年-现在）
1.3.9智能化智能体的出现（1995年-现在）
1.4目前发展水平
1.5小结
参考文献与历史的注释
习题
第2章智能化智能体
2.1智能体和环境
2.2好的行为表现：理性的概念
2.2.1性能度量
2.2.2理性
2.2.3全知者，学习和自主性
2.3环境的本质
2.3.1详细说明任务环境
2.3.2任务环境的属性
2.4智能体的结构
2.4.1智能体程序
2.4.2简单反射型智能体
2.4.3基于模型的反射型智能体
2.4.4基于目标的智能体
2.4.5基于效用的智能体
2.4.6学习智能体
2.5小结
参考文献与历史的注释
习题

第二部分问题求解
第3章用搜索法对问题求解
3.1问题求解智能体
3.1.1定义明确的问题及解
3.1.2把问题形式化
3.2问题实例
3.2.1玩具问题
3.2.2现实世界问题
3.3对解的搜索
3.3.1度量问题求解的性能
3.4无信息的搜索策略
3.4.1广度优先搜索
3.4.2代价一致搜索
3.4.3深度优先搜索
3.4.4深度有限搜索
3.4.5迭代深入深度优先搜索
3.4.6双向搜索
3.4.7无信息搜索策略的比较
3.5避免重复状态
3.6使用不完全信息的搜索
3.6.1无传感问题
3.6.2偶发性问题
3.7小结
参考文献与历史的注释
习题
第4章有信息的搜索和探索
第5章约束满足问题
第6章对抗搜索

第三部分知识与推理
第7章逻辑智能体
第8章一阶逻辑
第9章一阶逻辑中的推理
第10章知识表示

第四部分规划
第11章规划
第12章现实世界的规划与行动

第五部分不确定知识与推理
第13章不确定性
第14章概率推理
第15章关于时间的概率推理
第16章制定简单决策
第17章制定复杂决策

第六部分学习
第18章从观察中学习
第19章学习中的知识
第20章统计学习方法
第21章强化学习

第七部分通讯、感知与行动
第22章通讯
第23章概率语言处理
第24章感知
第25章机器人学

第八部分结论
第26章哲学基础
第27章人工智能：现状与未来
附录A数学背景
附录B关于语言和算法的注释
参考文献　（见人民邮电出版社网站）