本書在關于邏輯、搜索、學習等核心章節(jié)里集中闡述了表達的重要性。比起大多數(shù)入門級的教科書，本書引入了更多對人工智能的形式化論述，這在對語法和語義邏輯的關注中以及在關于人工智能算法計算復雜度的資料中都有所體現(xiàn)。最新的計算學習理論成果將作為學習方面的資料，以闡述從決策樹到神經網絡的各種技術。本書給出了一些機器人及軟件自動化（軟件機器人）實例，可以作為真實世界中人工智能的教學案例，同時廣泛介紹了其他例子以突出人工智能應用的潛力和多樣性。關于自然語言處理、規(guī)劃、不確定性和視覺的章節(jié)，融合了已有方法，概括了挑戰(zhàn)性領域，為進一步的研究工作描述了技術發(fā)展前景。本書無意通覽人工智能技術，對于諸如物理系統(tǒng)的定性推理和類比推理等主題僅簡單提及，對于其他一些主題本書則比傳統(tǒng)的教材給予了更多的重視。書中對學習、規(guī)劃、概率推理進行了深入的探討，以反映它們在本領域中其重要性的提高。關于視覺的章節(jié)（第9章）所涉及的課題對于說明在智能理解與開發(fā)人工系統(tǒng)（以實用而有趣的方式與世界交互）中感知的重要性是很關鍵的。ThomasDean是布朗大學計算機科學系的教授，主要研究領域包括時空推理、規(guī)劃、機器人學、學習、概率推理。Dean教授目前正從事應用于移動機器人和工廠自動化的時態(tài)數(shù)據庫系統(tǒng)的設計與實現(xiàn)工作。他是美國人工智能聯(lián)合會（AAAI）的會士和執(zhí)委會成員。這是一本闡述人工智能基本理論及其實際應用的教材，由三位資深的人工智能專家精心編著而成。針對機器智能系統(tǒng)開發(fā)中涌現(xiàn)出的表達與計算問題，本書介紹了最新的研究成果，并討論了系統(tǒng)實現(xiàn)中涉及到的實際問題。作者深入探討了用于解決學習、規(guī)劃和不確定性問題的傳統(tǒng)符號推理技術，例如演繹推理、決策樹等，并介紹了神經網絡、概率推理等新技術。書中出現(xiàn)的重要算法在每章后面都附有其LISP實現(xiàn)的源代碼，以供讀者在試驗時進行參考。另外，本書還給出了豐富的人工智能應用系統(tǒng)的實例。本書可作為高等院校計算機、控制、機電、數(shù)學等專業(yè)人工智能課程的教材，也可供從事人工智能研究和應用的科學工作者和工程技術人員學習參考。
鄂公網安備 42010302001612號 