人工智能：一種現(xiàn)代方法 中文版

第一章  緒  論
1.1  什么是人工智能？
1.1.1  類人行為：圖靈測(cè)試方法
1.1.2  類人思考：認(rèn)知模型方法
1.1.3  理性地思考：“思維法則”方法
1.1.4  理性地行動(dòng)：理性智能體方法
1.2  人工智能的基礎(chǔ)
1.2.1  哲學(xué)（公元前428年—現(xiàn)在）
1.2.2  數(shù)學(xué)（約800年—現(xiàn)在）
1.2.3  經(jīng)濟(jì)學(xué)（1776年—現(xiàn)在）
1.2.4  神經(jīng)科學(xué)（1861年—現(xiàn)在）
1.2.5  心理學(xué)（1879年—現(xiàn)在）
1.2.6  計(jì)算機(jī)工程（1940年—現(xiàn)在）
1.2.7  控制論（1948年—現(xiàn)在）
1.2.8  語言學(xué)（1957年—現(xiàn)在）
1.3  人工智能的歷史
1.3.1  人工智能的孕育期（1943年—1955年）
1.3.2  人工智能的誕生（1956年）
1.3.3  早期的熱情，巨大的期望（1952年—1969年）
1.3.4  現(xiàn)實(shí)的困難（1966年—1973年）
1.3.5  基于知識(shí)的系統(tǒng)：力量的鑰匙？（1969年—1979年）
1.3.6  AI成為工業(yè)（1980年—現(xiàn)在）
1.3.7  神經(jīng)元網(wǎng)絡(luò)的回歸（1986年—現(xiàn)在）
1.3.8  AI成為科學(xué)（1987年—現(xiàn)在）
1.3.9  智能化智能體的出現(xiàn)（1995年—現(xiàn)在）
1.4  目前發(fā)展水平
1.5  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第二章  智能化智能體
2.1  智能體和環(huán)境
2.2  好的行為表現(xiàn)：理性的概念
2.2.1  性能度量
2.2.2  理性
2.2.3  全知者，學(xué)習(xí)和自主性
2.3  環(huán)境的本質(zhì)
2.3.1  詳細(xì)說明任務(wù)環(huán)境
2.3.2  任務(wù)環(huán)境的屬性
2.4  智能體的結(jié)構(gòu)
2.4.1  智能體程序
2.4.2  簡(jiǎn)單反射型智能體
2.4.3  基于模型的反射型智能體
2.4.4  基于目標(biāo)的智能體
2.4.5  基于效用的智能體
2.4.6  學(xué)習(xí)智能體
2.5  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第三章  用搜索法對(duì)問題求解
3.1  問題求解智能體
3.1.1  定義明確的問題及解
3.1.2  把問題形式化
3.2  問題實(shí)例
3.2.1  玩具問題
3.2.2  現(xiàn)實(shí)世界問題
3.3  對(duì)解的搜索
3.3.1  度量問題求解的性能
3.4  無信息的搜索策略
3.4.1  廣度優(yōu)先搜索
3.4.2  代價(jià)一致搜索
3.4.3  深度優(yōu)先搜索
3.4.4  深度有限搜索
3.4.5  迭代深入深度優(yōu)先搜索
3.4.6  雙向搜索
3.4.7  無信息搜索策略的比較
3.5  避免重復(fù)狀態(tài)
3.6  使用不完全信息的搜索
3.6.1  無傳感問題
3.6.2  偶發(fā)性問題
3.7  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第四章  有信息的搜索和探索
4.1  有信息的（啟發(fā)式的）搜索策略
4.1.1  貪婪最佳優(yōu)先搜索
4.1.2  A*搜索：最小化總的估計(jì)解耗散
4.1.3  存儲(chǔ)限制的啟發(fā)式搜索
4.1.4  為了更好地搜索而學(xué)習(xí)
4.2  啟發(fā)函數(shù)
4.2.1  啟發(fā)函數(shù)的精確度對(duì)性能的影響
4.2.2  設(shè)計(jì)可采納的啟發(fā)函數(shù)
4.2.3  從經(jīng)驗(yàn)里學(xué)習(xí)啟發(fā)函數(shù)
4.3  局部搜索算法和最優(yōu)化問題
4.3.1  爬山法搜索
4.3.2  模擬退火搜索
4.3.3  局部剪枝搜索
4.3.4  遺傳算法
4.4  連續(xù)空間的局部搜索
4.5  聯(lián)機(jī)搜索智能體和未知環(huán)境
4.5.1  聯(lián)機(jī)搜索問題
4.5.2  聯(lián)機(jī)搜索智能體
4.5.3  聯(lián)機(jī)局部搜索
4.5.4  聯(lián)機(jī)搜索的學(xué)習(xí)
4.6  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第五章  約束滿足問題
5.1  約束滿足問題
5.2  CSP問題的回溯搜索
5.2.1  變量和取值順序
5.2.2  通過約束傳播信息
前向檢驗(yàn)
約束傳播
處理特殊約束
智能回溯：向后看
5.3  約束滿足問題的局部搜索
5.4  問題的結(jié)構(gòu)
5.5  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第六章  對(duì)抗搜索
6.1  搏弈
6.2  博弈中的優(yōu)化決策
6.2.1  最優(yōu)策略
6.2.2  極小極大值算法
6.2.3  多人游戲中的最優(yōu)決策
6.3  a-b剪枝
6.4  不完整的實(shí)時(shí)決策
6.4.1  評(píng)價(jià)函數(shù)
6.4.2  截?cái)嗨阉?br />6.5  包含幾率因素的游戲
6.5.1  有幾率節(jié)點(diǎn)的游戲中的局面評(píng)價(jià)
6.5.2  期望極小極大值的復(fù)雜度
6.6  博弈程序的當(dāng)前發(fā)展水平
6.7  討論
6.8  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第七章  邏輯智能體
7.1  基于知識(shí)的智能體
7.2  WUMPUS世界
7.3  邏輯
7.4  命題邏輯：一種非常簡(jiǎn)單的邏輯
7.4.1  語法
7.4.2  語義
7.4.3  一個(gè)簡(jiǎn)單的知識(shí)庫
7.4.4  推理
7.4.5  等價(jià)、合法性和可滿足性
7.5  命題邏輯的推理模式
7.5.1  歸結(jié)
7.5.2  合取范式
7.5.3  歸結(jié)算法
7.5.4  歸結(jié)的完備性
7.5.5  前向和反向鏈接
7.6  有效的命題推理
7.6.1  一個(gè)完備的回溯搜索
7.6.2  局部搜索算法
7.6.3  困難的滿足性問題
7.7  基于命題邏輯的智能體
7.7.1  用邏輯推理尋找陷阱和wumpus
7.7.2  記錄位置和方向
7.7.3  基于電路的智能體
7.7.4  比較
7.8  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第八章  一階邏輯
8.1  表示方法的回顧
8.2  一階邏輯的語法和語義
8.2.1  一階邏輯的模型
8.2.2  符號(hào)和解釋
8.2.3  項(xiàng)
8.2.4  原子語句
8.2.5  復(fù)合語句
8.2.6  量詞
全稱量詞（"）
存在量詞（$）
嵌套量詞
"和$之間的連接符
8.2.7  等式
8.3  使用一階邏輯
8.3.1  一階邏輯的斷言和查詢
8.3.2  親屬關(guān)系域
8.3.3  數(shù)、集合和列表
8.3.4  wumpus世界
8.4  一階邏輯中的知識(shí)工程
8.4.1  知識(shí)工程的過程
8.4.2  電路領(lǐng)域
確定任務(wù)
搜集相關(guān)知識(shí)
確定詞匯表
對(duì)域的通用知識(shí)進(jìn)行編碼
對(duì)特定問題的實(shí)例進(jìn)行編碼
把查詢提交給推理過程
調(diào)試知識(shí)庫
8.5  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第九章  一階邏輯中的推理
9.1  命題 對(duì)比 一階推理
9.1.1  量詞的推理規(guī)則
9.1.2  簡(jiǎn)化到命題推理
9.2  合一和提升
9.2.1  一階推理規(guī)則
9.2.2  合一
9.2.3  存儲(chǔ)和檢索
9.3  前向鏈接
9.3.1  一階確定子句
9.3.2  一個(gè)簡(jiǎn)單的前向鏈接算法
9.3.3  高效的前向鏈接
9.4  反向鏈接
9.4.1  反向鏈接算法
9.4.2  邏輯程序設(shè)計(jì)
9.4.3  邏輯程序的高效實(shí)現(xiàn)
9.4.4  冗余推理和無限循環(huán)
9.4.5  約束邏輯程序設(shè)計(jì)
9.5  歸結(jié)
9.5.1  一階邏輯的合取范式
9.5.2  歸結(jié)推理規(guī)則
9.5.3  證明的實(shí)例
9.5.4  歸結(jié)的完備性
9.5.5  處理等式
9.5.6  歸結(jié)策略
9.5.7  定理證明機(jī)
9.6  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第十章  知識(shí)表示
10.1  本體論工程
10.2  類別和對(duì)象
10.2.1  物質(zhì)成份
10.2.2  度量
10.2.3  物質(zhì)和對(duì)象
10.3  行動(dòng)，情景和事件
10.3.1  情景演算本體論
10.3.2  描述情景演算中的行動(dòng)
10.3.3  解決表示框架問題
10.3.4  解決推理框架問題
10.3.5  時(shí)間和事件演算
10.3.6  一般化事件
10.3.7  過程
10.3.8  區(qū)間
10.3.9  流和對(duì)象
10.4  精神事件和精神對(duì)象
10.4.1  關(guān)于信度的形式理論
10.4.2  知識(shí)和信度
10.4.3  知識(shí)、時(shí)間和行動(dòng)
10.5  互聯(lián)網(wǎng)購物世界
10.5.1  對(duì)供應(yīng)進(jìn)行比較
10.6  類別的推理系統(tǒng)
10.6.1  語義網(wǎng)絡(luò)
10.6.2  描述邏輯
10.7  缺省信息推理
10.7.1  開放世界和封閉世界
10.7.2  失敗否定式和穩(wěn)定模型語義
10.7.3  界限和缺省邏輯
10.8  真值維護(hù)系統(tǒng)
10.9  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第十一章  規(guī)  劃
11.1  規(guī)劃問題
11.1.1  規(guī)劃問題語言
11.1.2  表達(dá)能力和延伸
11.1.3  例：航空貨物運(yùn)輸
11.1.4  例：備用輪胎問題
11.1.5  例：積木世界
11.2  狀態(tài)空間搜索規(guī)劃
11.2.1  前向狀態(tài)空間搜索
11.2.2  后向狀態(tài)空間搜索
11.2.3  狀態(tài)空間搜索的啟發(fā)式
11.3  偏序規(guī)劃
11.3.1  一個(gè)偏序規(guī)劃的例子
11.3.2  無約束變量的偏序規(guī)劃
11.3.3  偏序規(guī)劃啟發(fā)式
11.4  規(guī)劃圖
11.4.1  規(guī)劃圖的啟發(fā)式估計(jì)
11.4.2  GRAPHPLAN算法
11.4.3  GRAPHPLAN的終止
11.5  命題邏輯規(guī)劃
11.5.1  用命題邏輯描述規(guī)劃問題
11.5.2  命題編碼的復(fù)雜度
11.6  規(guī)劃方法分析
11.7  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第十二章  現(xiàn)實(shí)世界的規(guī)劃與行動(dòng)
12.1  時(shí)間、調(diào)度表和資源
12.1.1  具有資源約束的調(diào)度安排
12.2  分層任務(wù)網(wǎng)絡(luò)規(guī)劃
12.2.1  表示行動(dòng)分解
12.2.2  為分解修改規(guī)劃器
12.2.3  討論
12.3  在非確定性領(lǐng)域中進(jìn)行規(guī)劃和行動(dòng)
12.4  條件規(guī)劃
12.4.1  完全可觀察環(huán)境中的條件規(guī)劃
12.4.2  部分可觀察環(huán)境中的條件規(guī)劃
12.5  執(zhí)行監(jiān)控和重新規(guī)劃
12.6  持續(xù)規(guī)劃
12.7  多智能體規(guī)劃
12.7.1  合作：聯(lián)合目標(biāo)和規(guī)劃
12.7.2  多體規(guī)劃
12.7.3  協(xié)調(diào)機(jī)制
12.7.4  競(jìng)爭(zhēng)
12.8  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第十三章  不確定性
13.1  不確定環(huán)境下的行動(dòng)
13.1.1  處理不確定知識(shí)
13.1.2 不確定性與理性決策
13.1.3  決策理論智能體的設(shè)計(jì)
13.2  基本概率符號(hào)表示
13.2.1  命題
13.2.2  原子事件
13.2.3  先驗(yàn)概率
13.2.4  條件概率
13.3  概率公理
13.3.1  使用概率公理
13.3.2  為什么概率公理是合理的
13.4  使用全聯(lián)合分布進(jìn)行推理
13.5  獨(dú)立性
13.6  貝葉斯法則及其應(yīng)用
13.6.1  應(yīng)用貝葉斯法則：一個(gè)簡(jiǎn)單例子
13.6.2  使用貝葉斯法則：合并證據(jù)
13.7  重游wumpus世界
13.8  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第十四章  概率推理
14.1  不確定域中的知識(shí)表示
14.2  貝葉斯網(wǎng)絡(luò)的語義
14.2.1  表示全聯(lián)合概率分布
14.2.2  貝葉斯網(wǎng)絡(luò)中的條件獨(dú)立關(guān)系
14.3  條件分布的有效表達(dá)
14.4  貝葉斯網(wǎng)絡(luò)中的精確推理
14.4.1  通過枚舉進(jìn)行推理
14.4.2  變量消元算法
14.4.3  精確推理的復(fù)雜度
14.4.4  團(tuán)算法
14.5  貝葉斯網(wǎng)絡(luò)的近似推理
14.5.1  直接采樣算法 
14.5.2  馬爾可夫鏈仿真推理
14.6  把概率擴(kuò)展到一階表示
14.7  不確定推理的其他方法
14.7.1  基于規(guī)則的不確定推理方法
14.7.2  表示無知性：Dempster-Shafer理論
14.7.3  表示模糊性：模糊集與模糊邏輯
14.8  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第十五章  關(guān)于時(shí)間的概率推理
15.1  時(shí)間與不確定性
15.1.1  狀態(tài)與觀察
15.1.2  穩(wěn)態(tài)過程與馬爾可夫假設(shè)
15.2  時(shí)序模型中的推理
15.2.1  濾波和預(yù)測(cè)
15.2.2  平滑
15.2.3  尋找最可能序列
15.3  隱馬爾可夫模型
15.3.1  簡(jiǎn)化的矩陣算法
15.4  卡爾曼濾波器
15.4.1  更新高斯分布
15.4.2  一個(gè)簡(jiǎn)單的一維例子
15.4.3  一般情況
15.4.4  卡爾曼濾波器的適用性
15.5  動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)
15.5.1  構(gòu)造動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)
15.5.2  動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)中的精確推理
15.5.3  動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)中的近似推理
15.6  語音識(shí)別
15.6.1  語音
15.6.2  詞語（word）
15.6.3  語句
15.6.4  搭建語音識(shí)別器
15.7  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第十六章  制定簡(jiǎn)單決策
16.1  在不確定性環(huán)境下結(jié)合信度與愿望
16.2  效用理論基礎(chǔ)
16.2.1  理性偏好的約束
16.2.2  然后就有了效用
16.3  效用函數(shù)
16.3.1  金錢的效用
16.3.2  效用范圍和效用評(píng)估
16.4  多屬性效用函數(shù)
16.4.1  優(yōu)勢(shì)
16.4.2  偏好結(jié)構(gòu)和多屬性效用
16.5  決策網(wǎng)絡(luò)
16.5.1  使用決策網(wǎng)絡(luò)表示決策問題
16.5.2  評(píng)價(jià)決策網(wǎng)絡(luò)
16.6  信息價(jià)值
16.6.1  一個(gè)簡(jiǎn)單例子
16.6.2  一個(gè)通用公式
16.6.3  信息價(jià)值的屬性
16.6.4  實(shí)現(xiàn)信息收集智能體
16.7  決策理論的專家系統(tǒng)
16.8  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第十七章  制定復(fù)雜決策
17.1  延續(xù)式?jīng)Q策問題
17.1.1  一個(gè)例子
17.1.2  延續(xù)式?jīng)Q策問題中的最優(yōu)化
17.2  價(jià)值迭代
17.2.1  狀態(tài)效用值
17.2.2  價(jià)值迭代算法
17.2.3  價(jià)值迭代的收斂
17.3  策略迭代
17.4  部分可觀察的MDP
17.5  決策理論智能體
17.6  多智能體的決策：博弈論
17.7  機(jī)制設(shè)計(jì)
17.8  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第十八章  從觀察中學(xué)習(xí)
18.1  學(xué)習(xí)的形式
18.2  歸納學(xué)習(xí)
18.3  學(xué)習(xí)決策樹
18.3.1  作為執(zhí)行元件的決策樹
18.3.2  決策樹的表達(dá)能力
18.3.3  從實(shí)例中歸納決策樹
18.3.4  選擇屬性測(cè)試
18.3.5  評(píng)估學(xué)習(xí)算法的性能
18.3.6  噪聲和過擬合
18.3.7  擴(kuò)展決策樹的適用性
18.4  集體學(xué)習(xí)
18.5  為什么學(xué)習(xí)是可行的：計(jì)算學(xué)習(xí)理論
18.5.1  需要多少個(gè)實(shí)例？
18.5.2  決策表學(xué)習(xí)
18.5.3  討論
18.6  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第十九章  學(xué)習(xí)中的知識(shí)
19.1  學(xué)習(xí)的邏輯公式
19.1.1  實(shí)例和假設(shè)
19.1.2  當(dāng)前最佳假設(shè)搜索
19.1.3  最少約定搜索
19.2  學(xué)習(xí)中的知識(shí)
19.2.1  一些簡(jiǎn)單的例子
19.2.2  一些一般方案
19.3  基于解釋的學(xué)習(xí)
19.3.1  從實(shí)例中抽取一般規(guī)則
19.3.2  提高效率
19.4  使用相關(guān)信息進(jìn)行學(xué)習(xí)
19.4.1  決定假設(shè)空間
19.4.2  學(xué)習(xí)和使用相關(guān)性信息
19.5  歸納邏輯程序設(shè)計(jì)
19.5.1  一個(gè)例子
19.5.2  自頂向下的歸納學(xué)習(xí)方法
19.5.3  使用逆向演繹的歸納學(xué)習(xí)
19.5.4  通過歸納邏輯程序設(shè)計(jì)進(jìn)行發(fā)現(xiàn)
19.6  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第二十章  統(tǒng)計(jì)學(xué)習(xí)方法
20.1  統(tǒng)計(jì)學(xué)習(xí)
20.2  完整數(shù)據(jù)下的學(xué)習(xí)
20.2.1  最大似然參數(shù)學(xué)習(xí)：離散模型
20.2.2  樸素貝葉斯模型
20.2.3  最大似然參數(shù)學(xué)習(xí)：連續(xù)模型
20.2.4  貝葉斯參數(shù)學(xué)習(xí)
20.2.5  學(xué)習(xí)貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)
20.3  隱變量學(xué)習(xí)：EM算法
20.3.1  無監(jiān)督聚類：學(xué)習(xí)混合高斯分布
20.3.2  學(xué)習(xí)含有隱變量的貝葉斯網(wǎng)絡(luò)
20.3.3  學(xué)習(xí)隱馬爾可夫模型
20.3.4  EM算法的一般形式
20.3.5  學(xué)習(xí)含有隱變量的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)
20.4  基于實(shí)例的學(xué)習(xí)
20.4.1  最近鄰模型
20.4.2  核模型
20.5  神經(jīng)元網(wǎng)絡(luò)
20.5.1  神經(jīng)元網(wǎng)絡(luò)中的單元
20.5.2  網(wǎng)絡(luò)結(jié)構(gòu)
20.5.3  單層前饋神經(jīng)元網(wǎng)絡(luò)（感知器）
20.5.4  多層前饋神經(jīng)元網(wǎng)絡(luò)
20.5.5  對(duì)神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行學(xué)習(xí)
20.6  核心機(jī)
20.7  案例分析：手寫體數(shù)字識(shí)別
20.8  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第二十一章  強(qiáng)化學(xué)習(xí)
21.1  介紹
21.2  被動(dòng)強(qiáng)化學(xué)習(xí)
21.2.1  直接效用估計(jì)
21.2.2  自適應(yīng)動(dòng)態(tài)規(guī)劃
21.2.3  時(shí)序差分學(xué)習(xí)
21.3  主動(dòng)強(qiáng)化學(xué)習(xí)
21.3.1  探索
21.3.2  學(xué)習(xí)行動(dòng)-價(jià)值函數(shù)
21.4  強(qiáng)化學(xué)習(xí)中的一般化
21.4.1  博弈中的應(yīng)用
21.4.2  機(jī)器人控制中的應(yīng)用
21.5  策略搜索
21.6  小結(jié)
參考書目與歷史的注釋
習(xí)題
第二十二章  通訊
22.1  作為行動(dòng)的通訊
22.1.1  語言的基本原理
22.1.2  通訊的組成步驟
22.2  部分英語的形式語法
22.2.1  E0的詞典
22.2.2  E0的語法
22.3  句法分析（Parsing）
22.3.1  高效的句法分析
22.4  增強(qiáng)語法
22.4.1  動(dòng)詞的次范疇化
22.4.2  增強(qiáng)語法的生成能力
22.5  語義解釋
22.5.1  部分英語的語義
22.5.2  時(shí)間和時(shí)態(tài)
22.5.3  量詞限定
22.5.4  語用解釋
22.5.5  利用DCG生成語言
22.6  歧義和排歧
22.6.1  排歧
22.7  篇章理解
22.7.1  指代消解
22.7.2  連貫的篇章結(jié)構(gòu)
22.8  語法歸納
22.9  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第二十三章  概率語言處理
23.1  概率語言模型
23.1.1  概率的上下文無關(guān)語法
23.1.2  學(xué)習(xí)PCFG的概率
23.1.3  學(xué)習(xí)PCFG的規(guī)則結(jié)構(gòu)
23.2  信息檢索
23.2.2  評(píng)價(jià)IR系統(tǒng)
23.2.3  IR的改進(jìn)方法
23.2.4  結(jié)果集合的表示
23.2.5  IR系統(tǒng)的實(shí)現(xiàn)
23.3  信息抽取
23.4  機(jī)器翻譯
23.4.1  機(jī)器翻譯系統(tǒng)
23.4.2  統(tǒng)計(jì)機(jī)器翻譯
23.4.3  機(jī)器翻譯的概率學(xué)習(xí)
23.5  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第二十四章  感知
24.1  介紹
24.2  圖像生成
24.2.1  無透鏡成像——針孔照相機(jī)
24.2.2  透鏡系統(tǒng)
24.2.3  光線：成像過程中的光度學(xué)特性
24.2.4  色彩：成像中的分光譜光度學(xué)
24.3  初級(jí)圖像處理運(yùn)算
24.3.1  邊緣檢測(cè)
24.3.2  圖像分割
24.4  提取三維信息
24.4.1  運(yùn)動(dòng)
24.4.2  雙目立體視覺
24.4.3  紋理梯度
24.4.4  明暗
24.4.5  輪廓
24.5  物體識(shí)別
24.5.1  基于亮度的識(shí)別
24.5.2  基于特征的識(shí)別
24.5.3  姿態(tài)估計(jì)
24.6  利用視覺實(shí)現(xiàn)操縱和導(dǎo)航
24.7  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第二十五章  機(jī)器人學(xué)
25.1  介紹
25.2  機(jī)器人硬件
25.2.1  傳感器
25.2.2  效應(yīng)器
25.3  機(jī)器人的感知
25.3.1  定位
25.3.2  繪制地圖
25.3.3  其他類型的感知
25.4  運(yùn)動(dòng)規(guī)劃
25.4.1  構(gòu)型空間
25.4.2  單元分解方法
25.4.3  抽骨架方法
25.5  規(guī)劃不確定的運(yùn)動(dòng)
25.5.1  魯棒性方法
25.6  運(yùn)動(dòng)
25.6.1  動(dòng)力學(xué)和控制
25.6.2  勢(shì)場(chǎng)控制
25.6.3  反應(yīng)式控制
25.7  機(jī)器人軟件體系結(jié)構(gòu)
25.7.1  包容體系結(jié)構(gòu)
25.7.2  三層體系結(jié)構(gòu)
25.7.3  機(jī)器人程序設(shè)計(jì)語言
25.8  應(yīng)用領(lǐng)域
25.9  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第二十六章  哲學(xué)基礎(chǔ)
26.1  弱人工智能：機(jī)器能夠智能地行動(dòng)嗎？
26.1.1  能力缺陷方面的論點(diǎn)
26.1.2  數(shù)學(xué)異議
26.1.3  非形式化的論點(diǎn)
26.2  強(qiáng)人工智能：機(jī)器能夠真正思考嗎？
26.2.1  精神-肉體問題
26.2.2  “缽中之腦”實(shí)驗(yàn)
26.2.3  大腦置換實(shí)驗(yàn)
26.2.4  中文屋子
26.3  發(fā)展人工智能的道德規(guī)范與風(fēng)險(xiǎn)
26.4  小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第二十七章  人工智能：現(xiàn)狀與未來
27.1  智能體的組成部分
27.2  智能體體系結(jié)構(gòu)
27.3  我們?cè)谘刂_的方向前進(jìn)嗎？
27.4  如果人工智能成功了會(huì)怎樣？