了得網計算機/網絡_人工智能實戰 (古)阿納達·佩雷茲·卡斯塔諾(Arnaldo Perez Cast

●章邏輯學與人工智能
1.1 邏輯是什麼
1.2 命題邏輯
1.3 邏輯聯結詞
1.3.1 否定
1.3.2 合取
1.3.3 析取
1.3.4 蘊涵
1.3.5 等值
1.4 命題邏輯定律
1.5 範式
1.6 邏輯電路
1.7 實際問題：使用繼承和C#運算符計算邏輯公式的值
1.8 實際問題：將邏輯公式表達為二叉決策樹
1.9 實際問題：將公式轉換為否定範式（NNF）
1.10 實際問題：將公式轉換為合取範式（CNF）
1.11 本章小結
第2章自動定理證明和一階邏輯
2.1 自動定理證明
2.2 實際問題：C#中的Clause類和Cnf類
2.3 DPLL算法
2.4 實際問題：在命題邏輯中建模鴿巢原理
2.5 實際問題：判斷一個命題邏輯公式是否可滿足
2.6 一階邏輯
2.7 實際問題：清潔機器人
2.8 本章小結
第3章 Agents
3.1 Agent是什麼
3.2 Agent的屬性
3.3 Agent環境的類型
3.4 有狀態Agent
3.5 實際問題：將清潔機器人作為Agent建模並對其添加狀態
3.6 Agent的架構
3.6.1 反應式架構：包容架構
3.6.2 慎思式架構：BDI架構
3.6.3 混合架構
3.6.4 旅行機
3.6.5 InteRRaP
3.7 本章小結
第4章火星漫遊車
4.1 火星漫遊車簡介
4.2 火星車的架構
4.3 火星車的程序代碼
4.4 Mars Rover視化應用程序
4.5 本章小結
第5章多Agent繫統
5.1 多Agent繫統是什麼
5.2 多Agent組織
5.3 通信
5.3.1 言語行為理論
5.3.2 Agent通信語言（ACL）
5.4 協調與合作
5.4.1 使用合同網協商
5.4.2 社會規範與社會
5.5 本章小結
第6章基於WCF的多Agent繫統通信
6.1 服務
6.2 契約
6.3 綁定
6.4 端點
6.5 發布者/訂閱者模式
6.6 實際問題：利用WCF在多個Agent之間通信
6.7 本章小結
第7章清潔Agent：一個多Agent繫統問題
7.1 程序結構
7.2 清潔任務
7.3 清潔Agent平臺
7.4 合同網
7.5 FIPA-ACL
7.6 MAS清潔Agent
7.7 GUI
7.8 運行應用程序
7.9 本章小結
第8章仿真
8.1 仿真是什麼
8.2 離散事件仿真
8.3 概率分布
8.4 實際問題：機場仿真
8.5 本章小結
第9章支持向量機
9.1 支持向量機是什麼
9.2 實際問題：利用C#實現線性SVM
9.3 不完全可分情形
9.4 非線性可分情形：核心技巧
9.5 序列最小優化算法（SMO）
9.6 實際問題：SMO實現
9.7 本章小結
0章決策樹
10.1 決策樹是什麼
10.2 利用ID3算法生成決策樹
10.2.1 熵和信息增益
10.2.2 實際問題：實現ID3算法
10.2.3 C4.5算法
10.2.4 實際問題：實現C4.5算法
10.3 本章小結
1章神經網絡
11.1 神經網絡是什麼
11.2 感知器：單神經網絡
11.2.1 實際問題：實現感知器神經網絡
11.2.2 Adaline神經網絡和梯度下降搜索
11.2.3 隨機逼近法
11.2.4 實際問題：實現Adaline神經網絡
11.2.5 多層網絡
11.2.6 反向傳播算法
11.2.7 實際問題：實現反向傳播算法並解決xOR問題
11.3 本章小結
2章手寫數字識別
12.1 手寫數字識別是什麼
12.2 訓練數據集
12.3 用於HDR的多層神經網絡
12.4 實現
12.5 測試
12.6 本章小結
3章聚類和多目標聚類
13.1 聚類是什麼
13.2 層次聚類
13.3 劃分聚類
13.4 實際問題：k-Means算法
13.5 多目標聚類
13.6 自累托邊界生成器
13.7 本章小結
4章啟發式方法&a啟發式方法
14.1 啟發式方法是什麼
14.2 爬山算法
14.3 實際問題：實現爬山算法
14.4啟發式算法：遺傳算法
14.5 實際問題：對旅行商問題實現遺傳算法
14.6啟發式方法：禁忌搜索
14.7 本章小結
5章遊戲編程
15.1 電子遊戲是什麼
15.2 遊戲中的搜索
15.3 無信息搜索
15.4 實際問題：實現BFS、DFS、DLS和IDS
15.5 實際問題：在滑塊拼圖問題中實現雙向搜索
15.6 有信息搜索
15.7 運用A*算法求解滑塊拼圖
15.8 本章小結
6章博弈論：對抗性搜索與黑白棋遊戲
16.1 博弈論是什麼
16.2 對抗性搜索
16.3 極小化極大搜索算法
16.4 α-β剪枝算法
16.5 黑白棋遊戲
16.6 實際問題：在Windows窗體程序中實現黑白棋遊戲
16.7 實際問題：使用Minimax算法實現黑白棋AI
16.8 本章小結
7章強化學習
17.1 強化學習是什麼
17.2 馬爾可夫決策過程
17.3 值函數／動作值函數與策略
17.4 值迭代算法
17.5 策略迭代算法
17.6 Q-Learning和時序差分學習
17.7 實際問題：使用Q-Learning求解迷宮問題
17.8 本章小結

商品搜索

商品分类

【醫學】

【各大出版社】