Иисодержаниетест
Часть V
МАШИННОЕ ОБУЧЕНИЕ
Обучение на основе наблюдений
Статистические методы обучения
Глубокое обучение
Обучение с подкреплением
Упражнения
Глава 26. Робототехника
26.1. Роботы
26.2. Аппаратное обеспечение роботов
26.3. Решение задач в робототехнике
26.4. Восприятие в робототехнике
26.5. Планирование и управление
26.6. Планирование движений в условиях неопределенности
26.7. Обучение с подкреплением в робототехнике
26.8. Люди и роботы
26.9. Альтернативные архитектуры роботов
26.10. Области применения робототехники
Резюме
Библиографические и исторические заметки
Упражнения
ЧАСТЬ VII. ЗАКЛЮЧЕНИЕ
Глава 27. Философия, этика и безопасность искусственного
интеллекта
27.1. Ограничения ИИ
27.2. Могут ли машины действительно мыслить?
27.3. Этика ИИ
Резюме
Библиографические и исторические заметки
Упражнения
Глава 28. Будущее искусственного интеллекта
28.1. Компоненты ИИ
28.2. Архитектуры систем ИИ
Приложение А. Математические основы
А.1. Анализ сложности и нотация O()
А.2. Векторы, матрицы и линейная алгебра
А.3. Распределения вероятностей
Библиографические и исторические заметки
Приложение Б. Сведения о языках и алгоритмах, используемых
в книге
Б.1. Определение языков с помощью формы Бэкуса-Наура
Б.2. Описание алгоритмов с помощью псевдокода
Б.З. Дополнительный материал в Интернете
Предметный указатель
Резюме
Библиографические и исторические заметки
Упражнения
Глава 22. Обучение с подкреплением
22.1. Обучение посредством вознаграждения
22.2. Пассивное обучение с подкреплением
22.3. Активное обучение с подкреплением
22.4. Обобщение в обучении с подкреплением
22.5. Поиск стратегии
22.6. Обучение на демонстрации и обратное обучение с подкреплением
22.7. Применение методов обучения с подкреплением
Резюме
Библиографические и исторические заметки
Упражнения
ЧАСТЬ VI. ОБЩЕНИЕ, ВОСПРИЯТИЕ И ОСУЩЕСТВЛЕНИЕ
ДЕЙСТВИЙ
Глава 23. Обработка естественного языка
23.1. Модели языка
23.2. Грамматика
23.3. Синтаксический анализ
8
23.4. Расширенные грамматики
23.5. Сложности реального естественного языка
23.6. Задачи обработки естественного языка
Резюме
Библиографические и исторические заметки
Упражнения
Глава 24. Глубокое обучение при обработке естественного языка
24.1. Метод встраивания слов
24.2. Рекуррентные нейронные сети для задач обработки естественного
языка
24.3. Модели "от последовательности к последовательности”
24.4. Архитектура “трансформер”
Содержание
24.5. Предобучение и трансферное обучение
24.6. Современное состояние разработок
Резюме
Библиографические и исторические заметки
Глава 25. Компьютерное зрение
25.1. Введение
25.2. Формирование изображения
25.3. Простые свойства изображения
25.4. Классификация изображений
25.5. Обнаружение объектов
25.6. Трехмерный мир
25.7. Использование компьютерного зрения
Резюме
Библиографические и исторические заметки
Упражнения
Глава 26. Робототехника
26.1. Роботы
26.2. Аппаратное обеспечение роботов
26.3. Решение задач в робототехнике
26.4. Восприятие в робототехнике
26.5. Планирование и управление
26.6. Планирование движений в условиях неопределенности
Содержание
ЧАСТЬ V. МАШИННОЕ ОБУЧЕНИЕ
Глава 19. Обучение на основе наблюдений
19.1. Формы обучения
19.2. Обучение с учителем
19.3. Метод деревьев решений
19.4. Выбор модели и оптимизация
19.5. Теория вычислительного обучения
19.6. Линейная регрессия и классификация
19.7. Непараметрические модели
19.8. Ансамблевые методы машинного обучения
19.9. Разработка систем машинного обучения
Резюме
Библиографические и исторические заметки
Упражнения
Глава 20. Статистические методы обучения
20.1. Статистическое обучение
20.2. Обучение при полных данных
20.3. Обучение с использованием скрытых переменных: алгоритм EM
Резюме
Библиографические и исторические заметки
Упражнения
Глава 21. Глубокое обучение
21.1. Простые сети с прямой связью
21.2. Графы вычислений для глубокого обучения
21.3. Сверточные сети
21.4. Алгоритмы обучения
21.5. Обобщение
21.6. Рекуррентные нейронные сети
21.7. Обучение без учителя и трансферное обучение
21.8. Применение глубокого обучения на практике
Резюме
Библиографические и исторические заметки
Упражнения
Глава 22. Обучение с подкреплением
22.1. Обучение посредством вознаграждения
22.2. Пассивное обучение с подкреплением
22.3. Активное обучение с подкреплением
22.4. Обобщение в обучении с подкреплением
22.5. Поиск стратегии
22.6. Обучение на демонстрации и обратное обучение с подкреплением
Оглавление
ЧАСТЬ V. МАШИННОЕ ОБУЧЕНИЕ
Глава 19. Обучение на основе наблюдений
Глава 20. Статистические методы обучения
Глава 21. Глубокое обучение
Глава 22. Обучение с подкреплением
ЧАСТЬ VI. ОБЩЕНИЕ, ВОСПРИЯТИЕ И ОСУЩЕСТВЛЕНИЕ
ДЕЙСТВИЙ
Глава 23. Обработка естественного языка
Глава 24. Глубокое обучение при обработке естественного языка
Глава 25. Компьютерное зрение
Глава 26. Робототехника
ЧАСТЬ VII. ЗАКЛЮЧЕНИЕ
Глава 27. Философия, этика и безопасность искусственного
интеллекта
Глава 28. Будущее искусственного интеллекта
Приложение А. Математические основы
Приложение Б. Сведения о языках и алгоритмах, используемых
в книге
Предметный указатель
Содержание
ЧАСТЬ V. МАШИННОЕ ОБУЧЕНИЕ
Глава 19. Обучение на основе наблюдений
19.1. Формы обучения
19.2. Обучение с учителем
Часть IV
НЕОПРЕДЕЛЕННЫЕ ЗНАНИЯ
И РАССУЖДЕНИЯ В УСЛОВИЯХ
НЕОПРЕДЕЛЕННОСТИ
Количественная оценка неопределенности
вероятностные рассуждения
Вероятностные рассуждения во времени
Вероятностное программирование
Принятие простых решений
Принятие сложных решений
Принятие решений при наличии нескольких агентов
Резюме
Библиографические и исторические заметки
Глава 16. Принятие простых решений
16.1. Сочетание убеждений и желаний в условиях неопределенности
16.2. Основы теории полезности
16.3. Функции полезности
16.4. Многоатрибутные функции полезности
16.5. Сети принятия решений
16.6. Стоимость информации
16.7. Неизвестные предпочтения
Резюме
Библиографические и исторические заметки
Упражнения
Глава 17. Принятие сложных решений
17.1. Задачи последовательного принятия решений
17.2. Алгоритмы для задач MDP
17.3. Задачи о бандитах
17.4. Марковские процессы принятия решений в частично
наблюдаемых средах
17.5. Алгоритмы для решения задач POMDP
Резюме
Библиографические и исторические заметки
Упражнения
8 Содержание
Глава 18. Принятие решений при наличии нескольких агентов
18.1. Свойства мультиагентной среды
18.2. Теория некооперативных игр
18.3. Теория кооперативных игр
18.4. Принятие коллективных решений
Резюме
Библиографические и исторические заметки
Упражнения
Приложение А. Математические основы
А.1. Анализ сложности и нотация O()
А.2. Векторы, матрицы и линейная алгебра
А.3. Распределения вероятностей
Библиографические и исторические заметки
Приложение Б. Сведения о языках и алгоритмах, используемых
в книге
Б.1. Определение языков с помощью формы Бэкуса-Наура
Б.2. Описание алгоритмов с помощью псевдокода
Б.З. Дополнительный материал в Интернете
Предметный указатель
Содержание
ЧАСТЬ IV. НЕОПРЕДЕЛЕННЫЕ ЗНАНИЯ И РАССУЖДЕНИЯ
В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
Глава 12. Количественная оценка неопределенности
12.1. Действия в условиях неопределенности
12.2. Вероятность — основная система обозначений
12.3. Логический вывод с использованием полных совместных
распределений
12.4. Независимость
12.5. Правило Байеса и его использование
12.6. Наивные байесовские модели
12.7. Очередное возвращение в мир вампуса
Резюме
Библиографические и исторические заметки
Упражнения
Глава 13. Вероятностные рассуждения
13.1. Представление знаний в неопределенной проблемной области
13.2. Семантика байесовских сетей
13.3. Точный вывод в байесовских сетях
13.4. Приближенный вероятностный вывод в байесовских сетях
13.5. Причинно-следственные байесовские сети
Резюме
Библиографические и исторические заметки
Упражнения
Глава 14. Вероятностные рассуждения во времени
14.1. Время и неопределенность
14.2. Вероятностный вывод во временных моделях
14.3. Скрытые марковские модели
14.4. Фильтры Калмана
14.5. Динамические байесовские сети
Резюме
Библиографические и исторические заметки
Упражнения
Глава 15. Вероятностное программирование
15.1. Реляционные вероятностные модели
15.2. Вероятностные модели с открытой вселенной
15.3. Отслеживание состояния сложного мира
15.4. Программы как вероятностные модели
Резюме
Содержание
Библиографические и исторические заметки
Глава 16. Принятие простых решений
16.1. Сочетание убеждений и желаний в условиях неопределенности
16.2. Основы теории полезности
16.3. Функции полезность
ЧАСТЬ IV. НЕОПРЕДЕЛЕННЫЕ ЗНАНИЯ И РАССУЖДЕНИЯ
В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
Глава 12. Количественная оценка неопределенности
Глава 13. Вероятностные рассуждения
Глава 14. Вероятностные рассуждения во времени
Глава 15. Вероятностное программирование
Глава 16. Принятие простых решений
Глава 17. Принятие сложных решений
Глава 18. Принятие решений при наличии нескольких агентов
Приложение А. Математические основы
Приложение Б. Сведения о языках и алгоритмах, используемых
в книге
Предметный указатель
Содержание
ЧАСТЬ IV. НЕОПРЕДЕЛЕННЫЕ ЗНАНИЯ И РАССУЖДЕНИЯ
В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
Глава 12. Количественная оценка неопределенности
12.1. Действия в условиях неопределенности
12.2. Вероятность основная система обозначений
12.3. Логический вывод с использованием полных совместНЫХ
распределений
Упражнения
Глава 9. Логический вывод в логике первого порядка
9.1. Логический вывод в логике высказываний и логике первого порядка
9.2. Унификация и логический вывод в логике первого порядка
9.3. Прямой логический вывод
9.4. Обратный логический вывод
9.5. РезолюЦИЯ
Резюме
Библиографические и исторические заметки
Упражнения
Глава 10. Представление знаний
10.1. Онтологическая инженерия
10.2. Категории и объекты
10.3. События
10.4. Ментальные объекты и модальная логика
10.5. Системы рассуждений о категориях
10.6. Рассуждения при наличии информации по умолчанию
Резюме
Библиографические и исторические заметки
Упражнения
Глава 11. Автоматизированное планирование
11.1. Определение классической задачи планирования
11.2. Алгоритмы классического планирования
11.3. Эвристики для задач планирования
11.4. Иерархическое планирование
11.5. Планирование и действие в недетерминированных
проблемных областях
11.6. Время, расписания и ресурсы
11.7. Анализ различных подходов к планированию
Резюме
Библиографические и исторические заметки
Упражнения
Приложение А. Математические основы
А.1. Анализ сложности и нотация O()
А.2. Векторы, матрицы и линейная алгебра
А.3. Распределения вероятностей
Библиографические и исторические заметки
Содержание
Приложение Б. Сведения о языках и алгоритмах, используемых
в книге
Б.1. Определение языков с помощью формы Бэкуса-Наура
Б.2. Описание алгоритмов с помощью псевдокода
Б.З. Дополнительный материал в Интернете
Предметный указатель
Библиографические и исторические заметки
Упражнения
Глава 4. Поиск в сложных средах
4.1. Локальный поиск и задачи оптимизации
4.2. Локальный поиск в непрерывных пространствах
4.3. Поиск с недетерминированными действИЯМИ
4.4. Поиск в частично наблюдаемых средах
4.5. Поисковые агенты, действующие в оперативном режиме,
и неизвестные варианты среды
Резюме
Библиографические и исторические заметки
Упражнения
Глава 5. Поиск в условиях противодействия и игры
5.1. Теория игр
5.2. Принятие оптимальных решений в играх
5.3. Эвристический альфа-бета-поиск по дереву
5.4. Поиск по дереву методом Монте-Карло
5.5. Игры с элементами случайности
5.6. Частично наблюдаемые игры
5.7. Ограничения игровых алгоритмов поиска
Резюме
Библиографические и исторические заметки
Упражнения
Глава 6. Задачи удовлетворения ограничений
6.1. Определение задач удовлетворения ограничений
8
6.2. Распространение ограничений: логический вывод в CSP
6.3. Поиск с возвратами в задачах удовлетворения ограничений
6.4. Локальный поиск в задачах удовлетворения ограничений
6.5. Структура задач
Резюме
Библиографические и исторические заметки
Упражнения
Содержание
Часть III. ЗНАНИЯ, РАССУЖДЕНИЯ И ПЛАНИРОВАНИЕ
Глава 7. Логические агенты
7.1. Агенты, основанные на знаниях
7.2. Мир вампуса
7.3. Логика
7.4. Логика высказываний: очень простая логика
7.5. Доказательство теорем логики высказываний
7.6. Эффективный пропозициональный логический вывод
7.7. Агенты, основанные на логике высказываний
Резюме
Библиографические и исторические заметки
Упражнения
Глава 8. Логика первого порядка
8.1. Еще раз о представлении
8.2. Синтаксис и семантика логики первого порядка
8.3. Использование логики первого порядка
8.4. Инженерия знаний на основе логики первого порядка
Резюме
189
194
9.2. Унификация и логический вывод в логике первого порядка
9.3. Прямой логический вывод
Библиографические и исторические заметки
Упражнения
Глава 9. Логический вывод в логике первого порядка
493
9.1. Логический вывод в логике высказываний и логике первого порядка
используемых в книге
Предметный указатель
Содержание
Новое в этом издании
Общий обзор книги
Ресурсы в Интернете
Обложка кнИГИ
Благодарности
Предисловие
Об авторах
Ждем ваших отзывов!
Часть I. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, ОСНОВЫ
Глава 1. Введение
1.1. Что такое ИИ
1.2 Истоки искусственного интеллекта
1.3. История искусственного интеллекта
1.4. Современное состояние исследований
1.5. Риски и преимущества искусственного интеллекта
Резюме
Библиографические и исторические заметки
Упражнения
Глава 2. Интеллектуальные агенты
2.1. Агенты и среды
2.2. Лучшее поведение: концепция рациональности
2.3. Свойства окружающей среды
2.4. Структура агентов
Резюме
Библиографические и исторические заметки
Упражнения
Часть II. РЕШЕНИЕ ЗАДАЧ
Глава 3. Решение задач посредством поиска
3.1. Агенты, решающие задачи
3.2. Примеры задач
3.3. Алгоритмы поиска
3.4. Стратегии неинформированного поиска
3.5. Стратегии информированного (эвристического) поиска
3.6. Эвристические функции
Резюме
Библиографические и исторические заметки
Упражнения
Глава 4. Поиск в сложных средах
4.1. Локальный поиск и задачи оптимизации
4.2. Локальный поиск в непрерывных пространствах
Содержание
684
689
334
13
16
16
17
19
20
Часть І. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, ОСНОВЫ
Глава 1. Введение
Глава 2. Интеллектуальные агенты
Часть II. РЕШЕНИЕ ЗАДАЧ
Глава 3. Решение задач посредством поиска
Глава 4. ПоиСК В СЛОЖНЫх средах
Глава 5. Поиск в условиях противодействия и игры
Глава 6. Задачи удовлетворения ограничений
Часть III. ЗНАНИЯ, РАССУЖДЕНИЯ И ПЛАНИРОВАНИЕ
Глава 7. Логические агенты
Глава 8. Логика первого порядка
Глава 9. Логический вывод в логике первого порядка
Глава 10. Представление знаний
Глава 11. Автоматизированное планирование
Приложение А. Математические основы
Приложение Б. Сведения о языках и алгоритмах,
ИСПОЛЬЗУемых в книге
Предметный указатель
Содержание
Новое в этом издании
Общий обзор книги
Ресурсы в Интернете
Обложка книГИ
Благодарности
Оглавление
Loading Ads...
Предисловие
Глава 1. Наделение компьютеров способностью обучения на данных
Глава 2. Обучение простых алгоритмов МО для классификации
Глава 3. Обзор классификаторов на основе машинного обучения
с использованием scikit-learn
Глава 4. Построение хороших обучающих наборов —
предварительная обработка данных
Глава 5. Сжатие данных с помощью понижения размерности
Глава 6. Освоение практического опыта оценки моделей
и настройки гиперпараметров
Глава 7. Объединение разных моделей для ансамблевого обучения
Глава 8. Применение машинного обучения для смыслового анализа
Глава 9. Встраивание модели машинного обучения в веб-приложение
Глава 10. Прогнозирование значений непрерывных целевых
переменных с помощью регрессионного анализа
Глава 11. Работа с непомеченными данными — кластерный анализ
Глава 12. Реализация многослойной искусственной нейронной сети с нуля
Глава 13. Распараллеливание процесса обучения нейронных сетей
с помощью TensorFlow
Глава 14. Погружаемся глубже — механика TensorFlow
Глава 15. Классификация изображений с помощью глубоких
сверточных нейронных сетей
Глава 16. Моделирование последовательных данных с использованием
рекуррентных нейронных сетей
Глава 17. Порождающие состязательные сети для синтеза новых данных
Глава 18. Обучение с подкреплением для принятия решений
в сложных средах
Предметный указатель
Содержание