防詐3要訣：不聽信、不操作、掛斷電話 
人工智慧: 現代方法 (第3版/附光碟)
Artificial Intelligence: A Modern Approach (3 Ed.)
85
800680
1. 第三版內容包括從2003 年的前一版以來，在AI領域裡所發生的種種變化，包括AI技術的許多重要應用；演算法的里程碑；還有大量的理論進展，尤其在機率推理、機器學習及電腦視覺等領域。
2. 增加一階機率模型的新內容，包括物件存在具不確定性下的開放宇宙模型。
2. 增加一階機率模型的新內容，包括物件存在具不確定性下的開放宇宙模型。
內容簡介
人工智慧是一個龐大的領域，而這也是一本龐大的書。我們試圖探索這個領域的所有層面，包括邏輯、機率和連續數學；感知、推理、學習和行動；以及從微電子設備到行星探測機器人等一切鉅細問題。這本教科書之所以龐大也因為我們探討達到一定深度。
本書的副標題是「現代方法」。這個相當空洞的短語企圖表達的是，我們試圖將已知的進展整合到一個共同的框架中，而不是試圖在各自的歷史脈絡下解釋人工智慧的各個子領域。有些子領域的描述篇幅會因此變得較少，我們為此致歉，但本書仍不失為一本值得參考的好書。
產品目錄
PART I 人工智慧
1 緒論
1.1 什麼是人工智慧？
1.2 人工智慧的基礎
1.3 人工智慧的歷史
1.4 當前發展水準
1.5 總結
2 智慧型代理人
2.1 代理人和環境
2.2 好的行為表現：理性的概念
2.3 環境的本質
2.4 代理人的結構
2.5 總結
PART II 問題求解
3 用搜尋法對問題求解
3.1 問題求解代理人
3.2 範例問題
3.3 對解的搜尋
3.4 資訊的搜尋策略
3.5 有資訊（啟發式）搜尋策略
3.6 啟發函數
3.7 總結
4 進階搜尋
4.1 局部搜尋演算法和最佳化問題
4.2 連續空間的局部搜尋
4.3 不確定性行動的搜尋
4.4 使用部分觀察的搜尋
4.5 線上搜尋代理人和未知環境
4.6 總結
5 對抗搜尋
5.1 賽局
5.2 賽局的最佳化決策
5.3 ？剪枝
5.4 不完整的即時決策
5.5 隨機賽局
5.6 部分可觀察賽局
5.7 最先進的賽局程式
5.8 其他方法
5.9 總結
6 限制滿足問題
6.1 限制滿足問題的定義
6.2 限制的傳播：於CSP推理
6.3 CSP問題的回溯搜尋
6.4 CSP問題的局部搜尋
6.5 問題的結構
6.6 總結
PART III
知識、推理、規劃
7 邏輯代理人
7.1 知識型代理人
7.2 wumpus世界
7.3 邏輯
7.4 命題邏輯：一種非常簡單的邏輯
7.5 命題定理之證明
7.6 有效的命題模型檢驗
7.7 命題邏輯型代理人
7.8 總結
8 一階邏輯
8.1 表示法的回顧
8.2 一階邏輯的語法和語義
8.3 使用一階邏輯
8.4 一階邏輯的知識工程
8.5 總結
9 一階邏輯中的推理
9.1 命題與一階推理
9.2 統一和提升
9.3 前向鏈結
9.4 反向鏈結
9.5 解消
9.6 總結
10 經典規劃
10.1 經典規劃的定義
10.2 經典規劃法作為狀態空間搜尋
10.3 規劃圖
10.4 其他的經典規劃方法
10.5 規劃方法分析
10.6 總結
11 現實世界的規劃與行動
11.1 時間、排程、和資源
11.2 分層規劃
11.3 在非確定性領域中進行規劃和行動
11.4 多代理人規劃
11.5 總結
12 知識表示
12.1 本體論工程
12.2 類別和物件
12.3 事件
12.4 精神事件與精神物件
12.5 類別的推理系統
12.6 預設資訊推理
12.7 網際網路購物世界
12.8 總結
PART IV
不確定知識與推理
13 量化不確定性
13.1 不確定環境下的行動
13.2 基本機率標記法
13.3 使用全聯合分佈進行推理
13.4 獨立性
13.5 貝氏法則及其應用
13.6 重遊wumpus世界
13.7 總結
14 機率推理
14.1 不確定領域中的知識表示
14.2 貝氏網路的語意
14.3 條件分佈的有效率表示
14.4 貝氏網路中的精確推理
14.5 貝氏網路的近似推理
14.6 關連與一階機率模型
14.7 不確定推理的其他方法
14.8 總結
15 關於時間的機率推理
15.1 時間與不確定性
15.2 時序模型中的推理
15.3 隱馬可夫模型
15.4 卡爾曼濾波器
15.5 動態貝氏網路
15.6 多重目標的追蹤
15.7 總結
16 制訂簡單決策
16.1 在不確定性環境下結合信度與願望
16.2 效用理論的基礎
16.3 效用函數
16.4 多屬性效用函數
16.5 決策網路
16.6 資訊價值
16.7 決策理論的專家系統
16.8 總結
17 制訂複雜決策
17.1 循序決策問題
17.2 價值疊代
17.3 策略疊代
17.4 部分可觀察的馬可夫決策過程
17.5 多代理人的決策：賽局理論
17.6 機制設計
17.7 總結
PART V 學習
18 從實例中學習
18.1 學習的形式
18.2 受監督的學習
18.3 學習決策樹
18.4 評估與選擇最佳假設
18.5 學習的理論
18.6 線性模型的回歸與分類
18.7 人工類神經網路
18.8 無參數模型
18.9 支持向量機
18.10 集體學習
18.11 實際的機器學習
18.12 總結
19 學習中的知識
19.1 學習的邏輯公式
19.2 學習中的知識
19.3 基於解譯的學習
19.4 使用相關資訊進行學習
19.5 歸納邏輯程式設計
19.6 總結
20 學習機率模型
20.1 統計學習
20.2 完整資料下的學習
20.3 隱變數學習：EM演算法
20.4 總結
21 強化學習
21.1 緒論
21.2 被動式強化學習
21.3 主動式強化學習
21.4 強化學習中的一般化
21.5 策略搜索
21.6 強化學習問題的應用
21.7 總結
PART VI
通訊、感知與行動
22 自然語言處理
22.1 語言模型
22.2 文本分類
22.3 資訊檢索
22.4 資訊擷取
22.5 總結
23 自然語言通訊
23.1 片語結構文法
23.2 句法分析（剖析）
23.3 擴充文法和語意解釋
23.4 機器翻譯 23
23.5 語音識別
23.6 總結
24 感知
24.1 成像
24.2 初級影像處理運算
24.3 藉由外表之物體辨識
24.4 重建三維世界
24.5 從結構資訊中進行物體辨識
24.6 使用視覺
24.7 總結
25 機器人學
25.1 緒論
25.2 機器人硬體
25.3 機器人的感知
25.4 運動規劃
25.5 規劃不確定的運動
25.6 運動
25.7 機器人軟體架構
25.8 應用領域 2
25.9 總結
PART VII 結論
26 哲學基礎
26.1 弱人工智慧：機器能夠智慧地行動嗎？
26.2 強人工智慧：機器真的能夠思考嗎？
26.3 發展人工智慧的道德規範與風險
26.4 總結
27 人工智慧：現在與未來
27.1 代理人的組成部分
27.2 代理人架構
27.3 我們前進於正確方向嗎？ 2
27.4 要是人工智慧成功了？
附錄及參考書目均收錄於隨書CD
附 錄
A 數學背景
A.1 複雜度分析與O（ ）符號
A.2 向量、矩陣和線性代數
A.3 機率分布
B 關於語言與演算法的詮釋
B.1 用Backus-Naur Form（BNF）定義語言
B.2 用虛擬碼描述演算法
B.3 線上協助
參考書目
1 緒論
1.1 什麼是人工智慧？
1.2 人工智慧的基礎
1.3 人工智慧的歷史
1.4 當前發展水準
1.5 總結
2 智慧型代理人
2.1 代理人和環境
2.2 好的行為表現：理性的概念
2.3 環境的本質
2.4 代理人的結構
2.5 總結
PART II 問題求解
3 用搜尋法對問題求解
3.1 問題求解代理人
3.2 範例問題
3.3 對解的搜尋
3.4 資訊的搜尋策略
3.5 有資訊（啟發式）搜尋策略
3.6 啟發函數
3.7 總結
4 進階搜尋
4.1 局部搜尋演算法和最佳化問題
4.2 連續空間的局部搜尋
4.3 不確定性行動的搜尋
4.4 使用部分觀察的搜尋
4.5 線上搜尋代理人和未知環境
4.6 總結
5 對抗搜尋
5.1 賽局
5.2 賽局的最佳化決策
5.3 ？剪枝
5.4 不完整的即時決策
5.5 隨機賽局
5.6 部分可觀察賽局
5.7 最先進的賽局程式
5.8 其他方法
5.9 總結
6 限制滿足問題
6.1 限制滿足問題的定義
6.2 限制的傳播：於CSP推理
6.3 CSP問題的回溯搜尋
6.4 CSP問題的局部搜尋
6.5 問題的結構
6.6 總結
PART III
知識、推理、規劃
7 邏輯代理人
7.1 知識型代理人
7.2 wumpus世界
7.3 邏輯
7.4 命題邏輯：一種非常簡單的邏輯
7.5 命題定理之證明
7.6 有效的命題模型檢驗
7.7 命題邏輯型代理人
7.8 總結
8 一階邏輯
8.1 表示法的回顧
8.2 一階邏輯的語法和語義
8.3 使用一階邏輯
8.4 一階邏輯的知識工程
8.5 總結
9 一階邏輯中的推理
9.1 命題與一階推理
9.2 統一和提升
9.3 前向鏈結
9.4 反向鏈結
9.5 解消
9.6 總結
10 經典規劃
10.1 經典規劃的定義
10.2 經典規劃法作為狀態空間搜尋
10.3 規劃圖
10.4 其他的經典規劃方法
10.5 規劃方法分析
10.6 總結
11 現實世界的規劃與行動
11.1 時間、排程、和資源
11.2 分層規劃
11.3 在非確定性領域中進行規劃和行動
11.4 多代理人規劃
11.5 總結
12 知識表示
12.1 本體論工程
12.2 類別和物件
12.3 事件
12.4 精神事件與精神物件
12.5 類別的推理系統
12.6 預設資訊推理
12.7 網際網路購物世界
12.8 總結
PART IV
不確定知識與推理
13 量化不確定性
13.1 不確定環境下的行動
13.2 基本機率標記法
13.3 使用全聯合分佈進行推理
13.4 獨立性
13.5 貝氏法則及其應用
13.6 重遊wumpus世界
13.7 總結
14 機率推理
14.1 不確定領域中的知識表示
14.2 貝氏網路的語意
14.3 條件分佈的有效率表示
14.4 貝氏網路中的精確推理
14.5 貝氏網路的近似推理
14.6 關連與一階機率模型
14.7 不確定推理的其他方法
14.8 總結
15 關於時間的機率推理
15.1 時間與不確定性
15.2 時序模型中的推理
15.3 隱馬可夫模型
15.4 卡爾曼濾波器
15.5 動態貝氏網路
15.6 多重目標的追蹤
15.7 總結
16 制訂簡單決策
16.1 在不確定性環境下結合信度與願望
16.2 效用理論的基礎
16.3 效用函數
16.4 多屬性效用函數
16.5 決策網路
16.6 資訊價值
16.7 決策理論的專家系統
16.8 總結
17 制訂複雜決策
17.1 循序決策問題
17.2 價值疊代
17.3 策略疊代
17.4 部分可觀察的馬可夫決策過程
17.5 多代理人的決策：賽局理論
17.6 機制設計
17.7 總結
PART V 學習
18 從實例中學習
18.1 學習的形式
18.2 受監督的學習
18.3 學習決策樹
18.4 評估與選擇最佳假設
18.5 學習的理論
18.6 線性模型的回歸與分類
18.7 人工類神經網路
18.8 無參數模型
18.9 支持向量機
18.10 集體學習
18.11 實際的機器學習
18.12 總結
19 學習中的知識
19.1 學習的邏輯公式
19.2 學習中的知識
19.3 基於解譯的學習
19.4 使用相關資訊進行學習
19.5 歸納邏輯程式設計
19.6 總結
20 學習機率模型
20.1 統計學習
20.2 完整資料下的學習
20.3 隱變數學習：EM演算法
20.4 總結
21 強化學習
21.1 緒論
21.2 被動式強化學習
21.3 主動式強化學習
21.4 強化學習中的一般化
21.5 策略搜索
21.6 強化學習問題的應用
21.7 總結
PART VI
通訊、感知與行動
22 自然語言處理
22.1 語言模型
22.2 文本分類
22.3 資訊檢索
22.4 資訊擷取
22.5 總結
23 自然語言通訊
23.1 片語結構文法
23.2 句法分析（剖析）
23.3 擴充文法和語意解釋
23.4 機器翻譯 23
23.5 語音識別
23.6 總結
24 感知
24.1 成像
24.2 初級影像處理運算
24.3 藉由外表之物體辨識
24.4 重建三維世界
24.5 從結構資訊中進行物體辨識
24.6 使用視覺
24.7 總結
25 機器人學
25.1 緒論
25.2 機器人硬體
25.3 機器人的感知
25.4 運動規劃
25.5 規劃不確定的運動
25.6 運動
25.7 機器人軟體架構
25.8 應用領域 2
25.9 總結
PART VII 結論
26 哲學基礎
26.1 弱人工智慧：機器能夠智慧地行動嗎？
26.2 強人工智慧：機器真的能夠思考嗎？
26.3 發展人工智慧的道德規範與風險
26.4 總結
27 人工智慧：現在與未來
27.1 代理人的組成部分
27.2 代理人架構
27.3 我們前進於正確方向嗎？ 2
27.4 要是人工智慧成功了？
附錄及參考書目均收錄於隨書CD
附 錄
A 數學背景
A.1 複雜度分析與O（ ）符號
A.2 向量、矩陣和線性代數
A.3 機率分布
B 關於語言與演算法的詮釋
B.1 用Backus-Naur Form（BNF）定義語言
B.2 用虛擬碼描述演算法
B.3 線上協助
參考書目
規格
誠品貨碼 / 2681665683005
ISBN13 / 9789864639014
ISBN10 / 9864639013
EAN貨碼 / 9789864639014
頁數 / 720
開數 / 16K
注音版 / 否
裝訂 / P:平裝
語言 / 1:中文/繁體
級別 / N:無
退貨說明
退貨須知：
- 依照消費者保護法的規定，您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意！猶豫期非試用期)，辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
- 請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當，若原紙箱已遺失，請另使用其他紙箱包覆於商品原廠包裝之外，切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度，本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費；請您先確認商品正確、外觀可接受，再行拆封，以免影響您的權利；若為產品瑕疵，本公司接受退貨。
依「通訊交易解除權合理例外情事適用準則」，下列商品不適用七日猶豫期，除產品本身有瑕疵外，不接受退貨：
- 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
- 依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
- 報紙、期刊或雜誌。
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。(如:電子書)
- 已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
- 國際航空客運服務。
若您退貨時有下列情形，可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費)，或影響您的退貨權利，請您在拆封前決定是否要退貨：
- 以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
- 耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
- 衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
- 食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 家電、3C、畫作、電子閱讀器等商品，除商品本身有瑕疵外，退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
- 退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。
付款/配送
