这是Peter Norvig(1992)写的《人工智能编程范式:通用Lisp中的案例研究》一书的开放源代码存储库。

目录

  • 人工智能编程范例
    • 前事
    • 前言
  • 第一部分:常见Lisp简介
    • 1 Lisp简介
    • 2 一个简单的Lisp程序
    • 3 Lisp概述
  • 第二部分:早期的AI程序
    • 4 GPS:一般问题求解器
    • 5 Eliza:与机器对话
    • 6 建筑软件工具
    • 7 学生:解决代数词问题
    • 8 符号数学:简化程序
  • 第三部分:工具和技术
    • 9 效率问题
    • 10 低效率问题
    • 11 逻辑编程
    • 12 编译逻辑程序
    • 13 面向对象编程
    • 14 知识表示与推理
  • 第四部分:高级AI程序
    • 15 具有规范形式的符号数学
    • 16 专家系统
    • 17 通过约束满意度标注线图
    • 18 搜索和奥赛罗游戏
    • 19 自然语言导论
    • 20 统一语法
    • 21 英语语法
  • 第五部分:其余的Lisp
    • 22 方案:罕见的Lisp
    • 23 编译Lisp
    • 24 ANSI通用Lisp
    • 25 故障排除
成为VIP会员查看完整内容
PAIP-part2.pdf
PAIP-part1.pdf
0
31

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。

这本受欢迎的教科书的第一版,当代人工智能,提供了一个学生友好的人工智能介绍。这一版完全修订和扩大更新,人工智能: 介绍机器学习,第二版,保留相同的可访问性和解决问题的方法,同时提供新的材料和方法。

该书分为五个部分,重点介绍了人工智能中最有用的技术。书的第一部分涵盖了基于逻辑的方法,而第二部分着重于基于概率的方法。第三部分是涌现智能的特点,探讨了基于群体智能的进化计算和方法。接下来的最新部分将提供神经网络和深度学习的详细概述。书的最后一部分着重于自然语言的理解。

适合本科生和刚毕业的研究生,本课程测试教材为学生和其他读者提供关键的人工智能方法和算法,以解决具有挑战性的问题,涉及系统的智能行为在专门领域,如医疗和软件诊断,金融决策,语音和文本识别,遗传分析等。

https://www.routledge.com/Artificial-Intelligence-With-an-Introduction-to-Machine-Learning-Second/Neapolitan-Jiang/p/book/9781138502383

成为VIP会员查看完整内容
0
112

前言

本书的Python代码旨在演示第二版《计算agent的基础》人工智能中的一些算法,其中包含并解释了所有代码。我们遵循了以下原则:

  • 代码应该简单并且尽可能接近伪代码。我们选择了可读性而不是效率:我们尽可能地保持渐近复杂性(除非在某些情况下,更高效的代码是一个练习),但没有优化常量因素。
  • 代码应该可以工作,但它不包括所有可能的功能。缺失的部分可以用作练习。
  • 我们广泛使用列表理解、集合和字典。我们尽量不使用那些不明显的库是否合适的库。这是一种学生无需在库中进行广泛搜索就可以编写的代码。
  • 它是为Python 3.3及以上版本设计的。(不是Python 2)。你也可以使用最新的版本。我们使用一个简单的方法来跟踪代码,使用一个方法display,它类似于print,但包含一个整数display级别。然后,用户可以设置对应对象(或类)的最大display级别,从而控制print的细节量。我们尽量避免在代码中添加太多的跟踪语句。display的使用是为了使算法的未来图形显示成为可能。

目录

  • Python for Artificial Intelligence(基于Python的人工智能)
  • Agents and Control(Agents和控制)
  • Searching for Solutions(搜索解决方法)
  • Reasoning with Constraints(推理与约束)
  • Propositions and Inference(命题和推理)
  • Planning with Certainty(确定性规划)
  • Supervised Machine Learning(有监督机器学习)
  • Reasoning with Uncertainty(不确定性推理)
  • Planning with Uncertainty(不确定规划)
  • Learning with Uncertainty(不确定学习)
  • Multiagent Systems(多agent系统)
  • Reinforcement Learning(强化学习)
  • Relational Learning(关系学习)

作者介绍

David Poole,加拿大不列颠哥伦比亚大学计算机科学教授,计算智能实验室主任。2014-2015年,他是牛津大学Leverhulme Trust客座教授。他还是加拿大人工智能学会(CAIAC)2013年终身成就奖获得者,是国际人工智能促进协会(AAAI)和加拿大人工智能学会(CAIAC)Fellow。   

Alan Mackworth,加拿大不列颠哥伦比亚大学计算机科学教授。他的研究兴趣是基于约束的人工智能及其应用,被称为约束满足、机器人足球、混合系统和基于约束的Agent等研究领域的先驱。他是国际人工智能联合会议(IJCAI)公司的总裁和理事,以及IJCAI执行委员会主席;同时还担任许多编委会和程序委员会委员。他是加拿大计算机智能研究会(CSCSI)主席,还担任国际人工智能促进协会(AAAI)主席。荣获的奖励包括:ITAC/NSERC杰出学术奖.Killam研究奖,《人工智能》杂志经典论文奖,CSCSI杰出服务奖,AAAI杰出服务奖,CAIAC终身成就奖等。他是AAAI和CAIAC的Fellow,加拿大前沿科学研究院和加拿大皇家学院院士。

成为VIP会员查看完整内容
0
74

作为布尔逻辑的替代

虽然逻辑是理性推理的数学基础和计算的基本原理,但它仅限于信息既完整又确定的问题。然而,许多现实世界的问题,从金融投资到电子邮件过滤,本质上是不完整或不确定的。概率论和贝叶斯计算共同提供了一个处理不完整和不确定数据的框架。

不完全和不确定数据的决策工具和方法

贝叶斯编程强调概率是布尔逻辑的替代选择,它涵盖了为真实世界的应用程序构建概率程序的新方法。本书由设计并实现了一个高效概率推理引擎来解释贝叶斯程序的团队编写,书中提供了许多Python示例,这些示例也可以在一个补充网站上找到,该网站还提供了一个解释器,允许读者试验这种新的编程方法。

原则和建模

只需要一个基本的数学基础,本书的前两部分提出了一种新的方法来建立主观概率模型。作者介绍了贝叶斯编程的原理,并讨论了概率建模的良好实践。大量简单的例子突出了贝叶斯建模在不同领域的应用。

形式主义和算法

第三部分综合了已有的贝叶斯推理算法的工作,因为需要一个高效的贝叶斯推理引擎来自动化贝叶斯程序中的概率演算。对于想要了解贝叶斯编程的形式主义、主要的概率模型、贝叶斯推理的通用算法和学习问题的读者,本文提供了许多参考书目。

常见问题

第四部分连同词汇表包含了常见问题的答案。作者比较了贝叶斯规划和可能性理论,讨论了贝叶斯推理的计算复杂性,讨论了不完全性的不可约性,讨论了概率的主观主义和客观主义认识论。

贝叶斯计算机的第一步

创建一个完整的贝叶斯计算框架需要新的建模方法、新的推理算法、新的编程语言和新的硬件。本书着重于方法论和算法,描述了实现这一目标的第一步。它鼓励读者探索新兴领域,例如仿生计算,并开发新的编程语言和硬件架构。

成为VIP会员查看完整内容
0
165

Perkovic对使用Python编程的介绍:作为应用程序开发的重点,第二版不仅仅是对编程的介绍。这是一本包罗万象的计算机科学入门书,采用了“在正确的时间使用正确的工具”的教学方法,并侧重于应用程序开发。该方法是实践和问题导向的,与实践问题和解决方案出现在整个文本。文本是命令式的,但并不回避在适当的时候尽早讨论对象。关于用户定义类和面向对象编程的讨论将在后面的课文中出现,当学生有更多的背景知识和概念时,可以激发他们的学习动机。章节包括问题解决技术和经典算法的介绍,问题解决和编程以及将核心技能应用于应用程序开发的方法。本版本还包括在更广泛的领域中提供的示例和实践问题。另一章的案例研究是独家威利E-Text,为学生提供实际应用的概念和工具,涵盖在章节中。

成为VIP会员查看完整内容
0
46

简介:

在这本书中,从机器学习基础开始,然后继续学习神经网络,深度学习,然后是卷积神经网络。在基础和应用的混合,在MATLAB深度学习这本书中使用MATLAB作为基础编程语言和工具进行案例研究。

有了这本书,你将能够解决当今现实世界中的一些大数据、智能机器人和其它复杂的数据问题。您将看到,对于现代智能数据分析和使用来说,深度学习是机器学习中多么复杂和智能的一个方面。

你将学习

  • 使用MATLAB进行深度学习
  • 发现神经网络和多层神经网络
  • 处理卷积和池化层
  • 使用这些层构建一个MNIST示例

作者:

Phil Kim博士是一位经验丰富的MATLAB程序员。他还研究来自人工智能的大型数据集的算法以及机器学习。他曾在韩国航空航天研究所担任高级研究员。在那里,他的主要任务是开发无人驾驶飞行器的自主飞行算法和机载软件。在攻读博士期间,他开发了一个名为“Clickey”的屏幕键盘程序。

成为VIP会员查看完整内容
0
53

课程名称: Introduction to Articial Intelligence

课程简介:

本课程主要讲述了人工智能相关知识,包括基本理论、练习和项目。

课程部分大纲:

  • 人工智能导论
  • 智能体
    • 教程:Python入门
  • 通过搜索来解决问题
    • 练习1:通过搜索来解决问题
    • 项目1:搜索算法
  • 约束满足问题
    • 练习2:约束满足问题
  • 游戏对抗性搜索
    • 练习3:游戏对抗性搜索
  • 表示不确定知识
    • 练习4:不确定性下的推理(第1部分)
  • 贝叶斯网络中的推论
    • 练习5:不确定性下的推理(第二部分)
  • 随时间推移的推理(第1部分)
  • 随时间推移的推理(第2部分)

讲师介绍:

Gilles Louppe是比利时列日大学人工智能和深度学习的副教授。他曾是纽约大学物理系和数据科学中心的博士后助理,与欧洲核子研究中心的阿特拉斯实验关系密切。他的研究处于机器学习、人工智能和物理科学的交叉点上,他目前的研究兴趣包括使用和设计新的机器学习算法,以新的和变革性的方式处理来自基础科学的数据驱动的问题。

下载索引:链接:https://pan.baidu.com/s/1aUGwQx3YUWLit3RfKNNDNw;提取码:c8lc

成为VIP会员查看完整内容
0
71

前言: 目标:本课程旨在让学生对人工智能的基本概念和实践有一个坚实的(通常是有点理论性的)基础。这门课程在第一学期主要涉及符号化的人工智能,有时也被称为优秀的老式人工智能(GofAI),并在第二学期提供统计方法的基础。事实上,一个完整的基于机器学习的AI应该有专业课程,并且需要比我们在这门课程中更多的数学基础。

课程内容

目标: 使学生对人工智能领域的基本概念和实践有一个坚实的基础。该课程将基于Russell/Norvig的书《人工智能》:现代方法[RN09]

Artificial Intelligence I(第一部分): 介绍人工智能作为一个研究领域,讨论作为人工智能统一概念范式的理性代理,并涵盖问题解决、搜索、约束传播、逻辑、知识表示和规划。

Artificial Intelligence II(第二部分): 更倾向于让学生接触基于统计的人工智能的基础知识:我们从不确定性下的推理开始,用贝叶斯网络建立基础,并将其扩展到理性决策理论。在此基础上,我们介绍了机器学习的基础知识。

成为VIP会员查看完整内容
0
119

主题: C++ Primer Plus

摘要: 本书的第五版描述了ISO C++标准中所提出的语言,非正式地称为C++99和C++03。或者,有时作为C++99/03。(2003版本在很大程度上是对1999标准的技术修正,没有添加任何新的特征。)此后,C++继续发展。国际C++标准委员会刚刚批准了一个新版本的标准。这个标准在开发过程中有C++0x的非正式名称,现在它将被称为C++11。大多数现代编译器都支持C++99/03。本书中的大多数例子都符合这一标准,但是新标准的许多特征已经在一些实现中出现了,而这个版本的C++Primer-Plus探究了这些新特性。C++Primer-Plus讨论了C语言的基本原理,并给出了C++的特点,使这本书可以自如。它给出了C++的基本原理,并用简单的、易于复制和实验的点程序来说明它们。学习输入/输出(I/O),如何使程序执行重复的任务和做出选择。处理数据的许多方法,以及如何使用函数。您了解C++中添加到C的许多特性,包括以下内容:n类和对象n继承n多态性、虚拟函数和运行时类型标识(RTTI)n函数重载n引用变量n泛型或与类型无关的编程,由模板和标准模板库(STL)提供n处理错误条件的异常机制n用于管理名称的命名空间函数、类和变量的。

成为VIP会员查看完整内容
0
44

题目: 人工智能之信息检索与推荐

简介: 信息检索和推荐属于人工智能应用最成功的几个领域。几乎所有的互联网产品都包含搜索和推荐功能,用于解决通用的信息获取需求以及提供个性化服务。AMiner发布的《人工智能之信息检索与推荐》报告,分别从技术、人才等角度来介绍信息检索和推荐。

报告目录:

  • 概述篇
    • 信息检索的概念与发展
    • 信息推荐的概念与发展
    • 信息检索和信息推荐的联系和区别
  • 技术篇
    • 信息检索部分前沿技术
    • 信息推荐部分前沿技术
    • 信息检索与推荐领域相关资源
  • 人才篇
    • 学者情况概览
    • 论文介绍
  • 产业应用篇
    • 典型技术应用产品
    • 垂直引用
    • 产品推荐
    • 音乐推荐
    • 信息流推荐
  • 趋势篇
    • 发展关键词回顾
    • 技术预见
成为VIP会员查看完整内容
人工智能之信息检索与推荐.pdf
0
66
小贴士
相关论文
A Survey on Edge Intelligence
Dianlei Xu,Tong Li,Yong Li,Xiang Su,Sasu Tarkoma,Pan Hui
30+阅读 · 2020年3月26日
Mining Disinformation and Fake News: Concepts, Methods, and Recent Advancements
Kai Shu,Suhang Wang,Dongwon Lee,Huan Liu
7+阅读 · 2020年1月2日
Bernhard Schölkopf
10+阅读 · 2019年11月24日
The Measure of Intelligence
François Chollet
5+阅读 · 2019年11月5日
Runhao Zeng,Wenbing Huang,Mingkui Tan,Yu Rong,Peilin Zhao,Junzhou Huang,Chuang Gan
5+阅读 · 2019年9月7日
Learn What Not to Learn: Action Elimination with Deep Reinforcement Learning
Tom Zahavy,Matan Haroush,Nadav Merlis,Daniel J. Mankowitz,Shie Mannor
4+阅读 · 2018年9月6日
Approximability of Discriminators Implies Diversity in GANs
Yu Bai,Tengyu Ma,Andrej Risteski
4+阅读 · 2018年6月27日
Besnik Fetahu
15+阅读 · 2018年4月20日
Arthur Mensch,Mathieu Blondel
55+阅读 · 2018年2月20日
Damla Kizilay,Deniz T. Eliiyi,Pascal Van Hentenryck
3+阅读 · 2017年12月14日
Top