本书在关于逻辑、搜索、学习等核心章节里集中阐述了表达的重要性。比起大多数入门级的教科书，本书引入了更多对人工智能的形式化论述，这在对语法和语义逻辑的关注中以及在关于人工智能算法计算复杂度的资料中都有所体现。最新的计算学习理论成果将作为学习方面的资料，以阐述从决策树到神经网络的各种技术。本书给出了一些机器人及软件自动化（软件机器人）实例，可以作为真实世界中人工智能的教学案例，同时广泛介绍了其他例子以突出人工智能应用的潜力和多样性。关于自然语言处理、规划、不确定性和视觉的章节，融合了已有方法，概括了挑战性领域，为进一步的研究工作描述了技术发展前景。本书无意通览人工智能技术，对于诸如物理系统的定性推理和类比推理等主题仅简单提及，对于其他一些主题本书则比传统的教材给予了更多的重视。书中对学习、规划、概率推理进行了深入的探讨，以反映它们在本领域中其重要性的提高。关于视觉的章节（第9章）所涉及的课题对于说明在智能理解与开发人工系统（以实用而有趣的方式与世界交互）中感知的重要性是很关键的。ThomasDean是布朗大学计算机科学系的教授，主要研究领域包括时空推理、规划、机器人学、学习、概率推理。Dean教授目前正从事应用于移动机器人和工厂自动化的时态数据库系统的设计与实现工作。他是美国人工智能联合会（AAAI）的会士和执委会成员。这是一本阐述人工智能基本理论及其实际应用的教材，由三位资深的人工智能专家精心编著而成。针对机器智能系统开发中涌现出的表达与计算问题，本书介绍了最新的研究成果，并讨论了系统实现中涉及到的实际问题。作者深入探讨了用于解决学习、规划和不确定性问题的传统符号推理技术，例如演绎推理、决策树等，并介绍了神经网络、概率推理等新技术。书中出现的重要算法在每章后面都附有其LISP实现的源代码，以供读者在试验时进行参考。另外，本书还给出了丰富的人工智能应用系统的实例。本书可作为高等院校计算机、控制、机电、数学等专业人工智能课程的教材，也可供从事人工智能研究和应用的科学工作者和工程技术人员学习参考。
鄂公网安备 42010302001612号 