Рассел С., Норвиг П. Искусственный интеллект. Современный подход (2-е изд., 2006) (1245267), страница 3
Текст из файла (страница 3)
Фильтры Калмана Обновление гауссовых распределений Простой одномерный пример Общий случай Области применения калмановской фильтрации 15.5. Динамические байесовские сети Процедура создания сетей ОВХ Точный вероятностный вывод в сетях ОВХ Приближенный вероятностный вывод в сетях 13В!ч 15.6. Распознавание речи Звуки речи 718 719 719 720 724 725 728 731 734 734 737 738 739 743 744 746 747 752 754 758 760 16 Содержание 763 765 769 770 771 774 Слова Предложения Разработка устройства распознавания речи 15.7. Резюме Библиографические и исторические заметки Упражнения 778 ГЛАВА 16.
ПРИНЯТИЕ ПРОСТЫХ РЕШЕНИЙ 778 780 781 783 784 784 788 790 790 793 795 795 798 798 799 800 802 802 803 807 808 8!О ГЛАВА 17. ПРИНЯТИЕ СЛОЖНЫХ РЕШЕНИЙ 815 816 8!6 819 822 823 824 826 829 ! 7.1. Задачи последовательного принятия решений Пример Оптимальность в задачах последовательного принятия решений 17.2. Итерация по значениям Полезности состояний Алгоритм итерации по значениям Сходимость итерации по значениям 17.3.
Итерация по стратегиям 17.4. Марковские процессы принятия решений в частично наблюдаемых вариантах среды 17.5. Агенты, действующие на основе теории решений 17.6. Принятие решений при наличии нескольких агентов: теория игр 831 836 839 16.1. Совместный учет убеждений и желаний в условиях неопределенности 16.2. Основы теории полезности Ограничения, налагаемые на рациональные предпочтения В начале была Полезность 16.3. Функции полезности Полезность денег Шкалы полезности и оценка полезности 16.4.
Многоатрибутные функции полезности Доминирование Структура предпочтений и многоатрибутная полезность 16.5. Сети принятия решений Способы представления задачи принятия решений с помощью сети принятия решений Вычисления с помощью сетей принятия решений 16.6. Стоимость информации Простой пример Общая формула Свойства показателей стоимости информации Реализация агента, действующего на основе сбора информации 16.7. Экспертные системы, основанные на использовании теории принятия решений 16.8. Резюме Библиографические и исторические заметки Упражнения 17 Содержание 851 855 856 859 863 ЧАСТЬ У1. ОБУЧЕНИЕ 889 890 892 894 895 896 899 17.7.
Проектирование механизма 17.8. Резюме Библиографические и исторические заметки Упражнения ГЛАВА 18. ОБУЧЕНИЕ НА ОСНОВЕ НАБЛЮДЕНИЙ 18.1. Формы обучения 18.2. Индуктивное обучение 18.3. Формирование деревьев решений на основе обучения Деревья решений, рассматриваемые как производительные элементы Выразительность деревьев решений Индуктивный вывод деревьев решений на основе примеров Выбор проверок атрибутов Оценка производительности обучающего алгоритма Шум и чрезмерно тщательная подгонка Расширение области применения деревьев решений 18.4. Обучение ансамбля 18.5.
Принципы функционирования алгоритмов обучения: теория вычислительного обучения Оценка количества необходимых примеров Обучение списков решений Обсуждение полученных результатов 18.6. Резюме Библиографические и исторические заметки Упражнения ГЛАВА 19. ПРИМЕНЕНИЕ ЗНАНИЙ В ОБУЧЕНИИ 19.1. Логическая формулировка задачи обучения Примеры и гипотезы Поиск текущей наилучшей гипотезы Поиск на основе оценки наименьшего вклада 19.2. Применение знаний в обучении Некоторые простые примеры Некоторые общие схемы 19.3. Обучение на основе объяснения Извлечение общих правил из примеров Повышение эффективности правила 19.4.
Обучение с использованием информации о релевантности Определение пространства гипотез Обучение и использование информации о релевантности 19.5. Индуктивное логическое программирование Практический пример Нисходящие методы индуктивного обучения 864 864 867 870 870 872 873 877 879 880 883 884 902 902 903 905 908 913 914 915 917 919 921 923 923 924 927 928 931 18 Содержание 934 Индуктивное обучение с помощью обратной дедукции Совершение открытий с помощью индуктивного логического программирования 19.6. Резюме Библиографические и исторические заметки Упражнения 937 939 940 943 945 946 950 ГЛАВА 20.
СТАТИСТИЧЕСКИЕ МЕТОДЫ ОБУЧЕНИЯ 950 953 954 956 959 96! 962 966 969 970 971 972 973 975 976 977 979 980 985 990 991 995 998 1000 1005 ГЛАВА 21. ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ 10!О 10 ГО 1012 !О!4 1015 21.1. Введение 21.2. Пассивное обучение с подкреплением Непосредственная оценка полезности Адаптивное динамическое программирование 20.1. Статистическое обучение 20.2. Обучение с помощью полных данных Обучение параметрам с помощью метода максимального правдоподобия: дискретные модели Наивные байесовские модели Обучение параметрам с максимальным правдоподобием: непрерывные модели Обучение байесовским параметрам Определение путем обучения структур байесовских сетей 20.3.
Обучение с помощью скрытых переменных: алгоритм ЕМ Неконтролируемая кластеризация: определение в процессе обучения смешанных гауссовых распределений Обучение байесовских сетей со скрытыми переменными Обучение скрытых марковских моделей Общая форма алгоритма ЕМ Определение с помощью обучения структур байесовских сетей со скрытыми переменными 20 4.
Обучение на основе экземпляра Модели ближайшего соседа Ядерные модели 20.5. Нейронные сети Элементы в нейронных сетях Структуры сетей Однослойные нейронные сети с прямым распространением (персептроны) Многослойные нейронные сети с прямым распространением Определение в процессе обучения структур нейронных сетей 20.6.
Ядерные машины 20.7. Практический пример: распознавание рукописных цифр 20.8. Резюме Библиографические и исторические заметки Упражнения 19 Содержание 10!6 1020 102! 1025 1027 1031 1032 1033 1037 1039 1042 !045 ГЛАВА 22. ОБЩЕНИЕ 1102 1103 1106 Обучение с учетом временной разницы 21.3. Активное обучение с подкреплением Исследование среды Определение функции "действие — стоимость" с помощью обучения 21.4.
Обобщение в обучении с подкреплением Приложения методов обучения к ведению игр Применение к управлению роботами 21.5. Поиск стратегии 21.6. Резюме Библиографические и исторические заметки Упражнения ЧАСТЬ Уц. ОБЩЕНИЕ, ВОСПРИЯТИЕ И ОСУЩЕСТВЛЕНИЕДЕЙСТВИЙ 22.1. Общение как действие Основные понятия языка Составные этапы общения 22.2. Формальная грамматика для подмножества английского языка Словарь языка Е, Грамматика языка б, 22.3. Синтаксический анализ (синтаксический разбор) Эффективный синтаксический анализ 22.4. Расширенные грамматики Субкатегоризация глагола Порождающая мощь расширенных грамматик 22.5.
Семантическая интерпретация Семантика небольшой части английского языка Время события и времена глаголов Введение кванторов Прагматическая интерпретация Применение грамматик ПСО для производства языковых конструкций 22.6. Неоднозначность и устранение неоднозначности Устранение неоднозначности 22.7. Понимание речи Разрешение ссылок Структура связной речи 22.8. Индуктивный вывод грамматики 22.9. Резюме Библиографические и исторические заметки Упражнения ГЛАВА 23. ВеРОЯтнОстнАЯ ОБРАБОткАлинтВистической инФОРмАЦии 23.1.
Вероятностные языковые модели Вероятностные контекстно-свободные грамматики 1046 1047 1048 1050 1054 1054 1055 1056 1058 1065 1068 1071 1071 1072 1074 1075 1078 1079 1080 1083 !085 1085 1087 1089 1092 1093 1097 20 Содержание 1108 РСРО 1110 1110 1114 1115 1117 1119 1121 1124 1127 1127 1132 1134 1135 1138 ГЛАВА 24. ВОСПРИЯТИЕ 1177 1180 1181 1184 1188 1188 ГЛАВА 25. РОБОтотехникА 25.1. Введение Определение с помощью обучения вероятностей для грамматики Определение с помощью обучения структуры правил для грамматики РСРО 23.2.
Информационный поиск Сравнительный анализ систем информационного поиска Совершенствование информационного поиска Способы представления результирующих наборов Создание систем информационного поиска 23.3. Извлечение информации 23.4. Машинный перевод Системы машинного перевода Статистический машинный перевод Определение с помощью обучения вероятностей для машинного перевода 23.5. Резюме Библиографические и исторические заметки Упражнения 24.1.
Введение 24.2. Формирование изображения Получение изображения без линз — камера-обскура Системы линз Свет: фотометрия формирования изображения Цвет — спектрофотометрия формирования изображения 24.3. Операции, выполняемые на первом этапе обработки изображения Обнаружение краев Сегментация изображения 24.4. Извлечение трехмерной информации Движение Бинокулярные стереоданные Градиенты текстуры Затенение Контуры 24.5. Распознавание объектов Распознавание с учетом яркости Распознавание с учетом характеристик Оценка позы 24.6.
Использование системы машинного зрения для манипулирования и передвижения 24.7. Резюме Библиографические и исторические заметки Упражнения 1141 1141 1143 1144 1145 1146 1147 1148 1150 !153 1154 1156 1158 1161 1162 1164 1168 1171 1172 1175 21 Содержание 1247 1248 !249 1250 1251 1253 1255 1258 1260 !261 1263 1266 !271 1272 1275 25.2. Аппаратное обеспечение роботов Датчики Исполнительные механизмы 25.3. Восприятие, осуществляемое роботами Локализация Составление карты Другие типы восприятия 25.4. Планирование движений Пространство конфигураций Методы декомпозиции ячеек Методы скелетирования 25.5.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
