URSS.ru - Издательская группа URSS. Научная и учебная литература
Об издательстве Интернет-магазин Контакты Оптовикам и библиотекам Вакансии Пишите нам
КНИГИ НА РУССКОМ ЯЗЫКЕ


 
Вернуться в: Каталог  
Обложка Осипов Г.С. Лекции по искусственному интеллекту
Id: 171724
 
375 руб. Бестселлер!

Лекции по искусственному интеллекту. Изд.стереотип.

URSS. 2014. 272 с. Мягкая обложка. ISBN 978-5-397-04407-3.

 Аннотация

В основе книги лежат лекции, прочитанные автором в Московском физико-техническом институте, Московском государственном техническом университете им. Н.Э.Баумана и Российском университете дружбы народов. Рассматриваются методы представления знаний, коротко (ввиду наличия соответствующей литературы на русском языке) --- методы моделирования рассуждений; достаточно подробно изложены методы планирования и моделирования целенаправленного поведения, освещенные в русскоязычной литературе, по-видимому, впервые. Описаны методы автоматизации приобретения знаний, некоторые идеи машинного обучения и реляционно-ситуационный метод анализа текстов. На протяжении всей книги материал излагается с единых позиций. Всюду, где это возможно, привлекаются математические средства, именно в качестве средств, а не предмета изложения.

Книга может быть использована студентами, аспирантами и специалистами в области прикладной математики, информатики и информационных технологий.


 Оглавление

Предисловие
Лекция 1. Место среди других наук, первые шаги и современные направления искусственного интеллекта
 1.1.Представление знаний
 1.2.Автоматизация рассуждений
 1.3.Приобретение знаний, машинное обучение и автоматическое порождение гипотез
 1.4.Интеллектуальный анализ данных и обработка образной информации
 1.5.Многоагентные системы, динамические интеллектуальные системы и планирование
 1.6.Обработка естественного языка, пользовательский интерфейс и модели пользователя
 1.7.Нечеткие модели и мягкие вычисления
 1.8.Разработка инструментальных средств
Лекция 2. Формальные языки и формальные системы
 2.1.Язык исчисления предикатов первого порядка
 2.2.Исчисление предикатов первого порядка
 2.3.Формальные и алгебраические системы
 2.4.Интерпретация. Выводимость и истинность
Лекция 3. Представление знаний. Системы, основанные на правилах, или продукционные системы
 3.1.Правила для представления знаний
 3.2.Рабочая память
 3.3.Стратегии управления
 3.4.Разрешение конфликтного множества правил
 3.5.Пример
Лекция 4. Представление знаний. Cемантические сети и системы фреймов
 4.1.Простые и расширенные семантические сети
 4.2.Универсум Эрбрана и семантические сети
 4.3.Неоднородные семантические сети
 4.4.Отношения структурного сходства, асоциативные и каузальные отношения
 4.5.Совместность событий
 4.6.Представление знаний в системах фреймов
Лекция 5. Рассуждения. Автоматизация дедуктивных рассуждений
 5.1.Достоверные и правдоподобные рассуждения
 5.2.Автоматизация дедуктивных рассуждений. Поиск доказательств теорем методом резолюций
 5.3.Метод резолюций для исчисления высказываний
Лекция 6. Автоматизация дедуктивных рассуждений. Метод резолюций для исчисления предикатов первого порядка
 6.1.Подстановки
 6.2.Унификация
 6.3.Алгоритм унификации. Примеры
Лекция 7. Правдоподобные рассуждения. Автоматизация индуктивных расуждений
 7.1.Понятие квазиаксиоматической теории
 7.2.ДСМ -- метод индуктивного вывода
Лекция 8. Правдоподобные рассуждения. Автоматизация аргументационных рассуждений и рассуждений на основе прецедентов
 8.1.Аргументация
 8.2.Алгоритм MIRAGE
 8.3.Рассуждения на основе прецедентов
Лекция 9. Методы планирования поведения. Поиск плана в пространстве состояний
 9.1.Планирование как поиск доказательства теорем
 9.2.Планирование в пространстве состояний
Лекция 10. Методы планирования поведения. Планирование на основе удовлетворения ограничений
 10.1.Постановка задачи удовлетворения ограничений
 10.2.Синтез планов на основе техники прямого распространения ограничений
Лекция 11. Планирование на основе прецедентов
 11.1.Общая схема планирования на основе прецедентов
 11.2.Методы адаптации прецедентов
 11.3.Примеры систем планирования на основе прецедентов
Лекция 12. Методы моделирования поведения. Интеллектуальные динамические системы
 12.1.Правила
 12.2.Интеллектуальные динамические системы. Состояния и траектории
 12.3.Управляемые динамические системы, основанные на правилах
 12.4.Особенности баз знаний динамических систем, основанных на правилах
 12.5.Синтез управления для компенсации возмущений
Лекция 13. Примеры интеллектуальных динамических систем
 13.1.Описание агентов
 13.2.Функции и формулы
 13.3.Замыкание состояний. Аксиомы
 13.4.Правила. Соблюдение дистанции
 13.5.Крестообразный перекресток равнозначных однополосных дорог
 13.6.Правила переходов модели
 13.7.Правила переходов модели (для области пересечения дорог)
 13.8.Движение по попутной проезжей части
 13.9.Стратегия применения правил
 13.10.Описание эксперимента
 13.11.Модели активного корабля, станции и системы управления. Общее описание
 13.12.Параметры модели активного корабля
 13.13.Параметры модели орбитальной станции
 13.14.Параметры процесса стыковки
 13.15.Правила замыкания
 13.16.Правила переходов
 13.17.Управление. Подцели и зоны управления
 13.18.Правила выбора цели
 13.19.Правила управления
 13.20.Результаты модельного эксперимента
Лекция 14. Методы приобретения знаний
 14.1.Источники знаний для интеллектуальных систем
 14.2.Прямые методы приобретения знаний
 14.3.Семантическе связи
 14.4.Прямые методы приобретения связей. Интервью
 14.5.Прямые методы приобретения знаний. Сценарий выявления сходства
Лекция 15. Приобретение знаний из примеров
 15.1.Машинное обучение
 15.2.Индукция в обучении языкам
 15.3.Поиск
 15.4.Индуктивный характер обучения
 15.5.Полный перебор
 15.6.Эвристический поиск
 15.7.Индуктивный алгоритм построения деревьев решений (TDIDT)
 15.8.Последовательное покрытие: AQ-обучение
 15.9.Двухфазный подход
 15.10.Оценка обучающих алгоритмов
 15.11.Машинное обучение в языке исчисления предикатов первого порядка
Лекция 16. Приобретение знаний и анализ текстов
 16.1.Работы Кембриджского лингвистического кружка
 16.2.Трансформационная грамматика Хомского
 16.3.Формальная семантика Монтегю
 16.4.Семантические падежи Филлмора
 16.5.Модель "Смысл--Текст"
 16.6.Коммуникативная грамматика русского языка
 16.7.Cитуационно-реляционный анализ текста
 16.8.Морфологический и синтаксический анализ
 16.9.Категориальная семантика лексических единиц
 16.10.Установление значений синтаксем в безглагольных предложениях
 16.11.Установление отношений на множестве синтаксем
Литература

 Предисловие

В основе этой книги лежат спецкурсы, прочитанные мной в Российском университете дружбы народов, МГТУ им. Н. Э. Баумана и МФТИ. Моей целью является ознакомление читателей с основными методами искусственного интеллекта, представлением о которых, как мне кажется, должны обладать студенты, намеренные специализироваться в области прикладной математики, информатики или информационных технологий. К таковым методам следует отнести методы представления знаний, методы моделирования рассуждений, методы моделирования поведения и методы приобретения знаний.

Конечно, как перечень, так и содержание указанных разделов не претендуют на полноту и "равномерность" представления материала, хотя всё необходимое для понимания современной проблематики искусственного интеллекта в книге имеется. На отбор материала оказали существенное влияние как моё понимание того, что сегодня следует, безусловно, включить в арсенал методов искусственного интеллекта, так и мои интересы. Значительное внимание в книге уделено методам представления знаний, в частности системам правил; достаточно подробно изложены методы планирования и моделирования целенаправленного поведения, так как в литературе на русском языке эти вопросы освещены, по-видимому, впервые. Системы правил активно использованы и при изложении указанных методов. Напротив, моделированию рассуждений уделено меньше внимания, чем можно было бы -- оправданием этому является наличие на русском языке соответствующей литературы. В 14--16 лекциях описаны методы автоматизации приобретения знаний, при этом активно применяется аппарат неоднородных семантических сетей, изложенный в 4-й лекции.

На протяжении всей книги материал излагался, по возможности, с единых позиций при сохранении приемлемого уровня строгости. Всюду, где это оказалось возможным, привлекались математические средства, именно в качестве средств, а не предмета изложения.

Книга может быть использована студентами старших курсов, аспирантами и специалистами в области прикладной математики, информатики и информационных технологий.

Автор

 Об авторе

Геннадий Семенович ОСИПОВ

Доктор физико-математических наук, профессор, заместитель директора Института системного анализа РАН. Является постоянным членом Европейского координационного комитета по искусственному интеллекту (ECCAI), президентом Российской ассоциации искусственного интеллекта. Автор метода представления знаний для интеллектуальных систем -- неоднородных семантических сетей, позволяющих описывать плохо структурированные предметные области. Международное признание получил предложенный им метод прямого приобретения знаний интеллектуальными системами.

Г. С. Осипов -- один из основоположников теории интеллектуальных динамических систем -- динамических систем, параметры состояния которых описываются логическими и лингвистическими переменными, а динамика -- правилами и отношениями неколичественного характера. Предложил и развил новый метод поиска неструктурированной информации -- реляционно-ситуационный метод, позволивший реализовать эффективный анализ и релевантный поиск текстовой информации в локальных и глобальных телекоммуникационных сетях. Этот метод лег в основу семантической поисковой машины EXACTUS (www.exactus.ru).

 
© URSS 2016.

Информация о Продавце