8.4.1 規(guī)劃簡(jiǎn)介：機(jī)器人學(xué)
8.4.2 使用規(guī)劃宏：STRIPS
8.4.3 teleo?reactive規(guī)劃
8.4.4 規(guī)劃：來(lái)自NASA的例子
8.5 結(jié)語(yǔ)和參考文獻(xiàn)
8.6 習(xí)題

第9章 不確定條件下的推理
9.0 簡(jiǎn)介
9.1 基于邏輯的反繹推理
9.1.1 非單調(diào)推理邏輯
9.1.2 真值維護(hù)系統(tǒng)
9.1.3 基于最小模型的邏輯
9.1.4 集合覆蓋和基于邏輯的反繹
9.2 反繹：邏輯之外的辦法
9.2.1 Stanford確信度代數(shù)
9.2.2 模糊集推理
9.2.3 Dempster?Shafer證據(jù)理論
9.3 處理不確定性的隨機(jī)方法
9.3.1 有向圖模型：貝葉斯信念網(wǎng)絡(luò)
9.3.2 有向圖模型：d-可分
9.3.3 有向圖模型：一個(gè)推理算法
9.3.4 有向圖模型：動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)
9.3.5 馬爾可夫模型：離散馬爾可夫過(guò)程
9.3.6 馬爾可夫模型：變形
9.3.7 BBN概率建模的一階替代方案
9.4 結(jié)語(yǔ)和參考文獻(xiàn)
9.5 習(xí)題

第四部分 機(jī)器學(xué)習(xí)
第10章 基于符號(hào)的機(jī)器學(xué)習(xí)
10.0 簡(jiǎn)介
10.1 基于符號(hào)學(xué)習(xí)的框架
10.2 變形空間搜索
10.2.1 泛化操作符和概念空間
10.2.2 候選解排除算法
10.2.3 LEX：?jiǎn)l(fā)式歸納搜索
10.2.4 評(píng)估候選解排除算法
10.3 ID3決策樹(shù)歸納算法
10.3.1 自頂向下決策樹(shù)歸納
10.3.2 測(cè)試選擇的信息論方法
10.3.3 評(píng)價(jià)ID3
10.3.4 決策樹(shù)數(shù)據(jù)問(wèn)題：打包、推進(jìn)
10.4 歸納偏置和學(xué)習(xí)能力
10.4.1 歸納偏置
10.4.2 可學(xué)習(xí)性理論
10.5 知識(shí)和學(xué)習(xí)
10.5.1 Meta?DENDRAL
10.5.2 基于解釋的學(xué)習(xí)
10.5.3 EBL和知識(shí)層學(xué)習(xí)
10.5.4 類(lèi)比推理
10.6 無(wú)監(jiān)督學(xué)習(xí)
10.6.1 發(fā)現(xiàn)和無(wú)監(jiān)督學(xué)習(xí)
10.6.2 概念聚類(lèi)
10.6.3 COBWEB和分類(lèi)知識(shí)的結(jié)構(gòu)
10.7 強(qiáng)化學(xué)習(xí)
10.7.1 強(qiáng)化學(xué)習(xí)的組成部分
10.7.2 一個(gè)例子：九宮游戲
10.7.3 強(qiáng)化學(xué)習(xí)的推理算法和應(yīng)用
10.8 結(jié)語(yǔ)和參考文獻(xiàn)
10.9 習(xí)題

第11章 機(jī)器學(xué)習(xí)：連接機(jī)制
11.0 簡(jiǎn)介
11.1 連接網(wǎng)絡(luò)的基礎(chǔ)
11.2 感知機(jī)學(xué)習(xí)
11.2.1 感知機(jī)訓(xùn)練算法
11.2.2 例子：用感知機(jī)網(wǎng)絡(luò)進(jìn)行分類(lèi)
11.2.3 通用delta規(guī)則
11.3 反傳學(xué)習(xí)
11.3.1 反傳算法的起源
11.3.2 反傳算法實(shí)例1：NETtalk
11.3.3 反傳算法實(shí)例2：異或
11.4 競(jìng)爭(zhēng)學(xué)習(xí)
11.4 登陸|注冊(cè)歡迎登陸本站，認(rèn)識(shí)更多朋友，獲得更多精彩內(nèi)容推薦！

 2/2   首頁(yè) 上一頁(yè) 1 2