高级人工智能 读书笔记

高级人工智能  

史忠植 3ed

教学园地 有该书 ppt  值得阅读，写得不错

参考书：

• Artificial Intelligence: Foundations of Computational Agents （online）
  
• 
  

摘选自己感兴趣章节

1 绪论

2 人工智能逻辑

公理化逻辑 = 逻辑公理 + 推理规则

2.4  非单调逻辑

background: 推理系统的定理集合并不随着推理过程的进行而单调地增大，新推出的定理很可能会否定、改变原来的一些定理，使得原来能够解释的某些现象变得不能解释

默认逻辑 default logic (Reiter)

限制逻辑 circumscription logic (McCarthy)

situation calculus 情景演算

3 约束推理

CSP: constraint satisfied problem

Pareto Optimality

question: Nash Equilibrium   vs. Pareto Optimum

3.3 约束传播

Mackworth 算法

约束搜索

my question: constraint propagate vs Graph

6 Bayes network

共轭分布

Jeffrey原则

7 归纳学习

my question: cloud computing vs 

7.7 ID3 学习算法

信息熵

8 统计学习

VC维(Vapnik-Chervonenkis dimension)

8.3 学习过程的一致性

8.5 SVM

10 Reinforcement learning

characteristics:

• trial and error search
• delayed reinforcement

Markov

10.3 dynamic programming

10.4 Monter calor

10.5 时序差分学习

10.6 Q-learning

11.5 基于密度的聚类

my question: vs 数学形态学

15 Agent

主体（agent）又称为智能代理。在计算机研究中，agent被视为一个可自治运行的（软件）实体，

agent具有以下行为特性

• 自治性，即agent自主控制自身行为，可以根据外界环境需求，agent主动
• 交互性，agent并非封闭实体，会感知外界环境变化，并执行相应调整
• 协作性，agent任务需要多个agent协作实现，agent之间进行信息通讯或会话

actor model: 一类并发程序计算模型

15.5 主体通信语言ACL

15.6 协调与协作

CPN 合同协议网，采用竞标方式分配任务，再与各个中标实体达成合同，从而实现任务的层次化分配

func agent (env) return action {
        new-state <- update-mem(state, rule, env)
        action <- next-action(new-state,rule)
        return action        
}