《机器学习 实现人工智能的途径》求取 ⇩

目录1

第一部分 关于机器学习的一般论题1

第一章　机器学习概述1

1.1　引言1

1.2　机器学习的目标1

1.3　机器学习研究的分类3

1.4　机器学习的历史概况8

1.5　读者指南简介10

第二章　机器为什么应该学习14

2.1　引言14

2.2　人类学习与机器学习14

2.3　什么是学习16

2.4　一些学习程序18

2.5　大系统中知识的生长19

2.6　学习所起的作用20

2.7　结束语21

第二部分　从例子中学习23

第三章　对几种从例子中学习的方法进行分析和比较23

3.1　引言23

3.2　所选方法的比较综述28

3.3　结束语47

第四章　归纳学习的理论和方法学49

4.1 引言49

4.2　归纳学习的类型52

4.3　描述语言56

4.4　问题背景知识57

4.5　一般化规则62

4.6　STAR方法69

4.7　举例72

4.8　结束语76

附录　带注释的谓词演算（APC）77

第三部分　问题求解和在规划中学习81

第五章 通过类推进行学习：由过去的经验形成规划并加以一般化81

5.1　引言81

5.2 应用类推进行问题求解82

5.3　评价类推推理过程89

5.4　学习一般化规划90

5.5　结论性评述95

第六章 通过实验学习：获取和求精问题求解启发式96

6.1 引言96

6.2　问题96

6.3　LEX的设计98

6.4　新方向：增加知识，提高学习107

6.5　总结113

7.1　引言114

第七章　几何证明技巧的获取114

7.2　一个证明技巧的生成模型115

7.3　学习120

7.4　知识编译120

7.5　几何学习的总结131

第八章　使用证明和反驳从经验中学习133

8.1 引言133

8.2　学习周期133

8.3　五种纠正被证伪理论的启发式方法135

8.4　计算问题和实现技术142

8.5　结论145

第四部分　从观察和发现中学习146

第九章　启发式在通过发现学习中的作用：三个实例的研究146

9.1　动机146

9.2　概述147

9.3　实例研究1：AM程序；用于产生新知识的启发式149

9.4　启发式理论160

9.5　实例研究2： EURISKO程序；用于产生新启发式的启发式168

9.6　用于产生知识表示的启发式173

9.7　实例研究3：生物进化；用于产生合情突变的启发式175

9.8　结论188

第十章　BACON系统重新发现化学定律190

10.1　引言190

10.2　BACON.4概述191

10.3 BACON.4的发现193

10.4　重新发现19世纪的化学定律199

10.5　结论203

第十一章　从观察中学习：概念聚类206

11.1　引言206

11.2　概念内聚207

11.3　算法中涉及到的术语和基本操作208

11.4　聚类质量的标准214

11.5　方法及其实现215

11.6　一个实际问题的例子：构造一个西班牙民歌的分类层次结构222

11.7　总结及其扩充该方法的一些建议224

第五部分　根据示教学习226

第十二章　由建议向启发式搜索过程的机器转换226

12.1　引言226

12.2　有关的知识228

12.3　启发式搜索的不太标准的定义231

12.4　对一个给定问题，例化HSM模式234

12.5　通过在控制部分之间移动约束条件来精炼HSM240

12.6　对通用性的评价250

12.7 结束语250

附录　规则索引251

第十三章 通过被告知学习：信息管理系统知识的获取252

13.1　概述252

13.2　技术探讨：有关KLAUS的试验253

13.3　进一步的技术细节258

13.4　结论和今后工作的方向261

附录 训练NANOKLAUS学习有关航空母舰的知识262

第十四章 可示教产生式系统：回顾分析268

14.1　可示教产生式系统计划268

14.2　可示教系统的基本功能部件274

14.3　IPS的实验系统综述280

14.4　讨论289

第六部分　学习系统的应用292

第十五章　学习高效率的分类过程和它们在国际象棋残局中的应用292

15.1　引言292

15.2　归纳推理机制293

15.3　n回合输棋试验296

15.4　近似分类规则299

15.5　有关寻找属性的一些想法301

15.6　结束语303

第十六章　智能化计算机辅助教学系统中的学生模型推导304

16.1 引言304

16.2 产生一个完备的、无冗余的模型集307

16.3　处理领域知识317

16.4　结束语321

附录 SELECTIVE算法的一个例子：LMS-I的模型生成算法321

参考文献323

综合文献目录345

综合文献348

词汇表——机器学习中用到的部分术语380

主题索引387