Professional Documents
Culture Documents
A Appendix
A Appendix
A Appendix
MỘT LAI
MÔN LỊCH TOÁN
Các nhà khoa học máy tính thường phải đối mặt với nhiệm vụ so sánh các thuật toán để xem
chúng chạy nhanh như thế nào hoặc yêu cầu bao nhiêu bộ nhớ. Có hai cách tiếp cận để thực
BENCHMARKING hiện nhiệm vụ này. Đầu tiên là đo điểm chuẩn — chạy các thuật toán trên máy tính và đo tốc
độ tính bằng giây và mức tiêu thụ bộ nhớ tính bằng byte. Cuối cùng, đây là điều thực sự quan
trọng, nhưng điểm chuẩn có thể không đạt yêu cầu vì nó quá cụ thể: nó đo lường hiệu suất của
một chương trình cụ thể được viết bằng một ngôn ngữ cụ thể, chạy trên một máy tính cụ thể,
với một trình biên dịch cụ thể và dữ liệu đầu vào cụ thể. Từ kết quả duy nhất mà điểm chuẩn
cung cấp, có thể khó dự đoán thuật toán sẽ hoạt động tốt như thế nào trên một trình biên
PHÂN TÍCH
THUẬT TOÁN
dịch, com puter hoặc tập dữ liệu khác. Cách tiếp cận thứ hai dựa trên phân tích toán học của
các thuật toán, độc lập với việc triển khai và đầu vào cụ thể, như được thảo luận bên dưới.
Chúng ta sẽ xem xét phân tích thuật toán thông qua ví dụ sau, một chương trình để tính tổng
của một dãy số:
Bước đầu tiên trong phân tích là trừu tượng hóa đầu vào, để tìm một số tham số hoặc các tham
số đặc trưng cho kích thước của đầu vào. Trong ví dụ này, đầu vào có thể được sắp xếp theo
độ dài của dãy, chúng ta sẽ gọi là n. Bước thứ hai là tóm tắt quá trình thực hiện, để tìm
một số thước đo phản ánh thời gian chạy của thuật toán nhưng không bị ràng buộc với một
trình biên dịch hoặc máy tính cụ thể. Đối với chương trình S UMMATION , đây có thể chỉ là số
dòng mã được thực thi hoặc có thể chi tiết hơn, đo lường số lượng phép bổ sung, phép gán,
tham chiếu mảng và nhánh được thực thi bởi thuật toán.
1053
Machine Translated by Google
Dù bằng cách nào thì cũng cho chúng ta đặc điểm của tổng số bước được thực hiện bởi thuật toán dưới
dạng một hàm của kích thước của đầu vào. Chúng tôi sẽ gọi đặc tính này là T (n). Nếu chúng ta đếm các
Nếu tất cả các chương trình đều đơn giản như SUMMATION, thì việc phân tích các thuật toán sẽ là
một lĩnh vực tầm thường. Nhưng hai vấn đề làm cho nó phức tạp hơn. Đầu tiên, hiếm khi tìm thấy một tham
số như n hoàn toàn đặc trưng cho số bước thực hiện của một thuật toán. Thay vào đó, điều tốt nhất chúng
ta có thể làm là tính trường hợp xấu nhất Tworst (n) hoặc trường hợp trung bình Tavg (n).
Tính toán giá trị trung bình có nghĩa là nhà phân tích phải giả định một số phân phối của các yếu tố đầu vào.
Vấn đề thứ hai là các thuật toán có xu hướng chống lại phân tích chính xác. Trong trường hợp đó,
nó là cần thiết để trở lại một gần đúng. Chúng ta nói rằng thuật toán SUMMATION là O (n), có nghĩa là
số đo của nó nhiều nhất là một lần không đổi n, với ngoại lệ có thể có một vài giá trị nhỏ của n. Chính
thức hơn,
T (n) là O (f (n)) nếu T (n) ≤ kf (n) với k nào đó, với mọi n> n0 .
ASYMPTOTIC
PHÂN TÍCH Kí hiệu O () cho chúng ta cái được gọi là phép phân tích tiệm cận. Chúng ta có thể nói không cần bàn
cãi rằng, khi n tiệm cận tiến đến vô cùng, thuật toán O (n) tốt hơn thuật toán O (n2) . Một con số
tiêu chuẩn duy nhất không thể chứng minh cho tuyên bố như vậy.
Kí hiệu O () tóm tắt dựa trên các yếu tố hằng số, điều này làm cho nó dễ sử dụng hơn, nhưng kém
chính xác hơn so với kí hiệu T (). Ví dụ, thuật toán O (n2) sẽ luôn kém hơn thuật toán O (n) về lâu
dài, nhưng nếu hai thuật toán là T (n2 + 1) và T (100n + 1000), thì O (n2) thuật toán thực sự tốt hơn
cho n <110.
Mặc dù có nhược điểm này, phân tích tiệm cận là công cụ được sử dụng rộng rãi nhất để phân tích
các thuật toán. Chính vì phân tích tóm tắt cả số lần hoạt động chính xác (bằng cách bỏ qua hệ số k
hằng số) và nội dung chính xác của đầu vào (chỉ bằng cách xem xét kích thước n của nó) nên việc phân
tích trở nên khả thi về mặt toán học. Kí hiệu O () là sự thỏa hiệp tốt giữa độ chính xác và tính dễ
phân tích.
thể. Tuy nhiên, họ không có gì để nói về việc liệu có thể có một thuật toán tốt hơn cho vấn đề này hay
LINH HOẠT
PHÂN TÍCH
không. Lĩnh vực phân tích độ phức tạp phân tích các vấn đề hơn là các thuật toán. Phép chia tổng đầu
tiên là giữa các bài toán có thể giải được trong thời gian đa thức và các bài toán không thể giải được
trong thời gian đa thức, cho dù sử dụng thuật toán nào. Lớp các bài toán đa thức — những bài có thể
giải trong thời gian O (nk) với k nào đó — được gọi là P. Chúng đôi khi được gọi là các bài toán “dễ”,
vì lớp chứa những bài toán đó với thời gian chạy như O (log n) và Trên). Nhưng nó cũng chứa những thứ
có thời gian O (n1000), vì vậy cái tên “dễ dàng” không nên hiểu theo nghĩa đen.
Một lớp bài toán quan trọng khác là NP, lớp các bài toán đa thức không xác định. Một vấn đề là
trong lớp này nếu có một số thuật toán có thể đoán một giải pháp và sau đó xác minh xem liệu đoán đó
có đúng trong thời gian đa thức hay không. Ý tưởng là nếu bạn có một số lượng lớn bộ xử lý tùy ý, để
bạn có thể thử tất cả các dự đoán cùng một lúc, hoặc bạn rất may mắn và luôn đoán đúng ngay lần đầu
Một trong những câu hỏi mở lớn nhất trong khoa học máy tính là liệu NP lớp có tương đương không
Machine Translated by Google
lên lớp P khi người ta không có sự xa xỉ về số lượng bộ xử lý vô hạn hoặc khả năng đoán toàn trí. Hầu
hết các nhà khoa học máy tính đều tin rằng P = NP; rằng các bài toán NP vốn đã khó và không có thuật
toán thời gian đa thức. Nhưng điều này chưa bao giờ được chứng minh.
Những người quan tâm đến việc quyết định xem P = NP có xem xét một lớp con của NP được gọi là
NP-HOÀN THÀNH các bài toán NP-đầy đủ hay không. Từ “hoàn thành” được sử dụng ở đây với nghĩa là “cực đoan nhất” và
do đó đề cập đến những vấn đề khó nhất trong NP của lớp. Nó đã được chứng minh rằng tất cả các bài
toán NP-đầy đủ đều nằm trong P hoặc không có bài toán nào trong số đó. Điều này làm cho lớp học thú
vị về mặt lý thuyết, nhưng lớp học cũng thú vị về mặt thực tế vì nhiều bài toán quan trọng được biết
đến là NP-đầy đủ. Một ví dụ là vấn đề thỏa mãn: cho một câu logic mệnh đề, có sự gán giá trị chân lý
cho các ký hiệu mệnh đề của câu đó có làm cho nó đúng không? Trừ khi có phép màu xảy ra và P = NP,
không có thuật toán nào giải được tất cả các bài toán thỏa mãn trong thời gian đa thức. Tuy nhiên, AI
quan tâm hơn đến việc liệu có những thuật toán nào hoạt động hiệu quả đối với các vấn đề điển hình
được rút ra từ một phân phối được xác định trước hay không; như chúng ta đã thấy trong Chương 7, có
những thuật toán như WALKSAT làm khá tốt nhiều vấn đề.
CO-NP Đồng NP là phần bù của NP, theo nghĩa là, đối với mọi vấn đề quyết định trong NP, có một vấn
đề tương ứng trong đồng NP với câu trả lời “có” và “không” được đảo ngược.
Chúng ta biết rằng P là tập con của cả NP và NP đồng, và người ta tin rằng có những vấn đề trong đồng
CO-NP-HOÀN THÀNH NP mà không nằm trong P. Các bài toán đồng NP là những bài toán khó nhất trong đồng NP.
Lớp #P (phát âm là “P nhọn”) là tập hợp các bài toán đếm tương ứng với các bài toán quyết định
trong NP. Các bài toán về quyết định có câu trả lời có hoặc không: có giải pháp nào cho công thức 3
SAT này không? Các bài toán đếm có đáp án là số nguyên: có bao nhiêu lời giải cho công thức 3-SAT
này? Trong một số trường hợp, bài toán đếm khó hơn nhiều so với bài toán quyết định. Ví dụ: việc
quyết định xem một biểu đồ hai bên có khớp hoàn hảo hay không có thể được thực hiện trong thời gian
O (VE) (trong đó biểu đồ có V đỉnh và E cạnh), nhưng bài toán đếm “đồ thị hai phần này có bao nhiêu
khớp hoàn hảo” là # P-complete, nghĩa là nó khó như bất kỳ bài toán nào trong #P và do đó ít nhất
Một lớp khác là lớp các bài toán PSPACE — những bài toán yêu cầu một lượng không gian đa thức,
ngay cả trên một máy không xác định. Người ta tin rằng các bài toán khó PSPACE tồi tệ hơn các bài
toán hoàn chỉnh NP, mặc dù nó có thể hóa ra rằng NP = PSPACE, cũng như nó có thể hóa ra rằng P = NP.
VECTOR Các nhà toán học định nghĩa một vectơ là một thành viên của không gian vectơ, nhưng chúng ta sẽ sử
dụng một định nghĩa khó hiểu hơn: vectơ là một chuỗi các giá trị có thứ tự. Ví dụ, trong không gian
hai chiều, chúng ta có các vectơ như x = 3, 4 và y = 0, 2. Chúng tôi tuân theo quy ước về ký tự mặt
đậm cho tên vectơ, mặc dù một số tác giả sử dụng mũi tên hoặc thanh trên tên: x hoặc y¯. Các phần tử
của một vectơ có thể được truy cập bằng cách sử dụng các chỉ số con: z = z1, z2,. . . , zn. Một điểm
khó hiểu: cuốn sách này tổng hợp công việc từ nhiều trường con, các trường này gọi một cách khác nhau
về chuỗi của chúng là vectơ, danh sách hoặc bộ giá trị và sử dụng nhiều ký hiệu 1, 2, [1, 2] hoặc (1, 2).
Machine Translated by Google
Hai phép toán cơ bản trên vectơ là phép cộng vectơ và phép nhân vô hướng. Phép
cộng vectơ x + y là tổng theo từng nguyên tố: x + y = 3 + 0, 4 + 2 = 3, 6. Vô hướng
phép nhân nhân mỗi phần tử với một hằng số: 5x = 5 × 3, 5 × 4 = 15, 20.
Độ dài của một vectơ được ký hiệu là | x | và được tính bằng cách lấy căn bậc hai của
tổng bình phương của các phần tử: | x | = (32 + 42) = 5. Tích x · y (còn gọi là
tích vô hướng) của hai vectơ là tổng các tích của các phần tử tương ứng, nghĩa là
x · y i xiyi, hoặc trong trường hợp cụ thể của chúng ta, x · y = 3 × 0 + 4 × 2 = 8.
= Vectơ thường được hiểu là các đoạn thẳng có hướng (mũi tên) trong một n chiều
Không gian Ơclit. Khi đó, phép cộng vectơ tương đương với việc đặt phần đuôi của một vectơ tại
đầu kia và tích x · y bằng | x | | y | cos θ, trong đó θ là góc
giữa x và y.
MATRIX
Ma trận là một mảng hình chữ nhật gồm các giá trị được sắp xếp thành các hàng và cột. Đây là
ma trận A có kích thước 3 × 4:
Chỉ mục đầu tiên của Ai, j chỉ định hàng và cột thứ hai. Trong lập trình lan guages,
Ai, j thường được viết A [i, j] hoặc A [i] [j].
Tổng của hai ma trận được xác định bằng cách cộng các phần tử tương ứng của chúng; Ví dụ
(A + B) i, j = Ai, j + Bi, j . (Tổng là không xác định nếu A và B có kích thước khác nhau.) Chúng tôi cũng có thể
định nghĩa phép nhân ma trận với một vô hướng: (cA) i, j = cAi, j . Phép nhân ma trận (
tích của hai ma trận) phức tạp hơn. Tích AB chỉ được xác định nếu A có kích thước
a × b và B có kích thước b × c (tức là, ma trận thứ hai có cùng số hàng với ma trận thứ nhất
có cột); kết quả là một ma trận có kích thước a × c. Nếu ma trận có kích thước thích hợp, thì
kết quả là
Phép nhân ma trận không có tính chất giao hoán, kể cả đối với ma trận vuông: AB = BA nói chung.
Tuy nhiên, nó là liên kết: (AB) C = A (BC). Lưu ý rằng sản phẩm chấm có thể được thể hiện bằng
số hạng của một phép chuyển vị và một phép nhân ma trận: x · y = xy.
MA TRẬN ĐƠN VỊ
Ma trận nhận dạng I có các phần tử Ii, j bằng 1 khi i = j và bằng 0 nếu không.
VẬN CHUYỂN
Nó có thuộc tính AI = A với mọi A. Sự chuyển vị của A, được viết A biến được hình thành bởi
các hàng thành cột và ngược lại, hoặc chính thức hơn, bởi A = Aj, .Sự nghịch đảo của
ĐẦU TƯ tôi, j
SINGULAR
i ma trận vuông A là ma trận vuông A 1 khác sao cho A 1với
A =ma
I.trận
Đối đơn,
nghịch đảo không tồn tại. Đối với ma trận nonsingular, nó có thể được tính trong thời gian O (n3).
Ma trận được sử dụng để giải hệ phương trình tuyến tính trong thời gian O (n3); thời gian
được tính bằng cách đảo ngược ma trận các hệ số. Hãy xem xét tập hợp các phương trình sau đây, mà
chúng tôi muốn một giải pháp trong x, y và z:
+ 2x + y - z = 8
3x - y + 2z = 11
2x + y + 2z = 3.
Machine Translated by Google
Chúng ta có thể biểu diễn hệ thống này dưới dạng phương trình ma trận A x = b, trong đó
2 1 1 x số 8
A = 3 1 2 x = y b = 11
2 1 2 , z , 3 .
Để giải A x = b, chúng ta nhân cả hai vế với A 1, thu được A 1Ax = A 1b, đơn giản hóa thành
x = A 1b. Sau khi đảo ngược A và nhân với b, chúng ta nhận được câu trả lời
x 2
x = = 3
y
z 1 .
Xác suất là một phép đo trên một tập hợp các sự kiện thỏa mãn ba tiên đề:
1. Số đo của mỗi sự kiện nằm trong khoảng từ 0 đến 1. Chúng tôi viết giá trị này là 0 ≤ P (X
= xi) ≤ 1, trong đó X là biến ngẫu nhiên đại diện cho một sự kiện và xi là các giá trị có
thể có của X. Nói chung, ngẫu nhiên các biến được ký hiệu bằng chữ hoa và giá trị của
chúng bằng chữ thường.
n
2. Số đo của cả tập là 1; đó là, i = 1 P (X = xi) = 1.
3. Xác suất của một liên hợp các sự kiện rời rạc là tổng xác suất của các sự kiện riêng lẻ;
nghĩa là, P (X = x1 X = x2) = P (X = x1) + P (X = x2), trong đó x1 và x2 là rời rạc.
Mô hình xác suất bao gồm không gian mẫu gồm các kết quả có thể có loại trừ lẫn nhau, cùng với
thước đo xác suất cho mỗi kết quả. Ví dụ: trong mô hình thời tiết ngày mai, kết quả có thể là
nắng, nhiều mây, mưa và tuyết. Một tập hợp con trong số này xuất hiện tạo thành một sự kiện. Ví
dụ, sự kiện lượng mưa là tập con bao gồm {mưa, tuyết}.
Ta sử dụng P (X) để biểu thị véc tơ của các giá trị P (X = x1),. . . , P (X = xn). Chúng tôi
n
cũng sử dụng P (xi) là chữ viết tắt của P (X = xi) và P x(x) cho P (X =i xi).
= 1
Xác suất có điều kiện P (B | A) được định nghĩa là P (B∩A) / P (A). A và B độc lập về
mặt điều kiện nếu P (B | A) = P (B) (hoặc tương đương, P (A | B) = P (A)). Đối với các biến
liên tục, có vô số giá trị và trừ khi có đột biến điểm, xác suất xác suất của bất kỳ một giá
KHẢ NĂNG LỢI NHUẬN
CHỨC NĂNG DENSITY trị nào là 0. Do đó, chúng tôi xác định một hàm mật độ xác suất, mà chúng tôi cũng ký hiệu là P
(·), nhưng có ý nghĩa hơi khác với hàm xác suất rời rạc. Hàm mật độ P (x) cho một biến ngẫu
nhiên X, có thể được coi là P (X = x), được định nghĩa trực quan bằng tỷ lệ xác suất X rơi vào
một khoảng xung quanh x, chia cho chiều rộng của khoảng thời gian, khi chiều rộng khoảng thời
gian bằng không:
Lưu ý rằng hàm mật độ xác suất có đơn vị, trong khi hàm xác suất rời rạc là không đơn vị. Ví dụ, nếu
các giá trị của X được đo bằng giây, thì mật độ được đo bằng Hz (tức là 1 / giây). Nếu các giá trị
của X là các điểm trong không gian ba chiều được đo bằng mét, thì mật độ được đo bằng 1 / m3.
GAUSSIAN
PHÂN BỔ Một trong những phân phối xác suất quan trọng nhất là phân phối Gaussian, còn được gọi là phân
phối chuẩn. Phân phối Gaussian với trung bình μ và độ lệch chuẩn ation σ (và do đó phương sai σ2)
được định nghĩa là e (x μ) 2 / (2σ2)
1
P (x) = ,
σ √2π
trong đó x là một biến liên tục trong khoảng từ ∞ đến + ∞. Với trung bình μ = 0 và phương sai σ2 =
TIÊU CHUẨN BÌNH THƯỜNG
PHÂN BỔ 1, chúng ta nhận được trường hợp đặc biệt của phân phối chuẩn chuẩn. Đối với phân phối trên vectơ x
ĐA PHƯƠNG TIỆN
GAUSSIAN
theo n chiều, có phân phối Gaussian đa biến:
1 - 1
P (x) = e 2 " (x μ) Σ 1 (x μ) "
,
(2π) n |
Σ | trong đó μ là vectơ trung bình và Σ là ma trận hiệp phương sai (xem bên dưới).
TÍCH LŨY
PHÂN BỔ Trong một chiều, chúng ta có thể xác định hàm phân phối tích lũy F (x) là
xác suất rằng một biến ngẫu nhiên sẽ nhỏ hơn x. Đối với phân phối chuẩn, đây là
x
1 z - μ
F (x) = P (z) dz = (1 + erf ( )),
2 σ √2
∞
trong đó erf (x) là cái gọi là hàm lỗi, không có biểu diễn dạng đóng.
GIỚI HẠN TRUNG TÂM
LÝ THUYẾT Định lý giới hạn trung tâm phát biểu rằng phân phối được hình thành bằng cách lấy mẫu n biến ngẫu
nhiên sâu và lấy giá trị trung bình của chúng có xu hướng thành phân phối chuẩn khi n có xu hướng đến vô
cùng. Điều này phù hợp với hầu hết mọi tập hợp các biến ngẫu nhiên, ngay cả khi chúng không hoàn toàn độc
lập, trừ khi phương sai của bất kỳ tập hợp con hữu hạn nào của các biến chiếm ưu thế so với các biến khác.
SỰ MONG ĐỢI Kỳ vọng của một biến ngẫu nhiên, E (X), là giá trị trung bình hoặc giá trị trung bình, có trọng số
theo xác suất của mỗi giá trị. Đối với một biến rời rạc, nó là:
E (X) = xi P (X = xi) .
tôi
Đối với một biến liên tục, hãy thay thế tổng bằng một tích phân trên hàm mật độ xác suất, P (x):
E (X) = xP (x) dx ,
∞
Machine Translated by Google
ROOT MEAN SQUARE Bình phương trung bình căn, RMS, của một tập hợp các giá trị (thường là các mẫu của một biến ngẫu
nhiên) là căn bậc hai của bình phương trung bình của các giá trị,
x21 + ... + x2 n
RMS (x1, .. , Xn) = .
n
ĐIỀU KIỆN Hiệp phương sai của hai biến ngẫu nhiên là kỳ vọng về tích của sự khác biệt của chúng so với giá trị
trung bình của chúng:
MA TRẬN THAY THẾ Ma trận hiệp phương sai, thường được ký hiệu là Σ, là một ma trận hiệp phương sai giữa các phần tử
của một vectơ của các biến ngẫu nhiên. Cho X = X1,. . . Xn, các mục của ma trận hiệp phương sai như
sau:
Một vài điểm khác nữa: chúng tôi sử dụng log (x) cho logarit tự nhiên, loge (x). Chúng ta sử
dụng argmaxx f (x) cho giá trị của x mà f (x) là cực đại.
Ký hiệu O () được sử dụng rộng rãi trong khoa học máy tính ngày nay lần đầu tiên được giới thiệu
trong bối cảnh lý thuyết số bởi nhà toán học người Đức PGH Bachmann (1894). Khái niệm NP-đầy đủ
được phát minh bởi Cook (1971), và phương pháp hiện đại để thiết lập sự giảm thiểu từ vấn đề này
sang vấn đề khác là do Karp (1972). Cook và Karp đều đã giành được giải thưởng Turing, danh hiệu
cao quý nhất trong ngành khoa học máy tính, cho công việc của họ.
Các công trình kinh điển về phân tích và thiết kế các thuật toán bao gồm các công trình
của Knuth (1973) và Aho, Hopcroft, và Ullman (1974); những đóng góp gần đây hơn là của Tarjan
(1983) và Cormen, Leiserson, và Rivest (1990). Những cuốn sách này tập trung vào việc thiết kế
và phân tích các thuật toán để giải quyết các vấn đề có thể hiểu được. Đối với lý thuyết về tính
hoàn chỉnh NP và các dạng khó kéo dài khác, xem Garey và Johnson (1979) hoặc Papadimitriou
(1994). Các văn bản hay về xác suất bao gồm Chung (1979), Ross (1988), và Bertsekas và Tsitsiklis (2008).
Machine Translated by Google
VÀ THUẬT TOÁN
B.1 ĐỊNH NGHĨA NGÔN NGỮ BẰNG MẪU BACKUS – NAUR (BNF)
Trong cuốn sách này, chúng tôi định nghĩa một số ngôn ngữ, bao gồm các ngôn ngữ của logic mệnh đề
(trang 243), logic bậc nhất (trang 293), và một tập hợp con của tiếng Anh (trang 899). Một guage lan chính
thức được định nghĩa là một tập hợp các chuỗi trong đó mỗi chuỗi là một chuỗi các ký hiệu. Các ngôn ngữ
chúng tôi quan tâm đến việc bao gồm một tập hợp vô hạn các chuỗi, vì vậy chúng tôi cần một cách ngắn gọn để
phân loại tập hợp đó. Chúng tôi làm điều đó với một ngữ pháp. Loại ngữ pháp cụ thể mà chúng tôi sử dụng được gọi là
KHÔNG TIẾP THEO
VĂN PHẠM
ngữ pháp không có ngữ cảnh, vì mỗi biểu thức có cùng một dạng trong bất kỳ ngữ cảnh nào. Chúng tôi viết ngữ
BACKUS – NAUR
MẪU (BNF)
pháp của mình theo một hình thức gọi là Backus – Naur form (BNF). Có bốn thành phần đối với ngữ pháp BNF:
BIỂU TƯỢNG CUỐI CÙNG • Một tập hợp các ký hiệu đầu cuối. Đây là những ký hiệu hoặc từ tạo nên chuỗi của
ngôn ngữ. Chúng có thể là các chữ cái (A, B, C, ...) hoặc các từ (a, aardvark, abacus, ...),
BẤT NGỜ
BIỂU TƯỢNG
• Một tập hợp các ký hiệu danh nghĩa phân loại các cụm từ phụ của ngôn ngữ. Đối với kỳ thi, ký hiệu danh
nghĩa Danh từ trong tiếng Anh biểu thị một tập hợp vô hạn các chuỗi
BIỂU TƯỢNG BẮT ĐẦU • Một ký hiệu bắt đầu, là ký hiệu danh nghĩa biểu thị toàn bộ
chuỗi của ngôn ngữ. Trong tiếng Anh, đây là Câu; đối với số học, nó có thể là Expr,
và đối với các ngôn ngữ lập trình thì đó là Chương trình.
• Một tập hợp các quy tắc viết lại, có dạng LHS RHS, trong đó LHS là danh nghĩa
biểu tượng và RHS là một chuỗi không hoặc nhiều ký hiệu. Đây có thể là một trong hai thiết bị đầu cuối
hoặc các ký hiệu danh nghĩa, hoặc ký hiệu, được sử dụng để biểu thị chuỗi trống.
có nghĩa là bất cứ khi nào chúng ta có hai chuỗi được phân loại là Cụm danh từ và Cụm động từ,
chúng ta có thể nối chúng lại với nhau và phân loại kết quả thành một Câu. Như một cách viết tắt,
1060
Machine Translated by Google
Đây là ngữ pháp BNF cho các biểu thức số học đơn giản:
Số Chữ số | Chữ số
Chữ số 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9
Toán tử + | - | ÷ | ×
Chúng tôi đề cập chi tiết hơn về ngôn ngữ và ngữ pháp trong Chương 22. Hãy lưu ý rằng các sách
khác sử dụng các ký hiệu hơi khác cho BNF; ví dụ: bạn có thể thấy Chữ số thay vì Chữ số cho một
danh nghĩa, 'từ' thay vì từ cho một thiết bị đầu cuối hoặc :: = thay vì trong một quy tắc.
Các thuật toán trong cuốn sách này được mô tả bằng mã giả. Hầu hết các mã giả đều quen thuộc
với người dùng các ngôn ngữ như Java, C ++ hoặc Lisp. Ở một số nơi, chúng tôi sử dụng các công
thức toán học hoặc tiếng Anh thông thường để mô tả các phần mà nếu không sẽ phức tạp hơn. Một
số đặc điểm riêng cần được lưu ý. • Các biến cố định: Chúng tôi sử dụng từ khóa Kiên trì để
nói rằng một biến được cấp một giá trị ban đầu vào lần đầu tiên một hàm được gọi và giữ lại
giá trị đó (hoặc giá trị được cấp cho nó bởi một câu lệnh gán tiếp theo) trong tất cả
các lần gọi hàm tiếp theo . Do đó, các biến liên tục giống như các biến toàn cục ở chỗ
chúng tồn tại lâu hơn một lần gọi đến hàm của chúng, nhưng chúng chỉ có thể truy cập được
trong hàm. Các chương trình tác nhân trong cuốn sách sử dụng các biến liên tục cho bộ
nhớ. Các chương trình với các biến liên tục có thể được triển khai dưới dạng các đối
tượng trong các ngôn ngữ hướng đối tượng như C ++, Java, Python và Smalltalk. Trong ngôn
ngữ chức năng, chúng có thể được thực hiện bằng cách đóng hàm trên môi trường chứa các
biến cần thiết.
• Hàm dưới dạng giá trị: Các hàm và thủ tục có tên viết hoa và các biến có tên in
nghiêng viết thường. Vì vậy, hầu hết thời gian, một lệnh gọi hàm trông giống như FN (x).
Tuy nhiên, chúng tôi cho phép giá trị của một biến là một hàm; ví dụ, nếu giá trị của
biến f là hàm căn bậc hai, thì f (9) trả về 3.
• for each: Ký hiệu “for each x in c do” có nghĩa là vòng lặp được thực hiện với
biến x ràng buộc với các phần tử liên tiếp của tập hợp c.
• Thụt lề có ý nghĩa: Thụt lề được sử dụng để đánh dấu phạm vi của một vòng lặp hoặc điều
kiện, như trong ngôn ngữ Python, và không giống như Java và C ++ (sử dụng dấu ngoặc
nhọn) hoặc Pascal và Visual Basic (sử dụng kết thúc). • Chuyển nhượng cơ cấu: Ký hiệu
”
“cặp x, y có nghĩa là phía bên phải phải
đánh giá thành bộ hai phần tử và phần tử đầu tiên được gán cho x và phần tử thứ hai cho
y. Ý tưởng tương tự được sử dụng trong “cho mỗi x, y để
theo
hoán
cặpđổi
do”hai
và biến:
có thể“x,
được
y sử y,
dụng
x
”
• Bộ tạo và năng suất: ký hiệu “bộ tạo G (x) mang lại các số” định nghĩa G là một hàm
của bộ tạo. Điều này được hiểu rõ nhất bằng một ví dụ. Đoạn mã được hiển thị trong
Machine Translated by Google
làm lợi ii
2 × i
IN (p)
Hình B.1 Ví dụ về một hàm bộ tạo và lệnh gọi của nó trong một vòng lặp.
Hình B.1 in các số 1, 2, 4 ,. . . , và không bao giờ dừng lại. Lệnh gọi đến POWERS-OF-2 trả về
một trình tạo, lần lượt nó mang lại một giá trị mỗi khi mã vòng lặp yêu cầu phần tử tiếp theo
của tập hợp. Mặc dù bộ sưu tập là vô hạn, nó được liệt kê từng phần tử một.
• Danh sách: [x, y, z] biểu thị một danh sách gồm ba phần tử. [đầu tiên | phần còn lại] biểu thị một danh sách được hình thành bởi
thêm đầu tiên vào phần còn lại của danh sách. Trong Lisp, đây là hàm khuyết điểm.
• Tập hợp: {x, y, z} biểu thị một tập hợp có ba phần tử. {x: p (x)} biểu thị tập hợp tất cả các
• Mảng bắt đầu từ 1: Trừ khi có quy định khác, chỉ số đầu tiên của mảng là 1 như bình thường
ký hiệu toán học, không phải 0, như trong Java và C.
Hầu hết các thuật toán trong cuốn sách đã được triển khai bằng Java, Lisp và Python tại kho mã trực
aima.cs.berkeley.edu
Cùng một trang Web bao gồm các hướng dẫn để gửi nhận xét, sửa chữa hoặc đề xuất để cải thiện cuốn sách
Thư mục
Các từ viết tắt sau được sử dụng cho các hội nghị và tạp chí thường được trích dẫn:
1063
Machine Translated by Google
Aarup, M., Arentoft, MM, Parrod, Y., Stader, J., và Stokes, Alekhnovich, M., Hirsch, EA và Itsykson, D. Appelt, D. (1999). Giới thiệu về thông tin ex traction.
I. (1994). OPTIMUM-AIV: Hệ thống lập kế hoạch và lập lịch (2005). Giới hạn dưới theo cấp số nhân cho thời gian chạy của CACM, 12 (3), 161–172.
trình dựa trên kiến thức cho tàu vũ trụ AIV. Trong Fox, M. và các thuật toán DPLL trên các công thức thỏa mãn.
Apt, KR (1999). Bản chất của agation chống ràng buộc. Khoa
Zweben, M. JAR, 35 (1–3), 51–72.
học máy tính lý thuyết, 221 (1–2), 179–210.
(Eds.), Lập lịch trình Dựa trên Kiến thức. Morgan Kauf
Allais, M. (1953). Le comportment de l'homme rationnel devant
mann.
la risque: phê bình des postulats et axiomes de l'´ecole Am
Apt, KR (2003). Nguyên tắc của Constraint Pro gramming. Nhà
Abney, S. (2007). Học bán giám sát cho Ngôn ngữ học tính ´ericaine. Kinh tế lượng, 21, 503–546.
xuất bản Đại học Cambridge.
toán. CRC Nhấn.
Apte´, C., Damerau, F., và Weiss, S. (1994). Tự động tìm
Abramson, B. và Yung, M. (1989). Phân chia và chinh phục dưới Allen, JF (1983). Duy trì kiến thức về các khoảng thời gian.
hiểu các quy tắc quyết định cho phân loại văn bản. Giao dịch
những ràng buộc toàn cầu: Một giải pháp cho vấn đề N-nữ hoàng. CACM, 26 (11), 832–843.
ACM trên Hệ thống Thông tin, 12, 233–251.
J. Đặt Com song song và phân tán, 6 (3), 649–662.
Allen, JF (1984). Hướng tới một lý thuyết tổng quát về ac
tion và thời gian. AIJ, 23, 123–154.
Arbuthnot, J. (1692). Của Luật Cơ hội.
Achlioptas, D. (2009). Sự thỏa mãn ngẫu nhiên. Trong Biere,
Allen, JF (1991). Thời gian và thời gian một lần nữa: Nhiều Motte, London. Bản dịch sang tiếng Anh, có phụ đề quảng cáo,
A., Heule, M., van Maaren, H., và Walsh, T.
cách để biểu thị thời gian. Int. J. Hệ thống thông minh, 6, của Huygens (1657).
(Eds.), Sổ tay về Sự hài lòng. Báo chí iOS.
341–355.
Archibald, C., Altman, A. và Shoham, Y.
Achlioptas, D., Beame, P., và Molloy, M. (2004).
(2009). Phân tích của một người chơi kép máy tính chiến
Allen, JF, Hendler, J. và Tate, A. (Eds.). (1990).
Giới hạn theo cấp số nhân cho DPLL dưới ngưỡng nghiêng thỏa
thắng. Trong IJCAI-09.
Các bài đọc trong Lập kế hoạch. Morgan Kaufmann.
mãn. Trong SODA-04.
Ariely, D. (2009). Phi lý có thể đoán trước (Phiên bản sửa
Achlioptas, D., Naor, A., và Peres, Y. (2007). Allis, L. (1988). Một cách tiếp cận dựa trên kiến thức để kết
đổi). Harper.
Về tính thỏa mãn tối đa của công thức ngẫu nhiên. nối bốn. Trò chơi được giải quyết: Trắng thắng. Luận án của
JACM, 54 (2). Mas ter, Đại học Vrije, Amsterdam. Arkin, R. (1998). Người máy dựa trên hành vi. Báo chí MIT.
Achlioptas, D. và Peres, Y. (2004). Ngưỡng cho k-SAT ngẫu Almuallim, H. và Dietterich, T. (1991). Học với nhiều tính
nhiên là 2k log 2 - o (k). J. Hội Toán học Hoa Kỳ, 17 (4), năng không liên quan. Trong AAAI-91, Vol. 2, trang 547–552. Armando, A., Carbone, R., Compagna, L., Cuel lar, J., và
947–973. Tobarra, L. (2008). Phân tích chính thức về đăng nhập một lần
trên trình duyệt web SAML 2.0: Phá vỡ quy trình đăng nhập một
Ackley, DH và Littman, ML (1991). Các hành động giữa học tập ALPAC (năm 1966). Ngôn ngữ và máy móc: Com đóng vai trò
lần dựa trên SAML cho các ứng dụng của Google. Trong FMSE
và tiến hóa. Trong Lang tấn, C., Taylor, C., Farmer, JD, và trong lĩnh vực dịch thuật và ngôn ngữ học. Kỹ thuật. trả lời.
'08: Proc. Hội thảo ACM lần thứ 6 về Các phương pháp chính
Ramussen, S. (Eds.), Nhân tạo II, trang 487–509. Addison 1416, Ủy ban Advi sory xử lý ngôn ngữ tự động của Học viện
thức trong kỹ thuật bảo mật, trang 1–10.
Wesley. Khoa học Quốc gia
sự ganh ghét. Arnauld, A. (1662). La logique, ou l'art de pener.
Chez Charles Savreux, au pied de la Tour de Nostre Dame,
Adelson-Velsky, GM, Arlazarov, VL, Bitman, AR, Zhivotovsky, Alterman, R. (1988). Lập kế hoạch thích ứng. Khoa học nhận
Paris.
AA và Uskov, AV (1970). thức, 12, 393–422.
Lập trình máy tính để chơi cờ vua. Khảo sát Toán học Nga, 25, Arora, S. (1998). Các sơ đồ xấp xỉ thời gian đa thức cho
Amarel, S. (1967). Một cách tiếp cận để giải quyết vấn đề
221–262. người bán hàng du lịch Euclid và các bài toán hình học khác.
heuristic và chứng minh định lý trong phép tính điều kiện
JACM, 45 (5), 753–782.
Adida, B. và Birbeck, M. (2008). Sơn lót RDFa. propo. Trong Hart, J. và Takasu, S.
Kỹ thuật. đại diện, W3C. (Eds.), Hệ thống và Khoa học Máy tính. Nhà xuất bản Đại học Arunachalam, R. và Sadeh, NM (2005). Các đại lý kinh doanh
Toronto. chuỗi cung ứng cạnh tranh. Nghiên cứu và ứng dụng thương mại
Agerbeck, C. và Hansen, MO (2008). Một cách tiếp cận đa tác
điện tử, Spring, 66–84.
nhân để giải quyết các vấn đề NP-đầy đủ. Amarel, S. (1968). Về các đại diện của prob lems lý luận về
Luận văn Thạc sĩ, Đại học Kỹ thuật. của Đan Mạch. các hành động. Trong Michie, D.
(Ed.), Machine Intelligence 3, Vol. 3, trang 131–171. Ashby, WR (1940). Tính thích nghi và trạng thái cân bằng.
Aggarwal, G., Goel, A., và Motwani, R. (2006). J. Khoa học Tâm thần, 86, 478–483.
Elsevier / Bắc-Hà Lan.
Đấu giá trung thực để định giá từ khóa tìm kiếm. Trong EC-06,
trang 1–7. Ashby, WR (1948). Thiết kế cho một bộ não. Kỹ thuật điện tử,
Amir, E. và Russell, SJ (2003). Lọc logic.
Trong IJCAI-03. tháng 12, 379–383.
Agichtein, E. và Gravano, L. (2003). Truy vấn cơ sở dữ liệu
văn bản để trích xuất thông tin hiệu quả. Trong Proc. Hội Ashby, WR (1952). Thiết kế cho một bộ não. Wiley.
Amit, D., Gutfreund, H. và Sompolinsky, H.
nghị IEEE về Kỹ thuật Dữ liệu. (Năm 1985). Mô hình kính quay của mạng nơ-ron. Đánh giá Phys Asimov, I. (1942). Chạy vòng quanh. Khoa học viễn tưởng đáng
ical, A 32, 1007–1018. kinh ngạc, tháng 3.
Agmon, S. (1954). Các phương pháp thư giãn cho các bất đẳng
thức tai lin. Tạp chí Toán học Canada, 6 (3), 382–392. Andersen, SK, Olesen, KG, Jensen, FV, và Jensen, F. (1989). Asimov, I. (1950). Tôi người máy. Tăng gấp đôi.
HUGIN — Lớp vỏ để xây dựng vũ trụ niềm tin Bayes cho các hệ
Astrom, KJ (1965). Kiểm soát tối ưu các quá trình quyết định
thống chuyên gia. Trong IJCAI-89, Vol. 2, trang 1080–1085.
Agre, PE và Chapman, D. (1987). Pengi: sự bổ sung của một lý Markov với ước tính trạng thái không đầy đủ.
thuyết về hoạt động. Trong IJCAI-87, trang 268–272. J. Toán học. Hậu môn. Áp dụng., 10, 174–205.
mệnh Rover Thám hiểm Sao Hỏa. Cơ sở lý thuyết. Nhà xuất bản Đại học Cầu Cấm.
Hệ thống thông minh IEEE, 19 (1), 8–12. Bacchus, F. (1990). Trình bày và Lập luận với Kiến thức Xác
suất. Báo chí MIT.
Albus, JS (1975). Một cách tiếp cận mới để kiểm soát thao Aoki, M. (1965). Kiểm soát tối ưu các hệ thống Markov có thể
tác: Bộ điều khiển khớp mô hình tiểu não (CMAC). J. Hệ thống phục vụ một phần. Viện J. Franklin, 280 (5), 367–386. Bacchus, F. và Grove, A. (1995). Các mô hình đồ họa cho sở
động, đo lường và điều khiển, 97, 270–277. thích và tiện ích. Trong UAI-95, trang 3–10.
Appel, K. và Haken, W. (1977). Mỗi bản đồ phẳng có bốn màu có Bacchus, F. và Grove, A. (1996). Sự hữu ích đóng góp vào một
Aldous, D. và Vazirani, U. (1994). Các thuật toán "Đồng hành thể thay đổi được: Phần I: Xả. Illinois J. lý thuyết quyết định định tính. Trong KR-96, trang 542–552.
cùng những người chiến thắng". Trong FOCS-94, trang 492–501. Toán., 21, 429–490.
Machine Translated by Google
Bacchus, F., Grove, A., Halpern, JY, và Koller, D. (1992). Barto, AG, Bradtke, SJ và Singh, SP (1995). Bellman, RE (1961). Quy trình kiểm soát thích ứng: Chuyến
Từ số liệu thống kê đến niềm tin. Trong AAAI-92, trang 602– Học cách hành động bằng cách sử dụng tính năng kết hợp chương trình động tham quan có hướng dẫn. Nhà xuất bản Đại học Princeton.
608. thời gian thực. AIJ, 73 (1), 81–138.
Bellman, RE (1965). Về việc áp dụng lập trình dy namic để
Bacchus, F. và van Beek, P. (1998). Trên sion chuyển đổi Barto, AG, Sutton, RS và Anderson, CW xác định cách chơi tối ưu trong cờ vua và cờ caro. PNAS, 53,
giữa các bài toán phe không nhị phân và ràng buộc nhị phân (1983). Các yếu tố thích ứng giống như nơron có thể giải 244–246.
thỏa mãn. Trong AAAI-98, trang 311–318. quyết các vấn đề khó khăn về kiểm soát học tập. IEEE Transac
Bellman, RE (1978). Giới thiệu về Trí tuệ nhân tạo: Máy tính
tions on Systems, Man and Cybernetics, 13, 834– 846.
Bacchus, F. và van Run, P. (1995). Biến thể động có thể đặt có thể suy nghĩ? Công ty xuất bản Boyd & Fraser.
hàng trong CSP. Trong CP-95, trang 258–275.
Barto, AG, Sutton, RS và Brouwer, PS
Bachmann, PGH (1894). Die analytische Zahlen theorie. BG Bellman, RE (1984). Mắt bão. Khoa học Thế giới.
(1981). Mạng tìm kiếm liên kết: Tăng cường trí nhớ liên kết
Teubner, Leipzig.
trong học tập. Biological Cy bernetics, 40 (3), 201–211.
Backus, JW (1996). Bảng điểm của câu hỏi và một phiên thay Bellman, RE và Dreyfus, SE (1962). Lập trình động ứng dụng.
đổi. Trong Wexelblat, RL (Ed.), Lịch sử Ngôn ngữ Lập trình, Nhà xuất bản Đại học Princeton.
Barwise, J. và Etchemendy, J. (1993). Bộ Lan của Logic bậc
tr. 162. Báo chí Học thuật.
nhất: Bao gồm Chương trình Macin tosh Thế giới 4.0 của Bellman, RE (1957). Lập trình năng động.
Bagnell, JA và Schneider, J. (2001). Điều khiển máy bay trực Tarski (Phiên bản sửa đổi và mở rộng lần thứ ba). Trung tâm Nhà xuất bản Đại học Princeton.
thăng tự động sử dụng phương pháp tìm kiếm băng giá tăng Nghiên cứu Ngôn ngữ và Thông tin (CSLI).
Belongie, S., Malik, J., và Puzicha, J. (2002).
cường học tập. Trong ICRA-01.
Đối sánh hình dạng và nhận dạng đối tượng bằng cách sử dụng
Baker, J. (1975). Hệ thống Rồng — Tổng quan. Giao dịch IEEE Barwise, J. và Etchemendy, J. (2002). Ngôn ngữ, Chứng minh ngữ cảnh hình dạng. PAMI, 24 (4), 509–522.
trên Acoustics; Phát biểu; và Xử lý tín hiệu, 23, 24–29. và Logic. CSLI (Đại học Chicago Press). Ben-Tal, A. và Nemirovski, A. (2001). Bài giảng về Tối ưu
Baum, E., Boneh, D., và Garrett, C. (1995). Về thuật toán di hóa lồi hiện đại: Phân tích, Thuật toán và Ứng dụng Kỹ thuật.
Baker, J. (1979). Ngữ pháp có thể huấn luyện để nhận dạng truyền. Trong COLT-95, trang 230–239. SIAM (Hiệp hội Toán học Ứng dụng và Công nghiệp).
giọng nói. Trong Tài liệu Giao tiếp Bằng lời nói cho Cuộc
Baum, E. và Haussler, D. (1989). Kích thước net nào cung cấp
họp lần thứ 97 của Hiệp hội Âm học Amer ica, trang 547–550.
tổng quát hợp lệ? Tính toán thần kinh, 1 (1), 151–160. Bengio, Y. và LeCun, Y. (2007). Mở rộng quy mô học các
thuật toán hướng tới AI. Trong Bottou, L., Chapelle, O.,
Baldi, P., Chauvin, Y., Hunkapiller, T., và Mc Clure, M. DeCoste, D., và Weston, J. (Eds.), Máy nhân cỡ lớn. Báo chí
Baum, E. và Smith, WD (1997). Một cách tiếp cận của Bayes MIT.
(1994). Mô hình Markov ẩn của thông tin trình tự sơ cấp
về mức độ liên quan trong việc chơi trò chơi. AIJ, 97 (1–2),
lôgic sinh học. PNAS, 91 (3), 1059–1063.
195–242. Bentham, J. (1823). Nguyên tắc Đạo đức và Lập pháp. Nhà
xuất bản Đại học Oxford, Oxford, Vương quốc Anh. Tác phẩm
Baum, E. và Wilczek, F. (1988). Tìm hiểu có giám sát về
Baldwin, JM (1896). Một nhân tố mới trong quá trình tiến hóa. của Orig inal xuất bản năm 1789.
phân phối xác suất bởi mạng nơ-ron.
Nhà tự nhiên học người Mỹ, 30, 441–451. Tiếp theo các trang
Trong Anderson, DZ (Ed.), Hệ thống xử lý chuyên nghiệp Berger, JO (1985). Lý thuyết Quyết định Thống kê và Phân
536–553.
thông tin thần kinh, trang 52–61. Viện Vật lý Hoa Kỳ. tích Bayes. Springer Verlag.
Bertele, U. và Brioschi, F. (1972). Lập trình dy namic Blazewicz, J., Ecker, K., Pesch, E., Schmidt, G., và Borenstein, J., Everett, B., và Feng, L. (1996).
phi. Báo chí Học thuật. Weglarz, J. (2007). Handbook on Schedul ing: Models and Điều hướng Robot di động: Hệ thống và Kỹ thuật.
Method for Advanced Planning (Sổ tay Quốc tế về Hệ thống AK Peters, Ltd.
Bertoli, P., Cimatti, A., và Roveri, M. (2001a).
Thông tin).
Tìm kiếm theo kinh nghiệm + kiểm tra mô hình tượng trưng Borenstein, J. và Koren., Y. (1991). Biểu đồ trường vectơ
Springer-Verlag New York, Inc.
= lập kế hoạch phù hợp đầy đủ. Trong IJCAI-01, trang 467– — Tránh chướng ngại vật nhanh chóng cho rô bốt di động.
472. Blei, DM, Ng, AY và Jordan, MI (2001). Giao dịch IEEE trên Robotics và Automa tion, 7 (3), 278–288.
Bertsekas, D. (1987). Lập trình động: De terministic and Block, HD, Knight, B., và Rosenblatt, F. (1962). Boser, B., Guyon, I. và Vapnik, VN (1992). Một thuật toán
Stochastic Models. Prentice-Hội trường.
Phân tích perceptron nối tiếp chuỗi bốn lớp. đào tạo cho các bộ phân loại ký quỹ tối ưu. Trong COLT-92.
Rev. Modern Physics, 34 (1), 275–282.
Bertsekas, D. và Tsitsiklis, JN (1996). Lập trình động
thần kinh. Athena Scientific. Blum, AL và Furst, M. (1995). Lập kế hoạch nhanh chóng Bosse, M., Newman, P., Leonard, J., Soika, M., Feiten, W.,
thông qua phân tích đồ thị lập kế hoạch. Trong IJCAI-95, và Teller, S. (2004). Bản địa hóa đồng thời và xây dựng
Bertsekas, D. và Tsitsiklis, JN (2008). Giới thiệu về Xác trang 1636–1642. bản đồ trong môi trường chu kỳ quy mô lớn bằng cách sử
suất (xuất bản lần thứ 2). Athena Scientific.
dụng khung tập bản đồ. Int. J.
Blum, AL và Furst, M. (1997). Lập kế hoạch nhanh chóng
Nghiên cứu về người máy, 23 (12), 1113–1139.
Bertsekas, D. và Shreve, SE (2007). Kiểm soát tối ưu thông qua phân tích đồ thị lập kế hoạch. AIJ, 90 (1–2),
Stochastic: Trường hợp thời gian rời rạc. Athena Scientific. 281– 300. Bourzutschky, M. (2006). Trò chơi cuối cùng của 7 người
với những con tốt. Ban thảo luận CCRL,
Blum, AL (1996). Các thuật toán trực tuyến trong học máy.
` kirill-kryukov.com/chess/
T = 805. thảo luận-board / viewtopic.php?
Bessiere C.
, (2006). Sự lan truyền ràng buộc. Trong Rossi, Trong Proc. Hội thảo về các thuật toán trực tuyến,
F., van Beek, P., và Walsh, T. (Eds.), Cuốn sách về Lập Dagstuhl, trang 306–325.
trình Ràng buộc. Elsevier.
Blum, AL và Mitchell, TM (1998). Combin nhập dữ liệu được
Boutilier, C. và Brafman, RI (2001). Lập kế hoạch đơn hàng
Bhar, R. và Hamori, S. (2004). Mô hình Markov ẩn: Ứng dụng gắn nhãn và không được gắn nhãn với đồng đào tạo. Trong
từng phần với các hành động tương tác đồng thời.
COLT-98, trang 92–100.
vào Kinh tế Tài chính. JAIR, 14, 105–136.
Springer. Blumer, A., Ehrenfeucht, A., Haussler, D., và War muth,
Boutilier, C., Dearden, R. và Goldszmidt, M.
M. (1989). Khả năng học hỏi và thứ nguyên Vapnik
Bibel, W. (1993). Khấu trừ: Logic tự động. (2000). Lập trình động Stochastic với các biểu diễn biến
Chervonenkis. JACM, 36 (4), 929–965.
Báo chí Học thuật. đổi dạng khuôn mặt. AIJ, 121, 49–107.
Bobrow, DG (1967). Đầu vào ngôn ngữ tự nhiên cho hệ thống
Biere, A., Heule, M., van Maaren, H., và Walsh, T. (Eds.). Boutilier, C., Reiter, R., và Price, B. (2001). Lập trình
giải quyết vấn đề trên máy tính. Trong Minsky, ML
(2009). Sổ tay về Sự hài lòng. Báo chí iOS. động Sym bolic cho MDP bậc nhất. Trong IJCAI-01, trang 467–
(Ed.), Xử lý thông tin ngữ nghĩa, trang 133– 215. MIT Press.
472.
Binder, J., Murphy, K., và Russell, SJ (1997b). Bolognesi, A. và Ciancarini, P. (2003). Lập trình máy tính
Bowling, M., Johanson, M., Burch, N., và Szafron, D.
Suy luận hiệu quả về không gian trong mạng xác suất động. của kết thúc kriegspiel: Trường hợp của KR so với k. Những
(2008). Đánh giá chiến lược trong các trò chơi mở rộng với
Trong IJCAI-97, trang 1292–1296. tiến bộ trong trò chơi máy tính 10.
lấy mẫu tầm quan trọng. Trong ICML-08.
Binford, TO (1971). Nhận thức trực quan bằng com puter. Bonet, B. (2002). Một thuật toán dựa trên lưới tối ưu
Box, GEP (1957). Hoạt động tiến hóa: Một phương pháp tăng
Bài báo được mời trình bày tại Hội nghị Điều khiển và Khoa epsilon cho các quá trình quyết định Markov có thể quan
năng suất công nghiệp. Thống kê Áp dụng, 6, 81–101.
học Hệ thống IEEE, Miami. sát được một phần. Trong ICML-02, trang 51–58.
Brachman, RJ (1979). Về trạng thái nhận thức luận của mạng Bridle, JS (1990). Giải thích xác suất của Bryson, AE và Ho, Y.-C. (1969). Đã áp dụng Opti mal
ngữ nghĩa. Trong Findler, NV kết quả đầu ra của mạng phân loại cấp tốc, với các mối Control. Blaisdell.
(Ed.), Mạng liên kết: Đại diện và quan hệ trở lại để nhận dạng mẫu thống kê. Trong Fo gelman
Buchanan, BG và Mitchell, TM (1978).
Sử dụng kiến thức bằng máy tính, trang 3–50. Aca demic Báo Souli´e, F. và H´erault, J. (Eds.), Neurocom đưa vào:
Học tập theo hướng mô hình về các quy tắc sản xuất. Trong
chí. Thuật toán, Kiến trúc và Ứng dụng.
Wa terman, DA và Hayes-Roth, F. (Eds.), Hệ thống suy luận
Springer-Verlag.
Brachman, RJ, Fikes, RE và Levesque, HJ hướng mẫu, trang 297–312. Thuộc về lý thuyết
Họp báo.
(1983). Krypton: Một cách tiếp cận chức năng để biểu diễn Briggs, R. (1985). Biểu diễn tri thức trong
cạnh bí quyết. Máy tính, 16 (10), 67–73. Tiếng Phạn và trí tuệ nhân tạo. AIMag, 6 (1), 32– Buchanan, BG, Mitchell, TM, Smith, RG và
39.
Brachman, RJ và Levesque, HJ (Eds.). (Năm 1985). Johnson, CR (1978). Các mô hình của hệ thống học tập.
Bài đọc trong Biểu diễn tri thức. Morgan Brin, D. (1998). Hiệp hội minh bạch. Perseus. Trong Encyclopedia of Computer Science and Technol ogy,
Kaufmann. Vol. 11. Dekker.
Brin, S. (1999). Trích xuất các mẫu và quan hệ
Buchanan, BG và Shortliffe, EH (Eds.).
Bradtke, SJ và Barto, AG (1996). Các thuật toán bình từ web trên toàn thế giới. Báo cáo kỹ thuật 1999-65,
Stanford InfoLab. (Năm 1984). Hệ thống chuyên gia dựa trên quy tắc: MYCIN
phương nhỏ nhất tuyến tính để học chênh lệch thời gian.
Các thử nghiệm của Lập trình Heuristic Stanford
Học máy, 22, 33–57.
Brin, S. và Page, L. (1998). Giải phẫu của một Dự án. Addison-Wesley.
Brafman, O. và Brafman, R. (2009). Sway: Sự công cụ tìm kiếm web siêu văn bản quy mô lớn. Trong Proc.
Buchanan, BG, Sutherland, GL và Feigen baum, EA (1969).
Sự lôi kéo không thể cưỡng lại của Hành vi Phi lý trí. Broadway Hội nghị Web toàn cầu lần thứ bảy.
Việc kinh doanh.
Heuristic DENDRAL: Một gam chuyên nghiệp để tạo ra các giả
Bringsjord, S. (2008). Nếu tôi đã phán xét. Ở Epstein, thuyết giải thích trong hóa học hoặc ganic. Trong Meltzer,
Brafman, RI và Domshlak, C. (2008). Từ một R., Roberts, G. và Beber, G. (Eds.), Phân tích cú pháp B., Michie, D., và
cho nhiều người: Lập kế hoạch cho nhiều tác nhân được kết hợp lỏng lẻo Kiểm tra Turing. Springer. Swann, M. (Eds.), Machine Intelligence 4, trang 209–
các hệ thống. Trong ICAPS-08, trang 28–35. 254. Nhà xuất bản Đại học Edinburgh.
Broadbent, DE (1958). Nhận thức và giao tiếp. Pergamon.
Brafman, RI và Tennenholtz, M. (2000). Một gần Buehler, M., Iagnemma, K. và Singh, S. (Eds.).
thuật toán thời gian đa thức tối ưu để học trong (Năm 2006). Thử thách lớn DARPA năm 2005:
Brooks, RA (1986). Một hệ thống kiểm soát lớp mạnh mẽ cho
một số lớp trò chơi ngẫu nhiên. AIJ, 121, 31–47. Cuộc đua Robot tuyệt vời. Springer-Verlag.
một robot di động. IEEE Journal of Robotics
Braitenberg, V. (1984). Phương tiện: Thử nghiệm trong và Tự động hóa, 2, 14–23. Bunt, HC (1985). Sự đại diện chính thức của
Tâm lý học tổng hợp. Báo chí MIT. (gần như) khái niệm liên tục. Ở Hobbs, JR và
Brooks, RA (1989). Phương pháp kỹ thuật để
Moore, RC (Eds.), Các lý thuyết chính thức của Thế giới
Bransford, J. và Johnson, M. (1973). Xem xét một số vấn đề xây dựng những sinh vật hoàn chỉnh, thông minh. Proc. SPIE—
Com monsense, chương. 2, trang 37–70. Ablex.
trong hiểu. Trong Chase, Hiệp hội Kỹ thuật Quang học Quốc tế,
WG (Ed.), Xử lý thông tin trực quan. Aca demic Báo chí. 1002, 618–625. Burgard, W., Cremers, AB, Fox, D., H¨ahnel, D.,
Lakemeyer, G., Schulz, D., Steiner, W., và Thrun,
Brooks, RA (1991). Trí thông minh mà không cần kiểm tra S. (1999). Trải nghiệm với bảo tàng tương tác
Các ký hiệu, T., Popat, AC, Xu, P., Och, FJ và Dean, lại. AIJ, 47 (1–3), 139–159. rô bốt hướng dẫn viên du lịch. AIJ, 114 (1–2), 3–55.
J. (2007). Các mô hình ngôn ngữ lớn trong máy chuyển mã.
Trong EMNLP-CoNLL-2007: Proc. 2007 Doanh Brooks, RA và Lozano-Perez, T. (1985). Một thuật toán phân Buro, M. (1995). ProbCut: Một lựa chọn hiệu quả
chia con trong không gian cấu hình để tìm đường dẫn với phần mở rộng của thuật toán alpha-beta. J. Interna tional
Hội thảo về các phương pháp thực nghiệm trong xử lý lan
phép quay. Giao dịch IEEE trên Hệ thống, Computer Chess Association, 18 (2), 71–76.
tự nhiên và tính toán học tính toán lan tự nhiên, trang
Con người và Điều khiển học, 15 (2), 224–233.
858–867. Buro, M. (2002). Cải thiện mini-max heuristic
Brown, C., Finkelstein, L., và Purdom, P. (1988). tìm kiếm bằng cách học có giám sát. AIJ, 134 (1–2), 85–
Bratko, I. (1986). Lập trình Prolog cho Artifi cial
Tìm kiếm backtrack trong sự hiện diện của đối xứng. 99.
Intelligence (ấn bản đầu tiên). Addison-Wesley.
Trong Mora, T. (Ed.), Đại số ứng dụng, Tiết tấu đại số và
Burstein, J., Leacock, C., và Swartz, R. (2001).
Bratko, I. (2001). Lập trình Prolog cho Artifi cial Mã sửa lỗi, trang 99–110.
Tự động đánh giá các bài luận và câu trả lời ngắn.
Intelligence (Phiên bản thứ ba). Addison-Wesley. Springer-Verlag.
Trong đánh giá máy tính có hỗ trợ quốc tế lần thứ năm
Bratman, ME (1987). Ý định, kế hoạch và lý do thực tế. Nhà Brown, KC (1974). Một lưu ý về sự thiên vị rõ ràng của (CAA) Hội nghị.
xuất bản Đại học Harvard. ước tính doanh thu thuần. J. Tài chính, 29, 1215–1216.
Burton, R. (2009). Về sự chắc chắn: Tin bạn
Bratman, ME (1992). Lập kế hoạch và sự ổn định Brown, PF, Cocke, J., Della Pietra, SA, Đúng ngay cả khi bạn không. Vây Grif của Thánh Martin.
ý định. Trí óc và Máy móc, 2 (1), 1–16. Della Pietra, VJ, Jelinek, F., Mercer, RL, và
Roossin, P. (1988). Một cách tiếp cận thống kê để dịch lan Buss, DM (2005). Sổ tay psy chology tiến hóa. Wiley.
Breese, JS (1992). Xây dựng niềm tin và mạng lưới quyết
guage. Trong COLING-88, trang 71–76.
định. Trí tuệ tính toán, 8 (4),
624–647. Brown, PF, Della Pietra, SA, Della Pietra, VJ, Butler, S. (1863). Darwin giữa những cỗ máy. Các
và Mercer, RL (1993). Toán học của dịch máy sta tistical: Press (Christchurch, New Zealand), ngày 13 tháng 6.
Breese, JS và Heckerman, D. (1996). Khắc phục sự cố lý
Ước lượng tham số.
thuyết quyết định: Một khuôn khổ để sửa chữa Bylander, T. (1992). Kết quả phức tạp cho nối tiếp
Ngôn ngữ học tính toán, 19 (2), 263–311.
và thử nghiệm. Trong UAI-96, trang 124–132. khả năng phân hủy. Trong AAAI-92, trang 729–734.
Brownston, L., Farrell, R., Kant, E. và Martin, N.
Breiman, L. (1996). Những người dự đoán đóng gói. Máy móc Bylander, T. (1994). Độ phức tạp tính toán
(Năm 1985). Hệ thống chuyên gia lập trình trong OPS5: An
Học tập, 24 (2), 123–140. lập kế hoạch STRIPS theo mệnh đề. AIJ, 69, 165–
giới thiệu về lập trình dựa trên quy tắc. Addison Wesley.
204.
Breiman, L., Friedman, J., Olshen, RA và Stone,
CJ (1984). Phân loại và cây hồi quy. Byrd, RH, Lu, P., Nocedal, J., và Zhu, C. (1995).
Bruce, V., Georgeson, M. và Green, P. (2003). Vi sual
Tập đoàn quốc tế Wadsworth. Một thuật toán bộ nhớ giới hạn cho giới hạn ràng buộc giới hạn
Perception: Sinh lý học, Tâm lý học và Ecol ogy. Nhà xuất
tối ưu hóa. Tạp chí SIAM về Máy tính Khoa học và Thống kê,
Brelaz, D. (1979). Các phương pháp mới để tô màu các đỉnh bản Tâm lý học.
16 (5), 1190–1208.
của một đồ thị. CACM, 22 (4), 251–256.
Bruner, JS, Goodnow, JJ và Austin, GA
Cabeza, R. và Nyberg, L. (2001). Nhận thức hình ảnh II:
Brent, RP (1973). Các thuật toán để giảm thiểu (Năm 1957). Nghiên cứu về Tư duy. Wiley.
Đánh giá thực nghiệm về 275 PET và fMRI
không có dẫn xuất. Prentice-Hội trường.
Bryant, BD và Miikkulainen, R. (2007). Acquir nhập hành vi học. J. Khoa học thần kinh nhận thức, 12, 1–47.
Bresnan, J. (1982). Đại diện tinh thần của rõ ràng thông minh với ví dụ hướng dẫn Cafarella, MJ, Halevy, A., Zhang, Y., Wang, DZ,
Quan hệ ngữ pháp. Báo chí MIT. sự phát triển thần kinh. Trong AAAI-07.
và Wu, E. (2008). Webtables: Khám phá sức mạnh
bảng trên web. Trong VLDB-2008.
Brewka, G., Dix, J., và Konolige, K. (1997). Bryce, D. và Kambhampati, S. (2007). Một rial hướng dẫn về
Nonotonic Reasoning: Một Tổng quan. CSLI Publi cation. lập kế hoạch kinh nghiệm khả năng tiếp cận dựa trên đồ thị. Calvanese, D., Lenzerini, M. và Nardi, D.
AIMag, Spring, 47–83. (1999). Hợp nhất đại diện dựa trên lớp cho các trục trặc.
JAIR, 11, 199–240.
Brickley, D. và Guha, RV (2004). RDF vocab ulary Bryce, D., Kambhampati, S. và Smith, DE
description language 1.0: RDF schema. Kỹ thuật. (Năm 2006). Lập kế hoạch heuristics đồ thị cho không gian niềm tin Campbell, MS, Hoane, AJ và Hsu, F.-H.
đại diện, W3C. Tìm kiếm. JAIR, 26, 35–99. (Năm 2002). Xanh đậm. AIJ, 134 (1–2), 57–83.
Machine Translated by Google
Canny, J. và Reif, J. (1987). Các kỹ thuật giới hạn dưới mới Charniak, E. (1996). Các ngữ pháp ngân hàng cây. Trong Nhà thờ, A. (1936). Một ghi chú trên dungsproblem Entschei.
cho các bài toán lập kế hoạch chuyển động của rô bốt. Trong AAAI-96, trang 1031–1036. JSL, 1, 40–41 và 101–102.
FOCS-87, trang 39–48.
Charniak, E. (1997). Phân tích cú pháp thống kê với ngữ pháp Nhà thờ, A. (1956). Giới thiệu về Logic Toán học. Nhà xuất
Canny, J. (1986). Một cách tiếp cận tính toán để phát hiện không có ngữ cảnh và thống kê từ. Trong AAAI 97, trang 598– bản Đại học Princeton.
cạnh. PAMI, 8, 679–698. 603.
Church, K. và Patil, R. (1982). Đối phó với sự mơ hồ về
Canny, J. (1988). Sự phức tạp của lập kế hoạch chuyển động Charniak, E. và Goldman, R. (1992). Một mô hình Bayes về chiến thuật syn hoặc cách đặt khối vào ô trên bàn. Ngôn ngữ
của robot. Báo chí MIT. công nhận kế hoạch. AIJ, 64 (1), 53–79. học Máy tính, 8 (3–4), 139– 149.
Capen, E., Clapp, R., và Campbell, W. (1971). Charniak, E. và McDermott, D. (1985). Giới thiệu về Trí tuệ
Đấu thầu cạnh tranh trong các tình huống rủi ro cao. J. nhân tạo. Addison-Wesley. Nhà thờ, K. (2004). Quá trình nói và ngôn ngữ ing: Chúng
Công nghệ Dầu khí, 23, 641–653. ta có thể sử dụng quá khứ để dự đoán tương lai. Trong Proc.
Charniak, E., Riesbeck, C., McDermott, D., và Meehan, J.
Hội nghị về Văn bản, Diễn văn và Đối thoại.
Caprara, A., Fischetti, M., và Toth, P. (1995). Một phương (1987). Chương trình trí tuệ nhân tạo ming (xuất bản lần thứ
2). Lawrence Erlbaum Associates. Church, K. và Gale, WA (1991). So sánh giữa phương pháp Good
pháp heuristic cho bài toán bao trùm tập hợp. Op erations
– Turing nâng cao và phương pháp estima đã bị xóa để ước
Research, 47, 730–743. Charniak, E. (1991). Bayesian mạng không có nước mắt. AIMag,
tính xác suất của bigram tiếng Anh. Lời nói và Ngôn ngữ Máy
12 (4), 50–63.
Carbonell, JG (1983). Phép loại suy suy luận và vai trò của tính, 5, 19–54.
nó trong việc giải quyết vấn đề. Trong AAAI-83, trang 64–69. Charniak, E. và Johnson, M. (2005). Phân tích cú pháp n-tốt
Churchland, PM và Churchland, PS (1982).
nhất từ thô đến tinh và sắp xếp lại phân biệt đối xử tối đa.
Carbonell, JG, Knoblock, CA và Minton, S. Chủ nghĩa chức năng, tính chất và tính chủ định. Trong Biro,
Trong ACL-05.
(1989). PRODIGY: Một kiến trúc tích hợp để lập kế hoạch và JI và Shahan, RW (Eds.), Mind, Brain and Function: Các bài
học tập. Báo cáo kỹ thuật CMU-CS 89-189, Khoa Khoa học Máy Chater, N. và Oaksford, M. (Eds.). (2008). Tâm trí xác suất: luận trong Triết học về Tâm trí, pp.
tính, Đại học Carnegie Mellon. Triển vọng cho khoa học nhận thức Bayes. Nhà xuất bản Đại 121–145. Nhà xuất bản Đại học Oklahoma.
học Oxford.
Churchland, PS (1986). Triết học thần kinh:
Carbonell, JR và Collins, AM (1973). Ngữ nghĩa tự nhiên Chatfield, C. (1989). Phân tích chuỗi thời gian: Giới thiệu Hướng tới một Khoa học thống nhất của Tâm trí-Bộ não.
trong trí tuệ nhân tạo. Trong IJCAI-73, trang 344–351. (xuất bản lần thứ 4). Chapman và Hall. Báo chí MIT.
Cheeseman, P. (1985). Để bảo vệ xác suất. Trong IJCAI-85, Ciancarini, P. và Wooldridge, M. (2001). Kỹ thuật phần mềm
Cardano, G. (1663). Liber de ludo aleae. Lyons. trang 1002–1009. định hướng đại lý. Springer-Verlag.
Carnap, R. (1928). Der logische Aufbau der Welt. Cheeseman, P. (1988). Một cuộc điều tra về hiểu biết máy Cimatti, A., Roveri, M., và Traverso, P. (1998).
Weltkreis-verlag. Dịch sang tiếng Anh là (Xe ngủ trưa, 1967). tính. Trí tuệ tính toán, 4 (1), 58–6. Tự động tạo các kế hoạch phổ quát dựa trên OBDD trong các
lĩnh vực không xác định. Trong AAAI-98, trang 875–881.
Carnap, R. (1948). Về ứng dụng của logic quy nạp. Nghiên cứu Cheeseman, P., Kanefsky, B. và Taylor, W.
(1991). Những vấn đề thực sự khó ở đâu. Trong IJCAI-91, Clark, A. (1998). Ở đó: Đặt Bộ não, Cơ thể và Thế giới lại
Triết học và Hiện tượng học, 8, 133–148.
trang 331–337. với nhau. Báo chí MIT.
Cheeseman, P., Self, M., Kelly, J. và Stutz, J. Clark, A. (2008). Siêu thị tâm trí: Embodi ment, Action và
Carnap, R. (1950). Cơ sở logic của Proba bility. Nhà xuất
(Năm 1988). Phân loại Bayes. Trong AAAI-88, Vol. 2, trang Cognitive Extension. Oxford Uni versity Press.
bản Đại học Chicago.
607–611.
Carroll, S. (2007). Việc tạo ra những người phù hợp nhất:
Cheeseman, P. và Stutz, J. (1996). Phân loại Bayes Clark, KL (1978). Phủ định như thất bại. Trong Gallaire, H.
DNA và Hồ sơ pháp y cuối cùng về sự tiến hóa. Cũng không tấn.
(AutoClass): Lý thuyết và kết quả. Trong Fayyad, U., Piatesky- and Minker, J. (Eds.), Logic and Data Bases, pp.
293–322. Plenum.
Shapiro, G., Smyth, P., và Uthurusamy, R. (Eds.), Những tiến
Casati, R. và Varzi, A. (1999). Các bộ phận và địa điểm: các bộ trong thu thập kiến thức Dis và Khai thác dữ liệu. Báo Clark, P. và Niblett, T. (1989). Thuật toán quy nạp CN2. Học
cấu trúc biểu diễn không gian. Báo chí MIT. chí AAAI / Báo chí MIT.
máy, 3, 261–283.
Cassandra, AR, Kaelbling, LP và Littman, ML (1994). Hoạt Chen, SF và Goodman, J. (1996). Một nghiên cứu thực nghiệm
Clark, S. và Curran, JR (2004). Phân tích cú pháp WSJ bằng
động tối ưu trong các miền ngẫu nhiên có thể quan sát được về các kỹ thuật làm mịn cho mô hình ngôn ngữ ing. Trong
cách sử dụng CCG và mô hình log-tuyến tính. Trong ACL-04,
một phần. Trong AAAI-94, trang 1023– 1028. ACL-96, trang 310–318. trang 104–111.
chế. AIJ, 41 (2), 197–222. chuyên nghiệp cho Lập trình viên làm việc.
Chomsky, N. (1957). Cấu trúc cú pháp. Mouton. Springer.
Chandra, AK và Harel, D. (1980). Các truy vấn có thể tính
Choset, H. (1996). Lập kế hoạch chuyển động dựa trên cảm Coarfa, C., Demopoulos, D., Aguirre, A., Subrama nian, D.,
toán cho cơ sở dữ liệu quan hệ. J. Khoa học máy tính và hệ
biến: Đồ thị Voronoi tổng quát phân cấp. Bằng tiến sĩ. luận và Yardi, M. (2003). 3-SAT ngẫu nhiên: Cốt truyện dày lên.
thống, 21 (2), 156–178.
án, Viện Công nghệ California. Ràng buộc, 8 (3), 243–261.
Chang, C.-L. và Lee, RC-T. (Năm 1973). Biểu tượng Logic và
Choset, H., Lynch, K., Hutchinson, S., Kantor, G., Burgard, Coates, A., Abbeel, P., và Ng, AY (2009). Ap sơ tuyển học
Chứng minh Định lý Cơ học. Báo chí Học thuật.
W., Kavraki, L., và Thrun, S. (2004). để điều khiển máy bay trực thăng. JACM, 52 (7), 97–105.
Nguyên tắc chuyển động của rô bốt: Lý thuyết, Thuật toán và
Chapman, D. (1987). Lập kế hoạch cho các mục tiêu liên hợp. Thực hiện. Báo chí MIT.
Cobham, A. (1964). Khó khăn tính toán nội tại của các hàm.
AIJ, 32 (3), 333–377.
Chung, KL (1979). Lý thuyết xác suất cơ bản với quá trình Trong Proc. 1964 Đại hội Quốc tế về Logic, Phương pháp luận
Charniak, E. (1993). Ngôn ngữ thống kê Tìm hiểu ing. Báo ngẫu nhiên (xuất bản lần thứ 3). và Triết học Khoa học, trang 24–30.
chí MIT. Springer-Verlag.
Machine Translated by Google
Cohen, PR (1995). Các phương pháp thực nghiệm cho trí Copernicus (1543). De Revolutionibus Orbium Cross, SE và Walker, E. (1994). DART: Áp dụng lập kế hoạch
thông minh nhân tạo. Báo chí MIT. Coelestium. Xin lỗi. Petreium, Nuremberg. và lập kế hoạch dựa trên kiến thức để lập kế hoạch hành
động. Trong Zweben, M. và Fox, MS
Cohen, PR và Levesque, HJ (1990). Chủ đích Cormen, TH, Leiserson, CE và Rivest, R.
(Eds.), Lập lịch thông minh, trang 711–729. Morgan
là sự lựa chọn với sự cam kết. AIJ, 42 (2–3), 213–261. (1990). Giới thiệu về Thuật toán. Báo chí MIT.
Kaufmann.
Cohen, PR, Morgan, J., và Pollack, ME (1990). Cortes, C. và Vapnik, VN (1995). Hỗ trợ vector
Cruse, DA (1986). Ngữ nghĩa từ vựng. Cambridge
Ý định trong giao tiếp. Báo chí MIT. mạng lưới. Học máy, 20, 273–297.
Báo chí trường Đại học.
Cohen, WW và Page, CD (1995). Học được điều đó trong lập Cournot, A. (Biên tập). (1838). Recherches sur les
Culberson, J. và Schaeffer, J. (1996). Đang tìm kiếm
trình logic quy nạp: Các phương pháp và Princecipes math´ematiques de la th´eorie des richesses.
với cơ sở dữ liệu mẫu. Trong những tiến bộ trong nhân tạo
các kết quả. Máy tính thế hệ mới, 13 (3–4), 369– L. Hachette, Paris.
Trí tuệ (Ghi chú bài giảng về Trí tuệ nhân tạo
409.
Bìa, T. và Thomas, J. (2006). Các yếu tố của Thuyết Infor 1081), trang 402–416. Springer-Verlag.
Cohn, AG, Bennett, B., Gooday, JM và Gotts, mation (xuất bản lần thứ 2). Wiley.
Culberson, J. và Schaeffer, J. (1998). Mẫu
N. (1997). RCC: Một phép tính để lập luận không gian chất
Cowan, JD và Sharp, DH (1988a). Lưới thần kinh. cơ sở dữ liệu. Trí tuệ tính toán, 14 (4), 318–
lượng dựa trên khu vực. GeoInformatica, 1, 275–316.
Đánh giá hàng quý về Biophysics, 21, 365–427. 334.
Collin, Z., Dechter, R. và Katz, S. (1999).
Cowan, JD và Sharp, DH (1988b). Lưới thần kinh Cullingford, RE (1981). Tích hợp các nguồn cạnh bí quyết
Sự thỏa mãn ràng buộc phân tán tự ổn định.
và trí tuệ nhân tạo. Daedalus, 117, 85–121. cho các tác vụ "hiểu" máy tính.
Tạp chí Khoa học Máy tính Lý thuyết Chicago,
Giao dịch IEEE trên hệ thống, ics Man và Cybernet (SMC),
1999 (115). Cowell, R., Dawid, AP, Lauritzen, S., và Spiegel halter,
11.
DJ (2002). Mạng xác suất và Hệ thống Ex pert. Springer.
Collins, FS, Morgan, M. và Patrinos, A. (2003).
Cummins, D. và Allen, C. (1998). Sự tiến hóa
Dự án bộ gen người: Bài học từ sinh học quy mô lớn. Khoa
của tôi. Nhà xuất bản Đại học Oxford.
học, 300 (5617), 286–290. Cox, I. (1993). Đánh giá các kỹ thuật liên kết dữ liệu
thống kê cho tương ứng chuyển động. IJCV, Cushing, W., Kambhampati, S., Mausam và Weld,
Collins, M. (1999). Mô hình thống kê hướng đầu
10, 53–66. DS (2007). Khi nào thì quy hoạch thời gian thực sự là chủ
để xử lý ngôn ngữ tự nhiên. Bằng tiến sĩ. luận án, Uni
nghĩa? Trong IJCAI-07.
versity of Pennsylvania. Cox, I. và Hingorani, SL (1994). Một sự kết hợp và đánh
giá hiệu quả của thuật toán theo dõi nhiều dấu hiệu hy Cybenko, G. (1988). Các hoạt động mạng nơ-ron có giá trị
Collins, M. và Duffy, K. (2002). Nhịp điệu thuật toán xếp
pothesis của Reid để theo dõi trực quan. Ở trong liên tục với hai lớp ẩn là đủ. Báo cáo kỹ thuật, Khoa Khoa
hạng mới để phân tích cú pháp và gắn thẻ: Nhân rời rạc
ICPR-94, Tập 1, trang 437–442. học Máy tính, Tufts
cấu trúc và perceptron được bình chọn. Trong ACL-02.
Trường đại học.
Colmerauer, A. và Roussel, P. (1993). Sự ra đời Cox, I. và Wilfong, GT (Eds.). (1990). Phương tiện robot
dị thường Au. Springer Verlag. Cybenko, G. (1989). Xấp xỉ bằng siêu tích của một hàm
của Prolog. Thông báo SIGPLAN, 28 (3), 37–52.
sigmoidal. Toán học về xe đẩy Con, Tín hiệu và Hệ thống,
Colmerauer, A. (1975). Tên khoa học: Kỹ thuật. đại diện, Cox, RT (1946). Xác suất, tần suất và kỳ vọng có thể tái
2, 303–314.
Groupe d'Intelligence Artifi cielle, Universit´e de lập được. Tạp chí Vật lý Hoa Kỳ,
14 (1), 1–13. Daganzo, C. (1979). Probit đa thức: Lý thuyết
Marseille-Luminy.
và ứng dụng của nó để dự báo nhu cầu. Thuộc về lý thuyết
Colmerauer, A., Kanoui, H., Pasero, R., và Craig, J. (1989). Giới thiệu về Robotics: Mechan ics and Họp báo.
Roussel, P. (1973). Un syst´eme de Communi cation homme – Control (ấn bản thứ 2). Addison-Wesley Pub lishing, Inc.
Dagum, P. và Luby, M. (1993). Gần đúng
machine en Franc¸ais. Rapport,
suy luận xác suất trong mạng lưới niềm tin Bayes
Groupe d'Intelligence Artificielle, Universit´e d'Aix Craik, KJ (1943). Bản chất của Giải thích.
Marseille II. là NP-cứng. AIJ, 60 (1), 141–153.
Nhà xuất bản Đại học Cambridge.
Dalal, N. và Triggs, B. (2005). Biểu đồ của các gradient
Condon, JH và Thompson, K. (1982). Belle Craswell, N., Zaragoza, H. và Robertson, SE bắt buộc để con người phát hiện. Trong CVPR, pp.
phần cứng cờ vua. Trong Clarke, MRB (Ed.), Advances
(2005). Microsoft cambridge tại trec-14: Enterprise 886–893.
trong Computer Chess 3, trang 45–54. Pergamon. theo dõi. Trong Proc. Văn bản thứ mười bốn REtrieval Confer
có lẽ. Dantzig, GB (1949). Lập trình các hoạt động interdepen
Congdon, CB, Huber, M., Kortenkamp, D., Thiếu giá thầu,
dent: II. Mô hình toán học. Kinh tế lượng rica, 17, 200–
C., Cohen, C., Huffman, S., Koss, F., Raschke,
Crauser, A., Mehlhorn, K., Meyer, U. và Sanders, 211.
U., và Weymouth, T. (1992). CARMEL so với
P. (1998). Một bản song song của Dijkstra ngắn nhất
Flakey: Sự so sánh của hai người máy. Kỹ thuật. trả lời. Darwiche, A. (2001). Điều hòa đệ quy. AIJ,
thuật toán đường dẫn. Trong Proc. Hội thảo Quốc tế lần thứ
Người tham gia Cuộc thi Robot AAAI, RC-92-01, 126, 5–41.
23 về Cơ sở Toán học của Máy tính
Hiệp hội trí tuệ nhân tạo Hoa Kỳ.
Khoa học ,, trang 722–731. Darwiche, A. và Ginsberg, ML (1992). Tổng quát về lý
Conlisk, J. (1989). Có ba biến thể trên Allais rất phong thuyết xác suất của sym bolic. Trong AAAI 92, trang 622–
Craven, M., DiPasquo, D., Freitag, D., McCallum,
phú. Tạp chí Kinh tế Hoa Kỳ, 79 (3), 392–407. 627.
A., Mitchell, TM, Nigam, K. và Slattery, S.
Connell, J. (1989). Kiến trúc Thuộc địa cho Sinh vật bề (2000). Học cách xây dựng cơ sở kiến thức từ Darwiche, A. (2009). Mô hình hóa và lập luận với
ngoài Ar. Bằng tiến sĩ. luận án, Trí tuệ nhân tạo World Wide Web. AIJ, 118 (1/2), 69–113. Các mạng Bayes. Nhà xuất bản Đại học Cambridge.
Phòng thí nghiệm, MIT. Cũng có sẵn như cổng AI Technical
Crawford, JM và Auton, LD (1993). Thử nghiệm kết quả tinh Darwin, C. (1859). Về nguồn gốc của các loài bởi
Re 1151.
thần trên điểm giao nhau về mức độ hài lòng Phương tiện chọn lọc tự nhiên. J. Murray, Luân Đôn.
Consortium, TGO (2008). Bản thể học gen các vấn đề. Trong AAAI-93, trang 21–27.
Darwin, C. (1871). Con Người. J. Murray.
dự án năm 2008. Nghiên cứu axit nucleic, 36.
Cristianini, N. và Hahn, M. (2007). Giới thiệu
Dasgupta, P., Chakrabarti, PP và de Sarkar, SC
Cook, SA (1971). Sự phức tạp của các thủ tục chứng minh to Computational Genomics: A Case Studies Ap proach. Nhà
(1994). Tác nhân tìm kiếm trong một cái cây và sự tối ưu
định lý. Trong STOC-71, trang 151–158. xuất bản Đại học Cambridge.
của sự đào sâu lặp đi lặp lại. AIJ, 71, 195–208.
Cook, SA và Mitchell, D. (1997). Tìm kiếm khó Cristianini, N. và Sch¨olkopf, B. (2002). Hỗ trợ
Davidson, D. (1980). Bài luận về Hành động và Sự kiện.
các trường hợp của vấn đề thỏa mãn: Một cuộc khảo sát. Ở trong máy vectơ và phương thức hạt nhân: Thế hệ mới của máy học.
Nhà xuất bản Đại học Oxford.
Du, D., Gu, J., và Pardalos, P. (Eds.), Các bài toán ity AIMag, 23 (3), 31–41.
thỏa mãn: Lý thuyết và ứng dụng. Người Mỹ Davies, TR (1985). Sự giống nhau. Ghi chú không chính thức
Cristianini, N. và Shawe-Taylor, J. (2000). Một
Hội Toán học. TRONG CSLI-85-4, Trung tâm Nghiên cứu Ngôn ngữ và
giới thiệu về hỗ trợ máy vectơ và các
Thông tin (CSLI).
Cooper, G. (1990). Độ phức tạp tính toán phương pháp học tập dựa trên hạt nhân. Cambridge Univer
của suy luận xác suất bằng cách sử dụng lưới niềm tin sity Press. Davies, TR và Russell, SJ (1987). Một cách tiếp cận hợp
Bayes. AIJ, 42, 393–405. lý để lập luận bằng phép loại suy. Trong IJCAI-87, Vol. 1,
Crockett, L. (1994). Kiểm tra Turing và Khung
trang 264–270.
Cooper, G. và Herskovits, E. (1992). Một người Bayes Vấn đề: Hiểu nhầm của AI về Intelli gence. Ablex.
phương pháp quy nạp mạng xác suất Davis, E. (1986). Đại diện và thu nhận kiến thức đồ họa
từ dữ liệu. Học máy, 9, 309–347. địa lý. Pitman và Morgan Kaufmann.
Croft, B., Metzler, D., và Stroham, T. (2009).
Copeland, J. (1993). Trí tuệ nhân tạo: Công cụ Tìm kiếm: Truy xuất thông tin trong thực tế. Davis, E. (1990). Đại diện của Commonsense
Giới thiệu Triết học. Blackwell. Addison Wesley. Hiểu biết. Morgan Kaufmann.
Machine Translated by Google
Davis, E. (2005). Kiến thức và giao tiếp: de Marcken, C. (1996). Ngôn ngữ không được giám sát Dechter, R. (1999). Loại bỏ nhóm: Một sự thống nhất
Một lý thuyết bậc nhất. AIJ, 166, 81–140. Thu mua. Bằng tiến sĩ. luận án, MIT. khuôn khổ cho lý luận. AIJ, 113, 41–85.
Davis, E. (2006). Tính rõ ràng của việc định lượng De Morgan, A. (1864). Về chủ nghĩa âm tiết, số IV, Dechter, R. và Pearl, J. (1985). Tổng quát hóa
qua các vùng. J. Logic và Tính toán, 16, 891– và về logic của các quan hệ. Giao dịch của chiến lược tìm kiếm ưu tiên nhất và tính tối ưu của A *.
916. JACM, 32 (3), 505–536.
Hội Triết học Cambridge, X, 331–358.
Davis, E. (2007). Lý luận vật lý. Trong van Harme lan, F., Dechter, R. và Pearl, J. (1987). Dựa trên mạng
De Raedt, L. (1992). Bản sửa đổi lý thuyết tương tác:
Lifschitz, V., và Porter, B. (Eds.), Cuốn sách Bàn tay về heuristics cho các vấn đề ràng buộc-thỏa mãn. AIJ,
Phương pháp tiếp cận lập trình logic quy nạp. Aca demic
Biểu diễn Tri thức, trang 597–620. El sevier. Báo chí. 34 (1), 1–38.
Davis, E. và Morgenstern, L. (2005). Đơn đặt hàng đầu tiên AIJ, 136 (2), 147–188.
lý thuyết về truyền thông và kế hoạch đa tác nhân. J. Dechter, R. và Mateescu, R. (2007). VÀ / HOẶC
Deale, M., Yvanovich, M., Schnitzius, D., Kautz,
Logic và Tính toán, 15 (5), 701–749. không gian tìm kiếm cho các mô hình đồ họa. AIJ, 171 (2–3),
D., Carpenter, M., Zweben, M., Davis, G., và Daun,
73–106.
Davis, KH, Biddulph, R., và Balashek, S. (1952). B. (1994). Quá trình xử lý mặt đất của tàu con thoi
Tự động nhận dạng các chữ số được nói. J. Acousti cal Hiệp hệ thống lập kế hoạch. Trong Zweben, M. và Fox, M. DeCoste, D. và Sch¨olkopf, B. (2002). Đào tạo trong các
hội Hoa Kỳ, 24 (6), 637–642. (Eds.), Lập lịch thông minh, trang 423–449. Morgan máy vectơ hỗ trợ biến thể. Học máy,
Kaufmann. 46 (1), 161–190.
Davis, M. (1957). Một chương trình máy tính cho thuật toán
Pres burger. Trong các Định lý Chứng minh (như Xong Dedekind, R. (1888). Sind und là sollen die
Dean, T., Basye, K., Chekaluk, R. và Hyun, S.
bởi Con người, Nhà logic, hoặc Máy móc), trang 215–233. Proc. Zahlen. Braunschweig, Đức.
(1990). Đối phó với sự không chắc chắn trong hệ thống kiểm soát
Học viện lôgic biểu tượng mùa hè. Phiên bản thứ hai; ngày
để điều hướng và khám phá. Trong AAAI-90, Vol. 2, Deerwester, SC, Dumais, ST, Landauer, TK,
xuất bản là năm 1960.
trang 1010–1015. Furnas, GW và Harshman, RA (1990). Lập chỉ mục bằng cách
Davis, M., Logemann, G., và Loveland, D. (1962). phân tích ngữ nghĩa tiềm ẩn. J. Hiệp hội Hoa Kỳ
Dean, T. và Boddy, M. (1988). Một phân tích về lập kế hoạch
Một chương trình máy để chứng minh định lý. CACM, 5, cho Khoa học Thông tin, 41 (6), 391–407.
phụ thuộc vào thời gian. Trong AAAI-88, trang 49–54.
394–397.
DeGroot, MH (1970). Deci thống kê tối ưu
Dean, T., Firby, RJ và Miller, D. (1990). Lập kế hoạch
Davis, M. và Putnam, H. (1960). Một chuyên gia máy tính sions. McGraw-Hill.
chical phân cấp liên quan đến thời hạn, thời gian di chuyển và
nhường lại cho lý thuyết định lượng. JACM, 7 (3), 201–
tài nguyên. Trí tuệ tính toán, 6 (1), 381– DeGroot, MH và Schervish, MJ (2001). Khả năng xác suất và
215.
398. Thống kê (xuất bản lần thứ 3). Addison Wesley.
Davis, R. và Lenat, DB (1982). Hệ thống dựa trên tri thức
Dean, T., Kaelbling, LP, Kirman, J., và Nichol son, A. DeJong, G. (1981). Khái quát hóa dựa trên các quốc gia
trong trí tuệ nhân tạo. Đồi McGraw.
(1993). Lập kế hoạch có thời hạn trong stochastic giải thích. Trong IJCAI-81, trang 67–69.
các miền. Trong AAAI-93, trang 574–579. DeJong, G. (1982). Tổng quan về FRUMP
Dayan, P. (1992). Sự hội tụ của TD (λ) cho
hệ thống. Trong Lehnert, W. và Ringle, M. (Eds.), Chiến
chung λ. Học máy, 8 (3–4), 341–362. Dean, T. và Kanazawa, K. (1989a). Một mô hình cho
lược xử lý ngôn ngữ tự nhiên, trang 149–176.
chiếu và hành động. Trong IJCAI-89, trang 985–990.
Dayan, P. và Abbott, LF (2001). Neu roscience lý thuyết: Lawrence Erlbaum.
Mod eling tính toán và toán học của hệ thống thần kinh. Dean, T. và Kanazawa, K. (1989b). Một mô hình cho
DeJong, G. và Mooney, R. (1986). Học tập dựa trên giải
Báo chí MIT. lý luận về sự bền bỉ và nhân quả. Compu tational
thích: Một quan điểm thay thế. Máy học ing, 1, 145–176.
Intelligence, 5 (3), 142–150.
Dayan, P. và Niv, Y. (2008). Sự củng cố học tập và não bộ:
Điều tốt, điều xấu và điều xấu. Dean, T., Kanazawa, K., và Shewchuk, J. (1990). Del Moral, P., Doucet, A., và Jasra, A. (2006). Se quential
Ý kiến hiện tại trong sinh học thần kinh, 18 (2), 185–196. Dự đoán, quan sát và ước tính trong lập kế hoạch Monte Carlo samplers. J. Thống kê Hoàng gia
và kiểm soát. Trong hội nghị chuyên đề quốc tế IEEE lần thứ 5
de Dombal, FT, Leaper, DJ, Horrocks, JC, Society, Series B, 68 (3), 411–436.
trên Điều khiển thông minh, Vol. 2, trang 645–650.
và Staniland, JR (1974). Chẩn đoán đau bụng do con người Del Moral, P. (2004). Công thức Feynman – Kac, Hệ thống
và máy tính hỗ trợ: Báo cáo thêm Dean, T. và Wellman, MP (1991). Lập kế hoạch và hạt tương tác và phả hệ Ge với các vết Ap. Springer-Verlag.
chú trọng đến hiệu suất của bác sĩ lâm sàng. người Anh Điều khiển. Morgan Kaufmann.
Tạp chí Y học, 1, 376–380.
Dearden, R., Friedman, N., và Andre, D. (1999). Delgrande, J. và Schaub, T. (2003). Về mối quan hệ
de Dombal, FT, Staniland, JR và Clamp, SE giữa logic mặc định của Reiter và kiến biến thể (chính)
Khám phá Bayes dựa trên mô hình. Trong UAI-99.
(1981). Sự khác biệt về mặt địa lý đối với hiện tượng của nó. Trong Hội nghị Châu Âu lần thứ bảy về biểu tượng
bệnh. Ra Quyết định Y tế, 1, 59–69. Dearden, R., Friedman, N. và Russell, SJ
và Các Phương pháp Định lượng để Lập luận Không chắc chắn,
(1998). Bayesian q-learning. Trong AAAI-98.
de Finetti, B. (1937). Le pr´evision: ses lois trang 452–463.
logiques, chủ đề nguồn ses. Ann. Phiên bản Debevec, P., Taylor, C., và Malik, J. (1996). Mod eling và Dempster, AP (1968). Tổng quát về
Poincar´e, 7, 1–68. kết xuất kiến trúc từ các bức ảnh: Suy luận Bayes. Hiệp hội Thống kê Hoàng gia,
Phương pháp tiếp cận dựa trên hình học và hình ảnh kết hợp. Ở trong 30 (Dòng B), 205–247.
de Finetti, B. (1993). Về ý nghĩa chủ quan
Proc. Hội nghị thường niên lần thứ 23 về ics đồ thị máy
xác suất. Ở Monari, P. và Cocchi, D. (Eds.), Dempster, AP, Laird, N., và Rubin, D. (1977).
tính (SIGGRAPH), trang 11–20.
Probabilita e Induzione, trang 291–321. Đầu mối. Khả năng tối đa từ dữ liệu không đầy đủ thông qua
Debreu, G. (1960). Phương pháp tôpô trong thẻ y học Thuật toán EM. J. Hiệp hội Thống kê Hoàng gia, 39 (Se ries
de Freitas, JFG, Niranjan, M. và Gee, AH
lý thuyết tiện ích. Trong Arrow, KJ, Karlin, S. và Sup B), 1–38.
(2000). Các phương pháp Monte Carlo tuần tự để đào tạo
pes, P. (Eds.), Các phương pháp toán học trong xã hội
các mô hình mạng nơ ron. Tính toán thần kinh, 12 (4), Deng, X. và Papadimitriou, CH (1990). Giải thích một đồ
933–953. Khoa học, 1959. Nhà xuất bản Đại học Stanford.
thị không xác định. Trong FOCS-90, trang 355–361.
Dechter, R. (1990a). Các chương trình cải tiến cho quá
de Kleer, J. (1975). Định tính và định lượng Denis, F. (2001). Học ngôn ngữ thông thường
kiến thức trong cơ học cổ điển. Kỹ thuật. trả lời. AI trình xử lý phức tạp: Backjumping, learning và cutset
từ những ví dụ tích cực đơn giản. Học máy,
TR-352, Phòng thí nghiệm Trí tuệ Nhân tạo MIT. sự phân hủy. AIJ, 41, 273–312.
44 (1/2), 37–66.
de Kleer, J. (1989). So sánh giữa ATMS và Dechter, R. (1990b). Về tính biểu cảm của các công trình Dennett, DC (1984). Bánh xe nhận thức: khung
Các kỹ thuật CSP. Trong IJCAI-89, Vol. 1, trang 290–296. thuần có các biến ẩn. Trong AAAI-90, trang 379– vấn đề của AI. Trong Hookway, C. (Ed.), Minds, Ma chines,
385.
and Evolution: Triết học Nghiên cứu, pp.
de Kleer, J. và Brown, JS (1985). Một định tính
129–151. Nhà xuất bản Đại học Cambridge.
vật lý dựa trên hợp lưu. Ở Hobbs, JR và Dechter, R. (1992). Các mạng ràng buộc. Ở trong
Moore, RC (Eds.), Các lý thuyết chính thức của Thế giới Shapiro, S. (Ed.), Encyclopedia of Artificial Intelli gence Dennett, DC (1991). Ý thức được giải thích.
Com monsense, chương. 4, trang 109–183. Ablex. (xuất bản lần thứ 2)., Trang 276–285. Wiley và các con trai. Penguin Press.