Machine Translated by Google

MỘT LAI
MÔN LỊCH TOÁN

A.1 PHÂN TÍCH ĐỘ LINH HOẠT VÀ THUYẾT MINH O ()

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.

A.1.1 Phân tích tiệm cận

Chúng ta sẽ xem xét phân tích thuật toán thông qua ví dụ sau, một chương trình để tính tổng
của một dãy số:

hàm SUMMATION (chuỗi) trả về một số

sum 0

cho i = 1 thành LENGTH (chuỗi) làm

tổng sum + chuỗi [i]
trả lại tổng

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

1054 Phụ lục A. Cơ sở toán học

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

dòng mã, chúng ta có T (n) = 2n + 2 cho ví dụ của chúng ta.

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.

A.1.2 NP và các bài toán khó vốn có

Việc phân tích các thuật toán và ký hiệu O () cho phép chúng ta nói về hiệu quả của một thuật toán cụ

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

tiên, thì các bài toán NP sẽ trở thành bài toán P.

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

Mục A.2. Vectơ, ma trận và đại số tuyến tính 1055

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

cũng khó như mọi bài toán NP.

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.

A.2 vectơ , MATRIC VÀ ĐẠI SỐ TUYẾN TÍNH

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

1056 Phụ lục A. Cơ sở toán học

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:

A1,1 A1,2 A1,3 A1,4

A2,1 A2,2 A2,3 A2,4
A3,1 A3,2 A3,3 A3,4

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

(AB) i, k = Ai, jBj, k .

j

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

Mục A.3. Phân bố xác suất 1057

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 .

A.3 CÁC PHÂN PHỐI KHẢ NĂNG SINH LỜI

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:

P (x) = limdx 0 P (x ≤ X ≤ x + dx) / dx.

Machine Translated by Google

1058 Phụ lục A. Cơ sở toán học

Hàm mật độ phải không âm với mọi x và phải có

∞
P (x) dx = 1.
∞
TÍCH LŨY
KHẢ NĂNG LỢI NHUẬN
Chúng ta cũng có thể xác định hàm mật độ xác suất tích lũy FX (x), là xác suất của một biến ngẫu
CHỨC NĂNG DENSITY

nhiên nhỏ hơn x:

x

FX (x) = P (X ≤ x) = P (u) du.

∞

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

Ghi chú thư mục và lịch sử 1059

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:

cov (X, Y) = E ((X - μX) (Y - μY )).

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:

Σi, j = cov (Xi, Xj ) = E ((Xi - μi) (Xj - μj )).

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.

LƯU Ý LỊCH SỬ VÀ ĐỒ THỊ SINH HỌC

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

B LƯU Ý VỀ NGÔN NGỮ

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, ...),

hoặc bất kỳ ký hiệu nào phù hợp với miền.

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

bao gồm cả "bạn" và "con chó lười biếng lớn."

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.

Quy tắc viết lại của biểu mẫu

Câu Danh từ Cụm động từ Cụm từ

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,

hai quy tắc (S A) và (S B) có thể được viết (S A | B).

1060
Machine Translated by Google

Mục B.2. Mô tả các thuật toán với Pseudocode 1061

Đây là ngữ pháp BNF cho các biểu thức số học đơn giản:

Expr Expr Toán tử Expr | (Expr) | Con số

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.

B.2 MÔ TẢ THUẬT TOÁN VỚI PSEUDOCODE

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

1062 Phụ lục B. Ghi chú về Ngôn ngữ và Thuật toán

trình tạo POWERS-OF-2 () mang lại giá trị int

i

1 trong khi true

làm lợi ii
2 × i

cho p trong POWERS-OF-2 () do

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

phần tử x mà p (x) là đúng.

• 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.

B.3 TRỢ GIÚP TRỰC TUYẾN

Hầu hết các thuật toán trong cuốn sách đã được triển khai bằng Java, Lisp và Python tại kho mã trực

tuyến của chúng tôi:

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

và tham gia các danh sách thảo luận.

Machine Translated by Google

Thư mục
Các từ viết tắt sau được sử dụng cho các hội nghị và tạp chí thường được trích dẫn:

AAAI Kỷ yếu Hội nghị AAAI về Trí tuệ nhân tạo

Kỷ yếu AAMAS của Hội nghị quốc tế về các đại lý tự chủ và các hệ thống đa tác nhân
ACL Kỷ yếu Hội nghị Thường niên của Hiệp hội Ngôn ngữ học Tính toán
AIJ Trí tuệ nhân tạo
Tạp chí AIMag AI
AIPS Kỷ yếu Hội nghị Quốc tế về Hệ thống Lập kế hoạch AI
BBS Khoa học hành vi và não bộ
CACM Communications of Association for Computing Machinery
COGSCI Kỷ yếu Hội nghị Thường niên của Hiệp hội Khoa học Nhận thức
COLING Kỷ yếu của Hội nghị Quốc tế về Ngôn ngữ Tính toán
Kỷ yếu COLT của Hội thảo ACM hàng năm về Lý thuyết học tập bằng máy tính
CP Kỷ yếu Hội thảo Quốc tế về Nguyên tắc và Thực hành Lập trình Ràng buộc
Kỷ yếu CVPR của Hội nghị IEEE về Thị giác Máy tính và Nhận dạng Mẫu
EC Kỷ yếu Hội nghị ACM về Thương mại Điện tử
Kỷ yếu ECAI của Hội nghị Châu Âu về Trí tuệ Nhân tạo
Kỷ yếu ECCV của Hội nghị Châu Âu về Thị giác Máy tính
Kỷ yếu ECML của Hội nghị Châu Âu về Học máy
ECP Kỷ yếu của Hội nghị Châu Âu về Kế hoạch
Kỷ yếu FGCS của Hội nghị Quốc tế về Hệ thống Máy tính Thế hệ Thứ năm
Kỷ yếu FOCS của Hội nghị chuyên đề hàng năm về Cơ sở Khoa học Máy tính
Kỷ yếu ICAPS của Hội nghị Quốc tế về Lập kế hoạch và Lập lịch trình Tự động
Kỷ yếu ICASSP của Hội nghị Quốc tế về Âm học, Lời nói và Xử lý Tín hiệu
Kỷ yếu ICCV của Hội nghị Quốc tế về Thị giác Máy tính
ICLP Kỷ yếu Hội nghị Quốc tế về Lập trình Logic
ICML Proceedings of the International Conference on Machine Learning
ICPR Proceedings of the International Conference on International Recognition
Kỷ yếu ICRA của Hội nghị Quốc tế IEEE về Robot và Tự động hóa
ICSLP Proceedings of the International Conference on Speech and Language Processing
IJAR Tạp chí Quốc tế về lý luận gần đúng
IJCAI Kỷ yếu Hội nghị chung quốc tế về trí tuệ nhân tạo
Kỷ yếu IJCNN của Hội nghị chung quốc tế về mạng nơ ron
IJCV Tạp chí Quốc tế về Thị giác Máy tính
IL P Kỷ yếu Hội thảo Quốc tế về Lập trình Logic Quy nạp
Kỷ yếu ISMIS của Hội nghị chuyên đề quốc tế về phương pháp luận cho các hệ thống thông minh
ISRR Kỷ yếu của Hội nghị chuyên đề quốc tế về nghiên cứu người máy
Tạp chí JACM của Hiệp hội Máy tính
JAIR Tạp chí Nghiên cứu Trí tuệ Nhân tạo
CÁI LỌ Tạp chí lý luận tự động
JASA Tạp chí của Hiệp hội Thống kê Hoa Kỳ

Tạp chí JMLR về Nghiên cứu Máy học

JSL Tạp chí Logic Biểu tượng
Kỷ yếu KDD của Hội nghị Quốc tế về Khám phá Tri thức và Khai thác Dữ liệu
KR Kỷ yếu Hội nghị Quốc tế về Các Nguyên tắc Trình bày Tri thức và Lập luận
LICS Kỷ yếu Hội nghị chuyên đề IEEE về Logic trong Khoa học Máy tính
NIPS Những tiến bộ trong hệ thống xử lý thông tin thần kinh
Giao dịch PAMI IEEE trên Phân tích mẫu và Máy thông minh
PNAS Kỷ yếu của Viện Hàn lâm Khoa học Quốc gia Hoa Kỳ
Kỷ yếu PODS của Hội nghị chuyên đề quốc tế ACM về các nguyên tắc của hệ thống cơ sở dữ liệu
Kỷ yếu của SIGIR của Nhóm lợi ích đặc biệt về thu thập thông tin
SIGMOD Kỷ yếu của Hội nghị Quốc tế ACM SIGMOD về Quản lý Dữ liệu
Kỷ yếu SODA của Hội nghị chuyên đề ACM – SIAM hàng năm về các thuật toán rời rạc
Kỷ yếu STOC của Hội nghị chuyên đề ACM hàng năm về Lý thuyết Máy tính
Kỷ yếu TARK của Hội nghị về Các khía cạnh lý thuyết của lý luận về tri thức
UAI Kỷ yếu Hội thảo về sự không chắc chắn trong trí tuệ nhân tạo

1063
Machine Translated by Google
1064
Aarup, M., Arentoft, MM, Parrod, Y., Stader, J., và Stokes,
I. (1994). OPTIMUM-AIV: Hệ thống lập kế hoạch và lập lịch
trình dựa trên kiến thức cho tàu vũ trụ AIV. Trong Fox, M. và
Zweben, M.
(Eds.), Lập lịch trình Dựa trên Kiến thức. Morgan Kauf
mann.
Abney, S. (2007). Học bán giám sát cho Ngôn ngữ học tính
toán. CRC Nhấn.
Abramson, B. và Yung, M. (1989). Phân chia và chinh phục dưới
những ràng buộc toàn cầu: Một giải pháp cho vấn đề N-nữ hoàng.
J. Đặt Com song song và phân tán, 6 (3), 649–662.
Achlioptas, D. (2009). Sự thỏa mãn ngẫu nhiên. Trong Biere,
A., Heule, M., van Maaren, H., và Walsh, T.
(Eds.), Sổ tay về Sự hài lòng. Báo chí iOS.
Achlioptas, D., Beame, P., và Molloy, M. (2004).
Giới hạn theo cấp số nhân cho DPLL dưới ngưỡng nghiêng thỏa
mãn. Trong SODA-04.
Achlioptas, D., Naor, A., và Peres, Y. (2007).
Về tính thỏa mãn tối đa của công thức ngẫu nhiên.
JACM, 54 (2).
Achlioptas, D. và Peres, Y. (2004). Ngưỡng cho k-SAT ngẫu
nhiên là 2k log 2 - o (k). J. Hội Toán học Hoa Kỳ, 17 (4),
947–973.
Ackley, DH và Littman, ML (1991). Các hành động giữa học tập
và tiến hóa. Trong Lang tấn, C., Taylor, C., Farmer, JD, và
Ramussen, S. (Eds.), Nhân tạo II, trang 487–509. Addison
Wesley.
Adelson-Velsky, GM, Arlazarov, VL, Bitman, AR, Zhivotovsky,
AA và Uskov, AV (1970).
Lập trình máy tính để chơi cờ vua. Khảo sát Toán học Nga, 25,
221–262.
Adida, B. và Birbeck, M. (2008). Sơn lót RDFa.
Kỹ thuật. đại diện, W3C.
Agerbeck, C. và Hansen, MO (2008). Một cách tiếp cận đa tác
nhân để giải quyết các vấn đề NP-đầy đủ.
Luận văn Thạc sĩ, Đại học Kỹ thuật. của Đan Mạch.
Aggarwal, G., Goel, A., và Motwani, R. (2006).
Đấu giá trung thực để định giá từ khóa tìm kiếm. Trong EC-06,
trang 1–7.
Agichtein, E. và Gravano, L. (2003). Truy vấn cơ sở dữ liệu
văn bản để trích xuất thông tin hiệu quả. Trong Proc. Hội
nghị IEEE về Kỹ thuật Dữ liệu.
Agmon, S. (1954). Các phương pháp thư giãn cho các bất đẳng
thức tai lin. Tạp chí Toán học Canada, 6 (3), 382–392.
Agre, PE và Chapman, D. (1987). Pengi: sự bổ sung của một lý
thuyết về hoạt động. Trong IJCAI-87, trang 268–272.
Aho, AV, Hopcroft, J., và Ullman, JD (1974).
Thiết kế và Phân tích Thuật toán Máy tính.
Addison-Wesley.
Aizerman, M., Braverman, E. và Rozonoer, L.
(Năm 1964). Cơ sở lý thuyết của phương pháp hàm tiềm năng
trong học nhận dạng mẫu. Au tomation và Điều khiển từ xa, 25,
821–837.
Al-Chang, M., Bresina, J., Charest, L., Chase, A., Hsu, J.,
Jonsson, A., Kanefsky, B., Morris, P., Rajan, K., Yglesias,
J. ., Chafin, B., Dias, W., và Maldague, P. (2004). MAPGEN:
Lập kế hoạch và lập lịch trình cho Sáng kiến Hỗn hợp cho sứ
mệnh Rover Thám hiểm Sao Hỏa.
Hệ thống thông minh IEEE, 19 (1), 8–12.
Albus, JS (1975). Một cách tiếp cận mới để kiểm soát thao
tác: Bộ điều khiển khớp mô hình tiểu não (CMAC). J. Hệ thống
động, đo lường và điều khiển, 97, 270–277.
Aldous, D. và Vazirani, U. (1994). Các thuật toán "Đồng hành
cùng những người chiến thắng". Trong FOCS-94, trang 492–501.
Alekhnovich, M., Hirsch, EA và Itsykson, D.
(2005). Giới hạn dưới theo cấp số nhân cho thời gian chạy của
các thuật toán DPLL trên các công thức thỏa mãn.
JAR, 35 (1–3), 51–72.
Allais, M. (1953). Le comportment de l'homme rationnel devant
la risque: phê bình des postulats et axiomes de l'´ecole Am
´ericaine. Kinh tế lượng, 21, 503–546.
Allen, JF (1983). Duy trì kiến thức về các khoảng thời gian.
CACM, 26 (11), 832–843.
Allen, JF (1984). Hướng tới một lý thuyết tổng quát về ac
tion và thời gian. AIJ, 23, 123–154.
Allen, JF (1991). Thời gian và thời gian một lần nữa: Nhiều
cách để biểu thị thời gian. Int. J. Hệ thống thông minh, 6,
341–355.
Allen, JF, Hendler, J. và Tate, A. (Eds.). (1990).
Các bài đọc trong Lập kế hoạch. Morgan Kaufmann.
Allis, L. (1988). Một cách tiếp cận dựa trên kiến thức để kết
nối bốn. Trò chơi được giải quyết: Trắng thắng. Luận án của
Mas ter, Đại học Vrije, Amsterdam.
Almuallim, H. và Dietterich, T. (1991). Học với nhiều tính
năng không liên quan. Trong AAAI-91, Vol. 2, trang 547–552.
ALPAC (năm 1966). Ngôn ngữ và máy móc: Com đóng vai trò
trong lĩnh vực dịch thuật và ngôn ngữ học. Kỹ thuật. trả lời.
1416, Ủy ban Advi sory xử lý ngôn ngữ tự động của Học viện
Khoa học Quốc gia
sự ganh ghét.
Alterman, R. (1988). Lập kế hoạch thích ứng. Khoa học nhận
thức, 12, 393–422.
Amarel, S. (1967). Một cách tiếp cận để giải quyết vấn đề
heuristic và chứng minh định lý trong phép tính điều kiện
propo. Trong Hart, J. và Takasu, S.
(Eds.), Hệ thống và Khoa học Máy tính. Nhà xuất bản Đại học
Toronto.
Amarel, S. (1968). Về các đại diện của prob lems lý luận về
các hành động. Trong Michie, D.
(Ed.), Machine Intelligence 3, Vol. 3, trang 131–171.
Elsevier / Bắc-Hà Lan.
Amir, E. và Russell, SJ (2003). Lọc logic.
Trong IJCAI-03.
Amit, D., Gutfreund, H. và Sompolinsky, H.
(Năm 1985). Mô hình kính quay của mạng nơ-ron. Đánh giá Phys
ical, A 32, 1007–1018.
Andersen, SK, Olesen, KG, Jensen, FV, và Jensen, F. (1989).
HUGIN — Lớp vỏ để xây dựng vũ trụ niềm tin Bayes cho các hệ
thống chuyên gia. Trong IJCAI-89, Vol. 2, trang 1080–1085.
Anderson, JR (1980). Tâm lý học nhận thức và ý nghĩa của nó.
WH Freeman.
Anderson, JR (1983). Kiến trúc của Cogni tion. Nhà xuất bản
Đại học Harvard.
Andoni, A. và Indyk, P. (2006). Thuật toán băm gần tối ưu
cho người hàng xóm gần nhất trong các kích thước cao. Trong
FOCS-06.
Andre, D. và Russell, SJ (2002). Trạng thái trừu tượng cho
các tác nhân học tập củng cố có thể lập trình. Trong AAAI-02,
trang 119–125.
Anthony, M. và Bartlett, P. (1999). Neural Net work Học tập:
Cơ sở lý thuyết. Nhà xuất bản Đại học Cầu Cấm.
Aoki, M. (1965). Kiểm soát tối ưu các hệ thống Markov có thể
phục vụ một phần. Viện J. Franklin, 280 (5), 367–386.
Appel, K. và Haken, W. (1977). Mỗi bản đồ phẳng có bốn màu có
thể thay đổi được: Phần I: Xả. Illinois J.
Toán., 21, 429–490.
Thư mục
Appelt, D. (1999). Giới thiệu về thông tin ex traction.
CACM, 12 (3), 161–172.
Apt, KR (1999). Bản chất của agation chống ràng buộc. Khoa
học máy tính lý thuyết, 221 (1–2), 179–210.
Apt, KR (2003). Nguyên tắc của Constraint Pro gramming. Nhà
xuất bản Đại học Cambridge.
Apte´, C., Damerau, F., và Weiss, S. (1994). Tự động tìm
hiểu các quy tắc quyết định cho phân loại văn bản. Giao dịch
ACM trên Hệ thống Thông tin, 12, 233–251.
Arbuthnot, J. (1692). Của Luật Cơ hội.
Motte, London. Bản dịch sang tiếng Anh, có phụ đề quảng cáo,
của Huygens (1657).
Archibald, C., Altman, A. và Shoham, Y.
(2009). Phân tích của một người chơi kép máy tính chiến
thắng. Trong IJCAI-09.
Ariely, D. (2009). Phi lý có thể đoán trước (Phiên bản sửa
đổi). Harper.
Arkin, R. (1998). Người máy dựa trên hành vi. Báo chí MIT.
Armando, A., Carbone, R., Compagna, L., Cuel lar, J., và
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
lần dựa trên SAML cho các ứng dụng của Google. Trong FMSE
'08: Proc. Hội thảo ACM lần thứ 6 về Các phương pháp chính
thức trong kỹ thuật bảo mật, trang 1–10.
Arnauld, A. (1662). La logique, ou l'art de pener.
Chez Charles Savreux, au pied de la Tour de Nostre Dame,
Paris.
Arora, S. (1998). Các sơ đồ xấp xỉ thời gian đa thức cho
người bán hàng du lịch Euclid và các bài toán hình học khác.
JACM, 45 (5), 753–782.
Arunachalam, R. và Sadeh, NM (2005). Các đại lý kinh doanh
chuỗi cung ứng cạnh tranh. Nghiên cứu và ứng dụng thương mại
điện tử, Spring, 66–84.
Ashby, WR (1940). Tính thích nghi và trạng thái cân bằng.
J. Khoa học Tâm thần, 86, 478–483.
Ashby, WR (1948). Thiết kế cho một bộ não. Kỹ thuật điện tử,
tháng 12, 379–383.
Ashby, WR (1952). Thiết kế cho một bộ não. Wiley.
Asimov, I. (1942). Chạy vòng quanh. Khoa học viễn tưởng đáng
kinh ngạc, tháng 3.
Asimov, I. (1950). Tôi người máy. Tăng gấp đôi.
Astrom, KJ (1965). Kiểm soát tối ưu các quá trình quyết định
Markov với ước tính trạng thái không đầy đủ.
J. Toán học. Hậu môn. Áp dụng., 10, 174–205.
Audi, R. (Ed.). (1999). Từ điển Triết học Cambridge. Nhà xuất
bản Đại học Cambridge.
Axelrod, R. (1985). Sự phát triển của sự hợp tác.
Sách Cơ bản.
Baader, F., Calvanese, D., McGuinness, D., Nardi, D., và
Patel-Schneider, P. (2007). Sổ tay Logic Mô tả (tái bản lần
thứ 2). Cambridge Univer sity Press.
Baader, F. và Snyder, W. (2001). Hợp nhất ory. Trong
Robinson, J. and Voronkov, A. (Eds.), Hand book of Automated
Reasoning, trang 447–533. Người khác.
Bacchus, F. (1990). Trình bày và Lập luận với Kiến thức Xác
suất. Báo chí MIT.
Bacchus, F. và Grove, A. (1995). Các mô hình đồ họa cho sở
thích và tiện ích. Trong UAI-95, trang 3–10.
Bacchus, F. và Grove, A. (1996). Sự hữu ích đóng góp vào một
lý thuyết quyết định định tính. Trong KR-96, trang 542–552.
Machine Translated by Google
Thư mục
Bacchus, F., Grove, A., Halpern, JY, và Koller, D. (1992).
Từ số liệu thống kê đến niềm tin. Trong AAAI-92, trang 602–
608.
Bacchus, F. và van Beek, P. (1998). Trên sion chuyển đổi
giữa các bài toán phe không nhị phân và ràng buộc nhị phân
thỏa mãn. Trong AAAI-98, trang 311–318.
Bacchus, F. và van Run, P. (1995). Biến thể động có thể đặt
hàng trong CSP. Trong CP-95, trang 258–275.
Bachmann, PGH (1894). Die analytische Zahlen theorie. BG
Teubner, Leipzig.
Backus, JW (1996). Bảng điểm của câu hỏi và một phiên thay
đổi. Trong Wexelblat, RL (Ed.), Lịch sử Ngôn ngữ Lập trình,
tr. 162. Báo chí Học thuật.
Bagnell, JA và Schneider, J. (2001). Điều khiển máy bay trực
thăng tự động sử dụng phương pháp tìm kiếm băng giá tăng
cường học tập. Trong ICRA-01.
Baker, J. (1975). Hệ thống Rồng — Tổng quan. Giao dịch IEEE
trên Acoustics; Phát biểu; và Xử lý tín hiệu, 23, 24–29.
Baker, J. (1979). Ngữ pháp có thể huấn luyện để nhận dạng
giọng nói. Trong Tài liệu Giao tiếp Bằng lời nói cho Cuộc
họp lần thứ 97 của Hiệp hội Âm học Amer ica, trang 547–550.
Baldi, P., Chauvin, Y., Hunkapiller, T., và Mc Clure, M.
(1994). Mô hình Markov ẩn của thông tin trình tự sơ cấp
lôgic sinh học. PNAS, 91 (3), 1059–1063.
Baldwin, JM (1896). Một nhân tố mới trong quá trình tiến hóa.
Nhà tự nhiên học người Mỹ, 30, 441–451. Tiếp theo các trang
536–553.
Ballard, BW (1983). Các chuyên gia tìm kiếm * -minimax
nhượng quyền cho các cây có chứa các nút cơ hội. AIJ, 21
(3), 327–350.
Baluja, S. (1997). Thuật toán di truyền và thống kê tìm kiếm
rõ ràng. Trong Mozer, MC, Jordan, MI và Petsche, T. (Eds.),
NIPS 9, trang 319–325. Báo chí MIT.
Bancilhon, F., Maier, D., Sagiv, Y., và Ullman, JD (1986).
Bộ ma thuật và những cách kỳ lạ khác để thực hiện các chương
trình logic. Trong PODS-86, trang 1–16.
Banko, M. và Brill, E. (2001). Chia tỷ lệ thành kho ngữ liệu
rất lớn để phân định ngôn ngữ tự nhiên.
Trong ACL-01, trang 26–33.
Banko, M., Brill, E., Dumais, ST và Lin, J.
(Năm 2002). Askmsr: Trả lời câu hỏi bằng cách sử dụng web
trên toàn thế giới. Trong Proc. Hội nghị chuyên đề mùa xuân
AAAI về câu trả lời khai thác từ văn bản và cơ sở kiến thức,
trang 7-9.
Banko, M., Cafarella, MJ, Soderland, S., Broad head, M., và
Etzioni, O. (2007). Mở trích xuất thông tin từ web. Trong
IJCAI-07.
Banko, M. và Etzioni, O. (2008). Sự cân bằng giữa khai thác
quan hệ mở và truyền thống. Trong ACL-08, trang 28–36.
Bar-Hillel, Y. (1954). Biểu thức chỉ mục. Tâm, 63, 359–379.
Bar-Hillel, Y. (1960). Tình trạng hiện tại của bản dịch tự
động matic cho các ngôn ngữ. Trong Alt, FL (Ed.), Những tiến
bộ trong Máy tính, Tập 1, trang 91–163. Aca demic Báo chí.
Bar-Shalom, Y. (Ed.). (1992). Theo dõi đa
cảm biến đa mục tiêu: Các ứng dụng nâng cao.
Nhà Artech.
Bar-Shalom, Y. và Fortmann, TE (1988). Theo dõi ing và liên
kết dữ liệu. Báo chí Học thuật.
Bartak, R. (2001). Lý thuyết và thực hành lan truyền ràng
buộc. Trong Proc. Hội thảo lần thứ ba về lập trình ràng buộc
để ra quyết định và kiểm soát (CPDC-01), trang 7–14.
Barto, AG, Bradtke, SJ và Singh, SP (1995).
Học cách hành động bằng cách sử dụng tính năng kết hợp chương trình động
thời gian thực. AIJ, 73 (1), 81–138.
Barto, AG, Sutton, RS và Anderson, CW
(1983). Các yếu tố thích ứng giống như nơron có thể giải
quyết các vấn đề khó khăn về kiểm soát học tập. IEEE Transac
tions on Systems, Man and Cybernetics, 13, 834– 846.
Barto, AG, Sutton, RS và Brouwer, PS
(1981). Mạng tìm kiếm liên kết: Tăng cường trí nhớ liên kết
trong học tập. Biological Cy bernetics, 40 (3), 201–211.
Barwise, J. và Etchemendy, J. (1993). Bộ Lan của Logic bậc
nhất: Bao gồm Chương trình Macin tosh Thế giới 4.0 của
Tarski (Phiên bản sửa đổi và mở rộng lần thứ ba). Trung tâm
Nghiên cứu Ngôn ngữ và Thông tin (CSLI).
Barwise, J. và Etchemendy, J. (2002). Ngôn ngữ, Chứng minh
và Logic. CSLI (Đại học Chicago Press).
Baum, E., Boneh, D., và Garrett, C. (1995). Về thuật toán di
truyền. Trong COLT-95, trang 230–239.
Baum, E. và Haussler, D. (1989). Kích thước net nào cung cấp
tổng quát hợp lệ? Tính toán thần kinh, 1 (1), 151–160.
Baum, E. và Smith, WD (1997). Một cách tiếp cận của Bayes
về mức độ liên quan trong việc chơi trò chơi. AIJ, 97 (1–2),
195–242.
Baum, E. và Wilczek, F. (1988). Tìm hiểu có giám sát về
phân phối xác suất bởi mạng nơ-ron.
Trong Anderson, DZ (Ed.), Hệ thống xử lý chuyên nghiệp
thông tin thần kinh, trang 52–61. Viện Vật lý Hoa Kỳ.
Baum, LE và Petrie, T. (1966). Suy luận thống kê cho các hàm
xác suất của chuỗi Markov trạng thái hữu hạn. Biên niên sử
về thống kê toán học, 41.
Baxter, J. và Bartlett, P. (2000). Học tập củng cố trong
POMDP's thông qua sự đi lên gradient trực tiếp. Trong
ICML-00, trang 41–48.
Bayardo, RJ và Miranker, DP (1994). Một thuật toán backtrack
tối ưu cho các vấn đề về sự hài lòng có cấu trúc cây. AIJ,
71 (1), 159–181.
Bayardo, RJ và Schrag, RC (1997). Sử dụng kỹ thuật nhìn lại
CSP để giải các bài thi SAT trong thế giới thực. Trong
AAAI-97, trang 203–208.
Bayes, T. (1763). Một bài luận hướng tới việc giải quyết
một vấn đề trong học thuyết về cơ hội. Các hành động chuyển
đổi triết học của Hiệp hội Hoàng gia London, 53, 370–418.
Beal, DF (1980). Một phân tích về minimax. Trong Clarke, MRB
(Ed.), Những tiến bộ trong Cờ vua Máy tính 2, trang 103–109.
Nhà xuất bản Đại học Edinburgh.
Beal, J. và Winston, PH (2009). Biên giới mới của trí tuệ
nhân tạo cấp độ con người. IEEE Intelli gent Systems, 24
(4), 21–23.
Beckert, B. và Posegga, J. (1995). Leantap: Giảm trừ dựa
trên hoạt cảnh. JAR, 15 (3), 339–358.
Beeri, C., Fagin, R., Maier, D., và Yannakakis, M. (1983).
Về khả năng mong muốn của các lược đồ cơ sở dữ liệu xoay
vòng. JACM, 30 (3), 479–513.
Bekey, G. (2008). Robotics: Hiện đại và những thách thức
trong tương lai. Nhà xuất bản Đại học Hoàng gia.
Bell, C. và Tate, A. (1985). Sử dụng các bí quyết tạm thời
để hạn chế tìm kiếm trong một kế hoạch. Trong Proc. Hội thảo
Alvey IKBS SIG thứ ba.
Bell, JL và Machover, M. (1977). Một khóa học về lôgic toán
học. Elsevier / Bắc-Hà Lan.
Bellman, RE (1952). Về lý thuyết lập trình động. PNAS, 38,
716–719.
1065
Bellman, RE (1961). Quy trình kiểm soát thích ứng: Chuyến
tham quan có hướng dẫn. Nhà xuất bản Đại học Princeton.
Bellman, RE (1965). Về việc áp dụng lập trình dy namic để
xác định cách chơi tối ưu trong cờ vua và cờ caro. PNAS, 53,
244–246.
Bellman, RE (1978). Giới thiệu về Trí tuệ nhân tạo: Máy tính
có thể suy nghĩ? Công ty xuất bản Boyd & Fraser.
Bellman, RE (1984). Mắt bão. Khoa học Thế giới.
Bellman, RE và Dreyfus, SE (1962). Lập trình động ứng dụng.
Nhà xuất bản Đại học Princeton.
Bellman, RE (1957). Lập trình năng động.
Nhà xuất bản Đại học Princeton.
Belongie, S., Malik, J., và Puzicha, J. (2002).
Đối sánh hình dạng và nhận dạng đối tượng bằng cách sử dụng
ngữ cảnh hình dạng. PAMI, 24 (4), 509–522.
Ben-Tal, A. và Nemirovski, A. (2001). Bài giảng về Tối ưu
hóa lồi hiện đại: Phân tích, Thuật toán và Ứng dụng Kỹ thuật.
SIAM (Hiệp hội Toán học Ứng dụng và Công nghiệp).
Bengio, Y. và LeCun, Y. (2007). Mở rộng quy mô học các
thuật toán hướng tới AI. Trong Bottou, L., Chapelle, O.,
DeCoste, D., và Weston, J. (Eds.), Máy nhân cỡ lớn. Báo chí
MIT.
Bentham, J. (1823). Nguyên tắc Đạo đức và Lập pháp. Nhà
xuất bản Đại học Oxford, Oxford, Vương quốc Anh. Tác phẩm
của Orig inal xuất bản năm 1789.
Berger, JO (1985). Lý thuyết Quyết định Thống kê và Phân
tích Bayes. Springer Verlag.
Berkson, J. (1944). Ứng dụng của chức năng logistic vào xét
nghiệm sinh học. JASA, 39, 357–365.
Berlekamp, ER, Conway, JH và Guy, RK
(Năm 1982). Các cách chiến thắng, cho các trò chơi toán học
của bạn. Báo chí Học thuật.
Berlekamp, ER và Wolfe, D. (1994). Mathemat ical Go:
Chilling Gets the Last Point. AK Peters.
Berleur, J. và Brunnstein, K. (2001). Đạo đức của Máy tính:
Mã, Không gian thảo luận và Luật.
Chapman và Hall.
Berliner, HJ (1979). Thuật toán tìm kiếm cây B *: Một thủ
tục chứng minh tốt nhất. AIJ, 12 (1), 23–40.
Berliner, HJ (1980a). Chương trình máy tính Backgammon đánh
bại nhà vô địch thế giới. AIJ, 14, 205–220.
Berliner, HJ (1980b). Backgammon máy tính.
Scientific American, 249 (6), 64–72.
Bernardo, JM và Smith, AFM (1994).
Thuyết Bayes. Wiley.
Berners-Lee, T., Hendler, J., và Lassila, O. (2001).
Web ngữ nghĩa. Scientific American, 284 (5), 34– 43.
Bernoulli, D. (1738). Mẫu vật theoriae novae de mensura
sortis. Proc. Viện Hàn lâm Khoa học Hoàng gia St.Petersburg,
5, 175–192.
Bernstein, A. và Roberts, M. (1958). Máy tính so với người
chơi cờ vua. Khoa học Mỹ, 198 (6), 96–105.
Bernstein, PL (1996). Chống lại tỷ lệ cược: Câu chuyện có
thể đánh dấu được về rủi ro. Wiley.
Berrou, C., Glavieux, A., và Thitimajshima, P.
(1993). Gần Shannon giới hạn mã hóa và sửa lỗi điều khiển
và giải mã: Mã Turbo. 1. Trong Proc. Hội nghị Quốc tế IEEE
về Truyền thông, trang 1064–1070.
Berry, DA và Fristedt, B. (1985). Bandit Prob lems: Phân bổ
tuần tự các thử nghiệm. Chap man và Hall.
Machine Translated by Google

1066 Thư mục

Bertele, U. và Brioschi, F. (1972). Lập trình dy namic
phi. Báo chí Học thuật.
Bertoli, P., Cimatti, A., và Roveri, M. (2001a).
Tìm kiếm theo kinh nghiệm + kiểm tra mô hình tượng trưng
= lập kế hoạch phù hợp đầy đủ. Trong IJCAI-01, trang 467–
472.
Blazewicz, J., Ecker, K., Pesch, E., Schmidt, G., và
Weglarz, J. (2007). Handbook on Schedul ing: Models and
Method for Advanced Planning (Sổ tay Quốc tế về Hệ thống
Thông tin).
Springer-Verlag New York, Inc.
Blei, DM, Ng, AY và Jordan, MI (2001).
Borenstein, J., Everett, B., và Feng, L. (1996).
Điều hướng Robot di động: Hệ thống và Kỹ thuật.
AK Peters, Ltd.
Borenstein, J. và Koren., Y. (1991). Biểu đồ trường vectơ
— Tránh chướng ngại vật nhanh chóng cho rô bốt di động.
Giao dịch IEEE trên Robotics và Automa tion, 7 (3), 278–288.

Phân bổ Dirichlet tiềm ẩn. Trong hệ thống xử lý thông tin

Bertoli, P., Cimatti, A., Roveri, M., và Traverso, P. (2001b).
Lập kế hoạch trong các lĩnh vực không xác định không có khả
năng quan sát một phần thông qua kiểm tra mô hình tượng trưng
ing. Trong IJCAI-01, trang 473–478.
Bertot, Y., Casteran, P., Huet, G., và Paulin Mohring, C.
(2004). Chứng minh định lý tương tác và phát triển chương
trình. Springer.
thần kinh, Vol. 14.
Blinder, AS (1983). Các vấn đề trong phối hợp chính sách
tiền tệ và tài khóa. Trong Các Vấn đề Chính sách Tiền tệ
những năm 1980. Ngân hàng Dự trữ Liên bang, Thành phố
Kansas, Missouri.
Bliss, CI (1934). Phương pháp thăm dò. Khoa học, 79 (2037),
38–39.
Borgida, A., Brachman, RJ, McGuinness, D., và Alperin
Resnick, L. (1989). CỔ ĐIỂN: Một mô hình dữ liệu cấu
trúc cho các đối tượng. Bản ghi SIGMOD, 18 (2), 58– 67.
Boroditsky, L. (2003). Thuyết tương đối ngôn ngữ. Trong
Nadel, L. (Ed.), Bách khoa toàn thư về Khoa học Nhận thức,
trang 917–921. Macmillan.

Bertsekas, D. (1987). Lập trình động: De terministic and
Stochastic Models. Prentice-Hội trường.
Bertsekas, D. và Tsitsiklis, JN (1996). Lập trình động
thần kinh. Athena Scientific.
Bertsekas, D. và Tsitsiklis, JN (2008). Giới thiệu về Xác
suất (xuất bản lần thứ 2). Athena Scientific.
Bertsekas, D. và Shreve, SE (2007). Kiểm soát tối ưu
Stochastic: Trường hợp thời gian rời rạc. Athena Scientific.
` kirill-kryukov.com/chess/
Bessiere C.
, (2006). Sự lan truyền ràng buộc. Trong Rossi,
F., van Beek, P., và Walsh, T. (Eds.), Cuốn sách về Lập
trình Ràng buộc. Elsevier.
Bhar, R. và Hamori, S. (2004). Mô hình Markov ẩn: Ứng dụng
vào Kinh tế Tài chính.
Springer.
Bibel, W. (1993). Khấu trừ: Logic tự động.
Báo chí Học thuật.
Biere, A., Heule, M., van Maaren, H., và Walsh, T. (Eds.).
(2009). Sổ tay về Sự hài lòng. Báo chí iOS.
Block, HD, Knight, B., và Rosenblatt, F. (1962). Boser, B., Guyon, I. và Vapnik, VN (1992). Một thuật toán
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.
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
trang 1636–1642. bản đồ trong môi trường chu kỳ quy mô lớn bằng cách sử
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.
thông qua phân tích đồ thị lập kế hoạch. AIJ, 90 (1–2),
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.
T = 805. thảo luận-board / viewtopic.php?
Trong Proc. Hội thảo về các thuật toán trực tuyến,
Dagstuhl, trang 306–325.
Blum, AL và Mitchell, TM (1998). Combin nhập dữ liệu được
Boutilier, C. và Brafman, RI (2001). Lập kế hoạch đơn hàng
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.
JAIR, 14, 105–136.
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
(2000). Lập trình động Stochastic với các biểu diễn biến
Chervonenkis. JACM, 36 (4), 929–965.
đổi dạng khuôn mặt. AIJ, 121, 49–107.
Bobrow, DG (1967). Đầu vào ngôn ngữ tự nhiên cho hệ thống
Boutilier, C., Reiter, R., và Price, B. (2001). Lập trình
giải quyết vấn đề trên máy tính. Trong Minsky, ML
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.

Boutilier, C., Friedman, N., Goldszmidt, M., và Koller, D.

Billings, D., Burch, N., Davidson, A., Holte, R., Schaeffer,
J., Schauenberg, T., và Szafron, D.
(2003). Các chiến lược tối ưu theo lý thuyết trò chơi gần
đúng cho bài xì phé quy mô đầy đủ. Trong IJCAI-03.
Binder, J., Koller, D., Russell, SJ, và Kanazawa, K.
(1997a). Mạng xác suất thích ứng với các biến ẩn. Học máy,
29, 213–244.
Bobrow, DG, Kaplan, R., Kay, M., Norman, DA, Thompson, H.,
(1996). Tính độc lập theo ngữ cảnh cụ thể trong mạng Bayes.
và Winograd, T. (1977). GUS, một hệ thống hộp thoại điều
Trong UAI-96, trang 115–123.
khiển khung. AIJ, 8, 155–173.
Bouzy, B. và Cazenave, T. (2001). Máy tính đi: Một cuộc
Boden, MA (1977). Trí tuệ nhân tạo và Con người tự nhiên.
Sách Cơ bản. khảo sát định hướng AI. AIJ, 132 (1), 39–103.
Bowerman, M. và Levinson, S. (2001). Tiếp thu ngôn ngữ và
Boden, MA (Biên tập). (1990). Triết lý của Trí thông minh
phát triển khái niệm. Nhà xuất bản Đại học Cambridge.
hời hợt. Nhà xuất bản Đại học Oxford.

Binder, J., Murphy, K., và Russell, SJ (1997b).
Suy luận hiệu quả về không gian trong mạng xác suất động.
Trong IJCAI-97, trang 1292–1296.
Binford, TO (1971). Nhận thức trực quan bằng com puter.
Bài báo được mời trình bày tại Hội nghị Điều khiển và Khoa
học Hệ thống IEEE, Miami.
Bolognesi, A. và Ciancarini, P. (2003). Lập trình máy tính
Bowling, M., Johanson, M., Burch, N., và Szafron, D.
của kết thúc kriegspiel: Trường hợp của KR so với k. Những
(2008). Đánh giá chiến lược trong các trò chơi mở rộng với
tiến bộ trong trò chơi máy tính 10.
lấy mẫu tầm quan trọng. Trong ICML-08.
Bonet, B. (2002). Một thuật toán dựa trên lưới tối ưu
Box, GEP (1957). Hoạt động tiến hóa: Một phương pháp tăng
epsilon cho các quá trình quyết định Markov có thể quan
năng suất công nghiệp. Thống kê Áp dụng, 6, 81–101.
sát được một phần. Trong ICML-02, trang 51–58.

Bonet, B. và Geffner, H. (1999). Lập kế hoạch như tìm kiếm

Binmore, K. (1982). Tiểu luận về Cơ sở của Lý thuyết Trò
chơi. Pitman.
Bishop, CM (1995). Các mạng thần kinh để nhận dạng mẫu.
Nhà xuất bản Đại học Oxford.
Bishop, CM (2007). Nhận dạng mẫu và Học Ma chine. Springer-
Box, GEP, Jenkins, G., và Reinsel, G. (1994).
heuristic: Kết quả mới. Trong ECP-99, trang 360–372.
Phân tích Chuỗi thời gian: Dự báo và Kiểm soát (xuất bản
lần thứ 3). Sảnh Prentice.
Bonet, B. và Geffner, H. (2000). Lập kế hoạch với thông
Boyan, JA (2002). Cập nhật kỹ thuật: Học chênh lệch thời
tin không đầy đủ khi tìm kiếm heuristic trong không gian
gian bình phương ít nhất. Học máy, 49 (2–3), 233–246.
niềm tin. Trong ICAPS-00, trang 52–61.

Verlag. Bonet, B. và Geffner, H. (2005). Một thuật toán đặt cược

Bisson, T. (1990). Chúng được làm từ thịt. Tạp chí Omni.
Bistarelli, S., Montanari, U. và Rossi, F. (1997).
Sự hài lòng và tối ưu hóa giới hạn dựa trên bán phần.
JACM, 44 (2), 201–236.
Bitner, JR và Reingold, EM (1975). Kỹ thuật lập trình nhạc
nền. CACM, 18 (11), 651–656.
Bizer, C., Auer, S., Kobilarov, G., Lehmann, J., và
Cyganiak, R. (2007). DBPedia - truy vấn wikipedia giống
như một cơ sở dữ liệu. Theo dõi bài thuyết trình của nhà
phát triển tại Hội nghị quốc tế lần thứ 16 về World Wide
Web.
ter hơn AO ? Trong AAAI-05.
Boole, G. (1847). Phân tích Toán học của Logic: Là một bài
luận hướng tới Giải tích của suy nghĩ Deduc tive. Macmillan,
Barclay và Macmillan, Cambridge.
Gian hàng, TL (1969). Biểu diễn xác suất của các ngôn ngữ
chính thức. Trong Bản ghi Hội nghị IEEE về Hội nghị chuyên
đề thường niên lần thứ mười năm 1969 về Lý thuyết chuyển
mạch và tự động hóa, trang 74–81.
Borel, E. (1921). La th´eorie du jeu et les ´equations int
´egrales `a noyau sym´etrique. Comptes Rendus Hebdomadaires
des S´eances de l'Acad´emie des Sci ences, 173, 1304–1308.
Boyan, JA và Moore, AW (1998). Tìm hiểu các chức năng đánh
giá để tối ưu hóa toàn cục và thỏa mãn Boolean. Trong
AAAI-98.
Boyd, S. và Vandenberghe, L. (2004). Tối ưu hoá trực quan.
Nhà xuất bản Đại học Cambridge.
Boyen, X., Friedman, N., và Koller, D. (1999). Không che
đậy cấu trúc ẩn của các hệ thống động lực phức tạp. Trong
UAI-99.
Boyer, RS và Moore, JS (1979). Một Logic tổng hợp theo
từng giai đoạn. Báo chí Học thuật.
Boyer, RS và Moore, JS (1984). Kiểm tra bằng chứng thuật
toán mã hóa khóa công khai RSA. Toán học Hoa Kỳ hàng tháng,
91 (3), 181–189.
Machine Translated by Google
Thư mục
Brachman, RJ (1979). Về trạng thái nhận thức luận của mạng
ngữ nghĩa. Trong Findler, NV
(Ed.), Mạng liên kết: Đại diện và
Sử dụng kiến thức bằng máy tính, trang 3–50. Aca demic Báo
chí.
Brachman, RJ, Fikes, RE và Levesque, HJ
(1983). Krypton: Một cách tiếp cận chức năng để biểu diễn
cạnh bí quyết. Máy tính, 16 (10), 67–73.
Brachman, RJ và Levesque, HJ (Eds.). (Năm 1985).
Bài đọc trong Biểu diễn tri thức. Morgan
Kaufmann.
Bradtke, SJ và Barto, AG (1996). Các thuật toán bình
phương nhỏ nhất tuyến tính để học chênh lệch thời gian.
Học máy, 22, 33–57.
Brafman, O. và Brafman, R. (2009). Sway: Sự
Sự lôi kéo không thể cưỡng lại của Hành vi Phi lý trí. Broadway
Việc kinh doanh.
Brafman, RI và Domshlak, C. (2008). Từ một
cho nhiều người: Lập kế hoạch cho nhiều tác nhân được kết hợp lỏng lẻo
các hệ thống. Trong ICAPS-08, trang 28–35.
Brafman, RI và Tennenholtz, M. (2000). Một gần
thuật toán thời gian đa thức tối ưu để học trong
một số lớp trò chơi ngẫu nhiên. AIJ, 121, 31–47.
Braitenberg, V. (1984). Phương tiện: Thử nghiệm trong
Tâm lý học tổng hợp. Báo chí MIT.
Bransford, J. và Johnson, M. (1973). Xem xét một số vấn đề
trong hiểu. Trong Chase,
WG (Ed.), Xử lý thông tin trực quan. Aca demic Báo chí.
Các ký hiệu, T., Popat, AC, Xu, P., Och, FJ và Dean,
J. (2007). Các mô hình ngôn ngữ lớn trong máy chuyển mã.
Trong EMNLP-CoNLL-2007: Proc. 2007 Doanh
Hội thảo về các phương pháp thực nghiệm trong xử lý lan
tự nhiên và tính toán học tính toán lan tự nhiên, trang
858–867.
Bratko, I. (1986). Lập trình Prolog cho Artifi cial
Intelligence (ấn bản đầu tiên). Addison-Wesley.
Bratko, I. (2001). Lập trình Prolog cho Artifi cial
Intelligence (Phiên bản thứ ba). Addison-Wesley.
Bratman, ME (1987). Ý định, kế hoạch và lý do thực tế. Nhà
xuất bản Đại học Harvard.
Bratman, ME (1992). Lập kế hoạch và sự ổn định
ý định. Trí óc và Máy móc, 2 (1), 1–16.
Breese, JS (1992). Xây dựng niềm tin và mạng lưới quyết
định. Trí tuệ tính toán, 8 (4),
624–647.
Breese, JS và Heckerman, D. (1996). Khắc phục sự cố lý
thuyết quyết định: Một khuôn khổ để sửa chữa
và thử nghiệm. Trong UAI-96, trang 124–132.
Breiman, L. (1996). Những người dự đoán đóng gói. Máy móc
Học tập, 24 (2), 123–140.
Breiman, L., Friedman, J., Olshen, RA và Stone,
CJ (1984). Phân loại và cây hồi quy.
Tập đoàn quốc tế Wadsworth.
Brelaz, D. (1979). Các phương pháp mới để tô màu các đỉnh
của một đồ thị. CACM, 22 (4), 251–256.
Brent, RP (1973). Các thuật toán để giảm thiểu
không có dẫn xuất. Prentice-Hội trường.
Bresnan, J. (1982). Đại diện tinh thần của
Quan hệ ngữ pháp. Báo chí MIT.
Brewka, G., Dix, J., và Konolige, K. (1997).
Nonotonic Reasoning: Một Tổng quan. CSLI Publi cation.
Brickley, D. và Guha, RV (2004). RDF vocab ulary
description language 1.0: RDF schema. Kỹ thuật.
đại diện, W3C.
Bridle, JS (1990). Giải thích xác suất của
kết quả đầu ra của mạng phân loại cấp tốc, với các mối
quan hệ trở lại để nhận dạng mẫu thống kê. Trong Fo gelman
Souli´e, F. và H´erault, J. (Eds.), Neurocom đưa vào:
Thuật toán, Kiến trúc và Ứng dụng.
Springer-Verlag.
Briggs, R. (1985). Biểu diễn tri thức trong
Tiếng Phạn và trí tuệ nhân tạo. AIMag, 6 (1), 32–
39.
Brin, D. (1998). Hiệp hội minh bạch. Perseus.
Brin, S. (1999). Trích xuất các mẫu và quan hệ
từ web trên toàn thế giới. Báo cáo kỹ thuật 1999-65,
Stanford InfoLab.
Brin, S. và Page, L. (1998). Giải phẫu của một
công cụ tìm kiếm web siêu văn bản quy mô lớn. Trong Proc.
Hội nghị Web toàn cầu lần thứ bảy.
Bringsjord, S. (2008). Nếu tôi đã phán xét. Ở Epstein,
R., Roberts, G. và Beber, G. (Eds.), Phân tích cú pháp
Kiểm tra Turing. Springer.
Broadbent, DE (1958). Nhận thức và giao tiếp. Pergamon.
Brooks, RA (1986). Một hệ thống kiểm soát lớp mạnh mẽ cho
một robot di động. IEEE Journal of Robotics
và Tự động hóa, 2, 14–23.
Brooks, RA (1989). Phương pháp kỹ thuật để
xây dựng những sinh vật hoàn chỉnh, thông minh. Proc. SPIE—
Hiệp hội Kỹ thuật Quang học Quốc tế,
1002, 618–625.
Brooks, RA (1991). Trí thông minh mà không cần kiểm tra
lại. AIJ, 47 (1–3), 139–159.
Brooks, RA và Lozano-Perez, T. (1985). Một thuật toán phân
chia con trong không gian cấu hình để tìm đường dẫn với
phép quay. Giao dịch IEEE trên Hệ thống,
Con người và Điều khiển học, 15 (2), 224–233.
Brown, C., Finkelstein, L., và Purdom, P. (1988).
Tìm kiếm backtrack trong sự hiện diện của đối xứng.
Trong Mora, T. (Ed.), Đại số ứng dụng, Tiết tấu đại số và
Mã sửa lỗi, trang 99–110.
Springer-Verlag.
Brown, KC (1974). Một lưu ý về sự thiên vị rõ ràng của
ước tính doanh thu thuần. J. Tài chính, 29, 1215–1216.
Brown, PF, Cocke, J., Della Pietra, SA,
Della Pietra, VJ, Jelinek, F., Mercer, RL, và
Roossin, P. (1988). Một cách tiếp cận thống kê để dịch lan
guage. Trong COLING-88, trang 71–76.
Brown, PF, Della Pietra, SA, Della Pietra, VJ,
và Mercer, RL (1993). Toán học của dịch máy sta tistical:
Ước lượng tham số.
Ngôn ngữ học tính toán, 19 (2), 263–311.
Brownston, L., Farrell, R., Kant, E. và Martin, N.
(Năm 1985). Hệ thống chuyên gia lập trình trong OPS5: An
giới thiệu về lập trình dựa trên quy tắc. Addison Wesley.
Bruce, V., Georgeson, M. và Green, P. (2003). Vi sual
Perception: Sinh lý học, Tâm lý học và Ecol ogy. Nhà xuất
bản Tâm lý học.
Bruner, JS, Goodnow, JJ và Austin, GA
(Năm 1957). Nghiên cứu về Tư duy. Wiley.
Bryant, BD và Miikkulainen, R. (2007). Acquir nhập hành vi
rõ ràng thông minh với ví dụ hướng dẫn
sự phát triển thần kinh. Trong AAAI-07.
Bryce, D. và Kambhampati, S. (2007). Một rial hướng dẫn về
lập kế hoạch kinh nghiệm khả năng tiếp cận dựa trên đồ thị.
AIMag, Spring, 47–83.
Bryce, D., Kambhampati, S. và Smith, DE
(Năm 2006). Lập kế hoạch heuristics đồ thị cho không gian niềm tin
Tìm kiếm. JAIR, 26, 35–99.
1067
Bryson, AE và Ho, Y.-C. (1969). Đã áp dụng Opti mal
Control. Blaisdell.
Buchanan, BG và Mitchell, TM (1978).
Học tập theo hướng mô hình về các quy tắc sản xuất. Trong
Wa terman, DA và Hayes-Roth, F. (Eds.), Hệ thống suy luận
hướng mẫu, trang 297–312. Thuộc về lý thuyết
Họp báo.
Buchanan, BG, Mitchell, TM, Smith, RG và
Johnson, CR (1978). Các mô hình của hệ thống học tập.
Trong Encyclopedia of Computer Science and Technol ogy,
Vol. 11. Dekker.
Buchanan, BG và Shortliffe, EH (Eds.).
(Năm 1984). Hệ thống chuyên gia dựa trên quy tắc: MYCIN
Các thử nghiệm của Lập trình Heuristic Stanford
Dự án. Addison-Wesley.
Buchanan, BG, Sutherland, GL và Feigen baum, EA (1969).
Heuristic DENDRAL: Một gam chuyên nghiệp để tạo ra các giả
thuyết giải thích trong hóa học hoặc ganic. Trong Meltzer,
B., Michie, D., và
Swann, M. (Eds.), Machine Intelligence 4, trang 209–
254. Nhà xuất bản Đại học Edinburgh.
Buehler, M., Iagnemma, K. và Singh, S. (Eds.).
(Năm 2006). Thử thách lớn DARPA năm 2005:
Cuộc đua Robot tuyệt vời. Springer-Verlag.
Bunt, HC (1985). Sự đại diện chính thức của
(gần như) khái niệm liên tục. Ở Hobbs, JR và
Moore, RC (Eds.), Các lý thuyết chính thức của Thế giới
Com monsense, chương. 2, trang 37–70. Ablex.
Burgard, W., Cremers, AB, Fox, D., H¨ahnel, D.,
Lakemeyer, G., Schulz, D., Steiner, W., và Thrun,
S. (1999). Trải nghiệm với bảo tàng tương tác
rô bốt hướng dẫn viên du lịch. AIJ, 114 (1–2), 3–55.
Buro, M. (1995). ProbCut: Một lựa chọn hiệu quả
phần mở rộng của thuật toán alpha-beta. J. Interna tional
Computer Chess Association, 18 (2), 71–76.
Buro, M. (2002). Cải thiện mini-max heuristic
tìm kiếm bằng cách học có giám sát. AIJ, 134 (1–2), 85–
99.
Burstein, J., Leacock, C., và Swartz, R. (2001).
Tự động đánh giá các bài luận và câu trả lời ngắn.
Trong đánh giá máy tính có hỗ trợ quốc tế lần thứ năm
(CAA) Hội nghị.
Burton, R. (2009). Về sự chắc chắn: Tin bạn
Đúng ngay cả khi bạn không. Vây Grif của Thánh Martin.
Buss, DM (2005). Sổ tay psy chology tiến hóa. Wiley.
Butler, S. (1863). Darwin giữa những cỗ máy. Các
Press (Christchurch, New Zealand), ngày 13 tháng 6.
Bylander, T. (1992). Kết quả phức tạp cho nối tiếp
khả năng phân hủy. Trong AAAI-92, trang 729–734.
Bylander, T. (1994). Độ phức tạp tính toán
lập kế hoạch STRIPS theo mệnh đề. AIJ, 69, 165–
204.
Byrd, RH, Lu, P., Nocedal, J., và Zhu, C. (1995).
Một thuật toán bộ nhớ giới hạn cho giới hạn ràng buộc giới hạn
tối ưu hóa. Tạp chí SIAM về Máy tính Khoa học và Thống kê,
16 (5), 1190–1208.
Cabeza, R. và Nyberg, L. (2001). Nhận thức hình ảnh II:
Đánh giá thực nghiệm về 275 PET và fMRI
học. J. Khoa học thần kinh nhận thức, 12, 1–47.
Cafarella, MJ, Halevy, A., Zhang, Y., Wang, DZ,
và Wu, E. (2008). Webtables: Khám phá sức mạnh
bảng trên web. Trong VLDB-2008.
Calvanese, D., Lenzerini, M. và Nardi, D.
(1999). Hợp nhất đại diện dựa trên lớp cho các trục trặc.
JAIR, 11, 199–240.
Campbell, MS, Hoane, AJ và Hsu, F.-H.
(Năm 2002). Xanh đậm. AIJ, 134 (1–2), 57–83.
Machine Translated by Google
1068
Canny, J. và Reif, J. (1987). Các kỹ thuật giới hạn dưới mới
cho các bài toán lập kế hoạch chuyển động của rô bốt. Trong
FOCS-87, trang 39–48.
Canny, J. (1986). Một cách tiếp cận tính toán để phát hiện
cạnh. PAMI, 8, 679–698.
Canny, J. (1988). Sự phức tạp của lập kế hoạch chuyển động
của robot. Báo chí MIT.
Capen, E., Clapp, R., và Campbell, W. (1971).
Đấu thầu cạnh tranh trong các tình huống rủi ro cao. J.
Công nghệ Dầu khí, 23, 641–653.
Caprara, A., Fischetti, M., và Toth, P. (1995). Một phương
pháp heuristic cho bài toán bao trùm tập hợp. Op erations
Research, 47, 730–743.
Carbonell, JG (1983). Phép loại suy suy luận và vai trò của
nó trong việc giải quyết vấn đề. Trong AAAI-83, trang 64–69.
Carbonell, JG, Knoblock, CA và Minton, S.
(1989). PRODIGY: Một kiến trúc tích hợp để lập kế hoạch và
học tập. Báo cáo kỹ thuật CMU-CS 89-189, Khoa Khoa học Máy
tính, Đại học Carnegie Mellon.
Carbonell, JR và Collins, AM (1973). Ngữ nghĩa tự nhiên
trong trí tuệ nhân tạo. Trong IJCAI-73, trang 344–351.
Cardano, G. (1663). Liber de ludo aleae. Lyons.
Carnap, R. (1928). Der logische Aufbau der Welt.
Weltkreis-verlag. Dịch sang tiếng Anh là (Xe ngủ trưa, 1967).
Carnap, R. (1948). Về ứng dụng của logic quy nạp. Nghiên cứu
Triết học và Hiện tượng học, 8, 133–148.
Carnap, R. (1950). Cơ sở logic của Proba bility. Nhà xuất
bản Đại học Chicago.
Carroll, S. (2007). Việc tạo ra những người phù hợp nhất:
DNA và Hồ sơ pháp y cuối cùng về sự tiến hóa. Cũng không tấn.
Casati, R. và Varzi, A. (1999). Các bộ phận và địa điểm: các
cấu trúc biểu diễn không gian. Báo chí MIT.
Cassandra, AR, Kaelbling, LP và Littman, ML (1994). Hoạt
động tối ưu trong các miền ngẫu nhiên có thể quan sát được
một phần. Trong AAAI-94, trang 1023– 1028.
Cassandras, CG và Lygeros, J. (2006). Hệ thống lai Stochas
tic. CRC Nhấn.
Castro, R., Coates, M., Liang, G., Nowak, R., và Yu, B.
(2004). Chụp cắt lớp mạng: Các lựa chọn phát minh gần đây.
Khoa học Thống kê, 19 (3), 499–517.
Cesa-Bianchi, N. và Lugosi, G. (2006). Dự đoán, học tập và
Trò chơi. Nhà xuất bản Đại học Cambridge.
Cesta, A., Cortellessa, G., Denis, M., Donati, A., Fratini,
S., Oddi, A., Policella, N., Rabenau, E., và Schulster, J.
(2007). MEXAR2: AI giải quyết các vấn đề của người lập kế
hoạch nhiệm vụ. Hệ thống thông minh IEEE, 22 (4), 12–19.
Chakrabarti, PP, Ghose, S., Acharya, A., và de Sarkar, SC
(1989). Tìm kiếm theo phương pháp heuristic trong bộ nhớ hạn
chế. AIJ, 41 (2), 197–222.
Chandra, AK và Harel, D. (1980). Các truy vấn có thể tính
toán cho cơ sở dữ liệu quan hệ. J. Khoa học máy tính và hệ
thống, 21 (2), 156–178.
Chang, C.-L. và Lee, RC-T. (Năm 1973). Biểu tượng Logic và
Chứng minh Định lý Cơ học. Báo chí Học thuật.
Chapman, D. (1987). Lập kế hoạch cho các mục tiêu liên hợp.
AIJ, 32 (3), 333–377.
Charniak, E. (1993). Ngôn ngữ thống kê Tìm hiểu ing. Báo
chí MIT.
Charniak, E. (1996). Các ngữ pháp ngân hàng cây. Trong
AAAI-96, trang 1031–1036.
Charniak, E. (1997). Phân tích cú pháp thống kê với ngữ pháp
không có ngữ cảnh và thống kê từ. Trong AAAI 97, trang 598–
603.
Charniak, E. và Goldman, R. (1992). Một mô hình Bayes về
công nhận kế hoạch. AIJ, 64 (1), 53–79.
Charniak, E. và McDermott, D. (1985). Giới thiệu về Trí tuệ
nhân tạo. Addison-Wesley.
Charniak, E., Riesbeck, C., McDermott, D., và Meehan, J.
(1987). Chương trình trí tuệ nhân tạo ming (xuất bản lần thứ
2). Lawrence Erlbaum Associates.
Charniak, E. (1991). Bayesian mạng không có nước mắt. AIMag,
12 (4), 50–63.
Charniak, E. và Johnson, M. (2005). Phân tích cú pháp n-tốt
nhất từ thô đến tinh và sắp xếp lại phân biệt đối xử tối đa.
Trong ACL-05.
Chater, N. và Oaksford, M. (Eds.). (2008). Tâm trí xác suất:
Triển vọng cho khoa học nhận thức Bayes. Nhà xuất bản Đại
học Oxford.
Chatfield, C. (1989). Phân tích chuỗi thời gian: Giới thiệu
(xuất bản lần thứ 4). Chapman và Hall.
Cheeseman, P. (1985). Để bảo vệ xác suất. Trong IJCAI-85,
trang 1002–1009.
Cheeseman, P. (1988). Một cuộc điều tra về hiểu biết máy
tính. Trí tuệ tính toán, 4 (1), 58–6.
Cheeseman, P., Kanefsky, B. và Taylor, W.
(1991). Những vấn đề thực sự khó ở đâu. Trong IJCAI-91,
trang 331–337.
Cheeseman, P., Self, M., Kelly, J. và Stutz, J.
(Năm 1988). Phân loại Bayes. Trong AAAI-88, Vol. 2, trang
607–611.
Cheeseman, P. và Stutz, J. (1996). Phân loại Bayes
(AutoClass): Lý thuyết và kết quả. Trong Fayyad, U., Piatesky-
Shapiro, G., Smyth, P., và Uthurusamy, R. (Eds.), Những tiến
bộ trong thu thập kiến thức Dis và Khai thác dữ liệu. Báo
chí AAAI / Báo chí MIT.
Chen, SF và Goodman, J. (1996). Một nghiên cứu thực nghiệm
về các kỹ thuật làm mịn cho mô hình ngôn ngữ ing. Trong
ACL-96, trang 310–318.
Cheng, J. và Druzdzel, MJ (2000). AIS-BN: Một thuật toán lấy
mẫu mức độ quan trọng thích ứng để lập luận chuẩn mực trong
các mạng Bayes lớn. JAIR, 13, 155–188.
Cheng, J., Greiner, R., Kelly, J., Bell, DA và Liu, W.
(2002). Học các mạng Bayes từ dữ liệu: Một cách tiếp cận dựa
trên lý thuyết thông tin. AIJ, 137, 43–90.
Chklovski, T. và Gil, Y. (2005). Cải tiến thiết kế giao diện
thu thập thông minh để thu thập kiến thức thế giới từ những
người đóng góp web. Trong Proc. Hội nghị quốc tế lần thứ ba
về nắm bắt kiến thức (K-CAP).
Chomsky, N. (1956). Ba mô hình cho ngôn ngữ mô tả. Giao
dịch IRE về Lý thuyết thông tin, 2 (3), 113–124.
Chomsky, N. (1957). Cấu trúc cú pháp. Mouton.
Choset, H. (1996). Lập kế hoạch chuyển động dựa trên cảm
biến: Đồ thị Voronoi tổng quát phân cấp. Bằng tiến sĩ. luận
án, Viện Công nghệ California.
Choset, H., Lynch, K., Hutchinson, S., Kantor, G., Burgard,
W., Kavraki, L., và Thrun, S. (2004).
Nguyên tắc chuyển động của rô bốt: Lý thuyết, Thuật toán và
Thực hiện. Báo chí MIT.
Chung, KL (1979). Lý thuyết xác suất cơ bản với quá trình
ngẫu nhiên (xuất bản lần thứ 3).
Springer-Verlag.
Thư mục
Nhà thờ, A. (1936). Một ghi chú trên dungsproblem Entschei.
JSL, 1, 40–41 và 101–102.
Nhà thờ, A. (1956). Giới thiệu về Logic Toán học. Nhà xuất
bản Đại học Princeton.
Church, K. và Patil, R. (1982). Đối phó với sự mơ hồ về
chiến thuật syn hoặc cách đặt khối vào ô trên bàn. Ngôn ngữ
học Máy tính, 8 (3–4), 139– 149.
Nhà thờ, K. (2004). Quá trình nói và ngôn ngữ ing: Chúng
ta có thể sử dụng quá khứ để dự đoán tương lai. Trong Proc.
Hội nghị về Văn bản, Diễn văn và Đối thoại.
Church, K. và Gale, WA (1991). So sánh giữa phương pháp Good
– Turing nâng cao và phương pháp estima đã bị xóa để ước
tính xác suất của bigram tiếng Anh. Lời nói và Ngôn ngữ Máy
tính, 5, 19–54.
Churchland, PM và Churchland, PS (1982).
Chủ nghĩa chức năng, tính chất và tính chủ định. Trong Biro,
JI và Shahan, RW (Eds.), Mind, Brain and Function: Các bài
luận trong Triết học về Tâm trí, pp.
121–145. Nhà xuất bản Đại học Oklahoma.
Churchland, PS (1986). Triết học thần kinh:
Hướng tới một Khoa học thống nhất của Tâm trí-Bộ não.
Báo chí MIT.
Ciancarini, P. và Wooldridge, M. (2001). Kỹ thuật phần mềm
định hướng đại lý. Springer-Verlag.
Cimatti, A., Roveri, M., và Traverso, P. (1998).
Tự động tạo các kế hoạch phổ quát dựa trên OBDD trong các
lĩnh vực không xác định. Trong AAAI-98, trang 875–881.
Clark, A. (1998). Ở đó: Đặt Bộ não, Cơ thể và Thế giới lại
với nhau. Báo chí MIT.
Clark, A. (2008). Siêu thị tâm trí: Embodi ment, Action và
Cognitive Extension. Oxford Uni versity Press.
Clark, KL (1978). Phủ định như thất bại. Trong Gallaire, H.
and Minker, J. (Eds.), Logic and Data Bases, pp.
293–322. Plenum.
Clark, P. và Niblett, T. (1989). Thuật toán quy nạp CN2. Học
máy, 3, 261–283.
Clark, S. và Curran, JR (2004). Phân tích cú pháp WSJ bằng
cách sử dụng CCG và mô hình log-tuyến tính. Trong ACL-04,
trang 104–111.
Clarke, AC (1968a). 2001: A Space Odyssey.
Signet.
Clarke, AC (1968b). Thế giới của năm 2001. Vogue.
Clarke, E. và Grumberg, O. (1987). Nghiên cứu về xác minh
tự động các hệ thống đồng thời trạng thái hữu hạn. Đánh giá
Hàng năm về Khoa học Máy tính, 2, 269– 290.
Clarke, MRB (Biên tập). (Năm 1977). Những tiến bộ trong Cờ
vua đặt cờ 1. Nhà xuất bản Đại học Edinburgh.
Clearwater, SH (Ed.). (1996). Xe đẩy Con dựa trên thị
trường. Khoa học Thế giới.
Clocksin, WF và Mellish, CS (2003). Chương trình kết hợp
trong Prolog (xuất bản lần thứ 5). Springer-Verlag.
Clocksin, WF (2003). Mệnh đề và tác dụng: Lập trình nhật ký
chuyên nghiệp cho Lập trình viên làm việc.
Springer.
Coarfa, C., Demopoulos, D., Aguirre, A., Subrama nian, D.,
và Yardi, M. (2003). 3-SAT ngẫu nhiên: Cốt truyện dày lên.
Ràng buộc, 8 (3), 243–261.
Coates, A., Abbeel, P., và Ng, AY (2009). Ap sơ tuyển học
để điều khiển máy bay trực thăng. JACM, 52 (7), 97–105.
Cobham, A. (1964). Khó khăn tính toán nội tại của các hàm.
Trong Proc. 1964 Đại hội Quốc tế về Logic, Phương pháp luận
và Triết học Khoa học, trang 24–30.
Machine Translated by Google
Thư mục
Cohen, PR (1995). Các phương pháp thực nghiệm cho trí
thông minh nhân tạo. Báo chí MIT.
Cohen, PR và Levesque, HJ (1990). Chủ đích
là sự lựa chọn với sự cam kết. AIJ, 42 (2–3), 213–261.
Cohen, PR, Morgan, J., và Pollack, ME (1990).
Ý định trong giao tiếp. Báo chí MIT.
Cohen, WW và Page, CD (1995). Học được điều đó trong lập
trình logic quy nạp: Các phương pháp và
các kết quả. Máy tính thế hệ mới, 13 (3–4), 369–
409.
Cohn, AG, Bennett, B., Gooday, JM và Gotts,
N. (1997). RCC: Một phép tính để lập luận không gian chất
lượng dựa trên khu vực. GeoInformatica, 1, 275–316.
Collin, Z., Dechter, R. và Katz, S. (1999).
Sự thỏa mãn ràng buộc phân tán tự ổn định.
Tạp chí Khoa học Máy tính Lý thuyết Chicago,
1999 (115).
Collins, FS, Morgan, M. và Patrinos, A. (2003).
Dự án bộ gen người: Bài học từ sinh học quy mô lớn. Khoa
học, 300 (5617), 286–290.
Collins, M. (1999). Mô hình thống kê hướng đầu
để xử lý ngôn ngữ tự nhiên. Bằng tiến sĩ. luận án, Uni
versity of Pennsylvania.
Collins, M. và Duffy, K. (2002). Nhịp điệu thuật toán xếp
hạng mới để phân tích cú pháp và gắn thẻ: Nhân rời rạc
cấu trúc và perceptron được bình chọn. Trong ACL-02.
Colmerauer, A. và Roussel, P. (1993). Sự ra đời
của Prolog. Thông báo SIGPLAN, 28 (3), 37–52.
Colmerauer, A. (1975). Tên khoa học: Kỹ thuật. đại diện,
Groupe d'Intelligence Artifi cielle, Universit´e de
Marseille-Luminy.
Colmerauer, A., Kanoui, H., Pasero, R., và
Roussel, P. (1973). Un syst´eme de Communi cation homme –
machine en Franc¸ais. Rapport,
Groupe d'Intelligence Artificielle, Universit´e d'Aix
Marseille II.
Condon, JH và Thompson, K. (1982). Belle
phần cứng cờ vua. Trong Clarke, MRB (Ed.), Advances
trong Computer Chess 3, trang 45–54. Pergamon.
Congdon, CB, Huber, M., Kortenkamp, D., Thiếu giá thầu,
C., Cohen, C., Huffman, S., Koss, F., Raschke,
U., và Weymouth, T. (1992). CARMEL so với
Flakey: Sự so sánh của hai người máy. Kỹ thuật. trả lời.
Người tham gia Cuộc thi Robot AAAI, RC-92-01,
Hiệp hội trí tuệ nhân tạo Hoa Kỳ.
Conlisk, J. (1989). Có ba biến thể trên Allais rất phong
phú. Tạp chí Kinh tế Hoa Kỳ, 79 (3), 392–407.
Connell, J. (1989). Kiến trúc Thuộc địa cho Sinh vật bề
ngoài Ar. Bằng tiến sĩ. luận án, Trí tuệ nhân tạo
Phòng thí nghiệm, MIT. Cũng có sẵn như cổng AI Technical
Re 1151.
Consortium, TGO (2008). Bản thể học gen
dự án năm 2008. Nghiên cứu axit nucleic, 36.
Cook, SA (1971). Sự phức tạp của các thủ tục chứng minh
định lý. Trong STOC-71, trang 151–158.
Cook, SA và Mitchell, D. (1997). Tìm kiếm khó
các trường hợp của vấn đề thỏa mãn: Một cuộc khảo sát. Ở trong
Du, D., Gu, J., và Pardalos, P. (Eds.), Các bài toán ity
thỏa mãn: Lý thuyết và ứng dụng. Người Mỹ
Hội Toán học.
Cooper, G. (1990). Độ phức tạp tính toán
của suy luận xác suất bằng cách sử dụng lưới niềm tin
Bayes. AIJ, 42, 393–405.
Cooper, G. và Herskovits, E. (1992). Một người Bayes
phương pháp quy nạp mạng xác suất
từ dữ liệu. Học máy, 9, 309–347.
Copeland, J. (1993). Trí tuệ nhân tạo:
Giới thiệu Triết học. Blackwell.
Copernicus (1543). De Revolutionibus Orbium
Coelestium. Xin lỗi. Petreium, Nuremberg.
Cormen, TH, Leiserson, CE và Rivest, R.
(1990). Giới thiệu về Thuật toán. Báo chí MIT.
Cortes, C. và Vapnik, VN (1995). Hỗ trợ vector
mạng lưới. Học máy, 20, 273–297.
Cournot, A. (Biên tập). (1838). Recherches sur les
Princecipes math´ematiques de la th´eorie des richesses.
L. Hachette, Paris.
Bìa, T. và Thomas, J. (2006). Các yếu tố của Thuyết Infor
mation (xuất bản lần thứ 2). Wiley.
Cowan, JD và Sharp, DH (1988a). Lưới thần kinh.
Đánh giá hàng quý về Biophysics, 21, 365–427.
Cowan, JD và Sharp, DH (1988b). Lưới thần kinh
và trí tuệ nhân tạo. Daedalus, 117, 85–121.
Cowell, R., Dawid, AP, Lauritzen, S., và Spiegel halter,
DJ (2002). Mạng xác suất và Hệ thống Ex pert. Springer.
Cox, I. (1993). Đánh giá các kỹ thuật liên kết dữ liệu
thống kê cho tương ứng chuyển động. IJCV,
10, 53–66.
Cox, I. và Hingorani, SL (1994). Một sự kết hợp và đánh
giá hiệu quả của thuật toán theo dõi nhiều dấu hiệu hy
pothesis của Reid để theo dõi trực quan. Ở trong
ICPR-94, Tập 1, trang 437–442.
Cox, I. và Wilfong, GT (Eds.). (1990). Phương tiện robot
dị thường Au. Springer Verlag.
Cox, RT (1946). Xác suất, tần suất và kỳ vọng có thể tái
lập được. Tạp chí Vật lý Hoa Kỳ,
14 (1), 1–13.
Craig, J. (1989). Giới thiệu về Robotics: Mechan ics and
Control (ấn bản thứ 2). Addison-Wesley Pub lishing, Inc.
Craik, KJ (1943). Bản chất của Giải thích.
Nhà xuất bản Đại học Cambridge.
Craswell, N., Zaragoza, H. và Robertson, SE
(2005). Microsoft cambridge tại trec-14: Enterprise
theo dõi. Trong Proc. Văn bản thứ mười bốn REtrieval Confer
có lẽ.
Crauser, A., Mehlhorn, K., Meyer, U. và Sanders,
P. (1998). Một bản song song của Dijkstra ngắn nhất
thuật toán đường dẫn. Trong Proc. Hội thảo Quốc tế lần thứ
23 về Cơ sở Toán học của Máy tính
Khoa học ,, trang 722–731.
Craven, M., DiPasquo, D., Freitag, D., McCallum,
A., Mitchell, TM, Nigam, K. và Slattery, S.
(2000). Học cách xây dựng cơ sở kiến thức từ
World Wide Web. AIJ, 118 (1/2), 69–113.
Crawford, JM và Auton, LD (1993). Thử nghiệm kết quả tinh
thần trên điểm giao nhau về mức độ hài lòng
các vấn đề. Trong AAAI-93, trang 21–27.
Cristianini, N. và Hahn, M. (2007). Giới thiệu
to Computational Genomics: A Case Studies Ap proach. Nhà
xuất bản Đại học Cambridge.
Cristianini, N. và Sch¨olkopf, B. (2002). Hỗ trợ
máy vectơ và phương thức hạt nhân: Thế hệ mới của máy học.
AIMag, 23 (3), 31–41.
Cristianini, N. và Shawe-Taylor, J. (2000). Một
giới thiệu về hỗ trợ máy vectơ và các
phương pháp học tập dựa trên hạt nhân. Cambridge Univer
sity Press.
Crockett, L. (1994). Kiểm tra Turing và Khung
Vấn đề: Hiểu nhầm của AI về Intelli gence. Ablex.
Croft, B., Metzler, D., và Stroham, T. (2009).
Công cụ Tìm kiếm: Truy xuất thông tin trong thực tế.
Addison Wesley.
1069
Cross, SE và Walker, E. (1994). DART: Áp dụng lập kế hoạch
và lập kế hoạch dựa trên kiến thức để lập kế hoạch hành
động. Trong Zweben, M. và Fox, MS
(Eds.), Lập lịch thông minh, trang 711–729. Morgan
Kaufmann.
Cruse, DA (1986). Ngữ nghĩa từ vựng. Cambridge
Báo chí trường Đại học.
Culberson, J. và Schaeffer, J. (1996). Đang tìm kiếm
với cơ sở dữ liệu mẫu. Trong những tiến bộ trong nhân tạo
Trí tuệ (Ghi chú bài giảng về Trí tuệ nhân tạo
1081), trang 402–416. Springer-Verlag.
Culberson, J. và Schaeffer, J. (1998). Mẫu
cơ sở dữ liệu. Trí tuệ tính toán, 14 (4), 318–
334.
Cullingford, RE (1981). Tích hợp các nguồn cạnh bí quyết
cho các tác vụ "hiểu" máy tính.
Giao dịch IEEE trên hệ thống, ics Man và Cybernet (SMC),
11.
Cummins, D. và Allen, C. (1998). Sự tiến hóa
của tôi. Nhà xuất bản Đại học Oxford.
Cushing, W., Kambhampati, S., Mausam và Weld,
DS (2007). Khi nào thì quy hoạch thời gian thực sự là chủ
nghĩa? Trong IJCAI-07.
Cybenko, G. (1988). Các hoạt động mạng nơ-ron có giá trị
liên tục với hai lớp ẩn là đủ. Báo cáo kỹ thuật, Khoa Khoa
học Máy tính, Tufts
Trường đại học.
Cybenko, G. (1989). Xấp xỉ bằng siêu tích của một hàm
sigmoidal. Toán học về xe đẩy Con, Tín hiệu và Hệ thống,
2, 303–314.
Daganzo, C. (1979). Probit đa thức: Lý thuyết
và ứng dụng của nó để dự báo nhu cầu. Thuộc về lý thuyết
Họp báo.
Dagum, P. và Luby, M. (1993). Gần đúng
suy luận xác suất trong mạng lưới niềm tin Bayes
là NP-cứng. AIJ, 60 (1), 141–153.
Dalal, N. và Triggs, B. (2005). Biểu đồ của các gradient
bắt buộc để con người phát hiện. Trong CVPR, pp.
886–893.
Dantzig, GB (1949). Lập trình các hoạt động interdepen
dent: II. Mô hình toán học. Kinh tế lượng rica, 17, 200–
211.
Darwiche, A. (2001). Điều hòa đệ quy. AIJ,
126, 5–41.
Darwiche, A. và Ginsberg, ML (1992). Tổng quát về lý
thuyết xác suất của sym bolic. Trong AAAI 92, trang 622–
627.
Darwiche, A. (2009). Mô hình hóa và lập luận với
Các mạng Bayes. Nhà xuất bản Đại học Cambridge.
Darwin, C. (1859). Về nguồn gốc của các loài bởi
Phương tiện chọn lọc tự nhiên. J. Murray, Luân Đôn.
Darwin, C. (1871). Con Người. J. Murray.
Dasgupta, P., Chakrabarti, PP và de Sarkar, SC
(1994). Tác nhân tìm kiếm trong một cái cây và sự tối ưu
của sự đào sâu lặp đi lặp lại. AIJ, 71, 195–208.
Davidson, D. (1980). Bài luận về Hành động và Sự kiện.
Nhà xuất bản Đại học Oxford.
Davies, TR (1985). Sự giống nhau. Ghi chú không chính thức
TRONG CSLI-85-4, Trung tâm Nghiên cứu Ngôn ngữ và
Thông tin (CSLI).
Davies, TR và Russell, SJ (1987). Một cách tiếp cận hợp
lý để lập luận bằng phép loại suy. Trong IJCAI-87, Vol. 1,
trang 264–270.
Davis, E. (1986). Đại diện và thu nhận kiến thức đồ họa
địa lý. Pitman và Morgan Kaufmann.
Davis, E. (1990). Đại diện của Commonsense
Hiểu biết. Morgan Kaufmann.
Machine Translated by Google
1070
Davis, E. (2005). Kiến thức và giao tiếp:
Một lý thuyết bậc nhất. AIJ, 166, 81–140.
Davis, E. (2006). Tính rõ ràng của việc định lượng
qua các vùng. J. Logic và Tính toán, 16, 891–
916.
Davis, E. (2007). Lý luận vật lý. Trong van Harme lan, F.,
Lifschitz, V., và Porter, B. (Eds.), Cuốn sách Bàn tay về
Biểu diễn Tri thức, trang 597–620. El sevier.
Davis, E. (2008). Rót chất lỏng: Một nghiên cứu về lý luận
vật lý của com monsense. AIJ, 172 (1540–1578).
Davis, E. và Morgenstern, L. (2004). Giới thiệu:
Tiến bộ trong lý luận thông thường chính thức. AIJ,
153, 1–12.
Davis, E. và Morgenstern, L. (2005). Đơn đặt hàng đầu tiên
lý thuyết về truyền thông và kế hoạch đa tác nhân. J.
Logic và Tính toán, 15 (5), 701–749.
Davis, KH, Biddulph, R., và Balashek, S. (1952).
Tự động nhận dạng các chữ số được nói. J. Acousti cal Hiệp
hội Hoa Kỳ, 24 (6), 637–642.
Davis, M. (1957). Một chương trình máy tính cho thuật toán
Pres burger. Trong các Định lý Chứng minh (như Xong
bởi Con người, Nhà logic, hoặc Máy móc), trang 215–233. Proc.
Học viện lôgic biểu tượng mùa hè. Phiên bản thứ hai; ngày
xuất bản là năm 1960.
Davis, M., Logemann, G., và Loveland, D. (1962).
Một chương trình máy để chứng minh định lý. CACM, 5,
394–397.
Davis, M. và Putnam, H. (1960). Một chuyên gia máy tính
nhường lại cho lý thuyết định lượng. JACM, 7 (3), 201–
215.
Davis, R. và Lenat, DB (1982). Hệ thống dựa trên tri thức
trong trí tuệ nhân tạo. Đồi McGraw.
Dayan, P. (1992). Sự hội tụ của TD (λ) cho
chung λ. Học máy, 8 (3–4), 341–362.
Dayan, P. và Abbott, LF (2001). Neu roscience lý thuyết:
Mod eling tính toán và toán học của hệ thống thần kinh.
Báo chí MIT.
Dayan, P. và Niv, Y. (2008). Sự củng cố học tập và não bộ:
Điều tốt, điều xấu và điều xấu.
Ý kiến hiện tại trong sinh học thần kinh, 18 (2), 185–196.
de Dombal, FT, Leaper, DJ, Horrocks, JC,
và Staniland, JR (1974). Chẩn đoán đau bụng do con người
và máy tính hỗ trợ: Báo cáo thêm
chú trọng đến hiệu suất của bác sĩ lâm sàng. người Anh
Tạp chí Y học, 1, 376–380.
de Dombal, FT, Staniland, JR và Clamp, SE
(1981). Sự khác biệt về mặt địa lý đối với hiện tượng
bệnh. Ra Quyết định Y tế, 1, 59–69.
de Finetti, B. (1937). Le pr´evision: ses lois
logiques, chủ đề nguồn ses. Ann. Phiên bản
Poincar´e, 7, 1–68.
de Finetti, B. (1993). Về ý nghĩa chủ quan
xác suất. Ở Monari, P. và Cocchi, D. (Eds.),
Probabilita e Induzione, trang 291–321. Đầu mối.
de Freitas, JFG, Niranjan, M. và Gee, AH
(2000). Các phương pháp Monte Carlo tuần tự để đào tạo
các mô hình mạng nơ ron. Tính toán thần kinh, 12 (4),
933–953.
de Kleer, J. (1975). Định tính và định lượng
kiến thức trong cơ học cổ điển. Kỹ thuật. trả lời. AI
TR-352, Phòng thí nghiệm Trí tuệ Nhân tạo MIT.
de Kleer, J. (1989). So sánh giữa ATMS và
Các kỹ thuật CSP. Trong IJCAI-89, Vol. 1, trang 290–296.
de Kleer, J. và Brown, JS (1985). Một định tính
vật lý dựa trên hợp lưu. Ở Hobbs, JR và
Moore, RC (Eds.), Các lý thuyết chính thức của Thế giới
Com monsense, chương. 4, trang 109–183. Ablex.
de Marcken, C. (1996). Ngôn ngữ không được giám sát
Thu mua. Bằng tiến sĩ. luận án, MIT.
De Morgan, A. (1864). Về chủ nghĩa âm tiết, số IV,
và về logic của các quan hệ. Giao dịch của
Hội Triết học Cambridge, X, 331–358.
De Raedt, L. (1992). Bản sửa đổi lý thuyết tương tác:
Phương pháp tiếp cận lập trình logic quy nạp. Aca demic
Báo chí.
de Salvo Braz, R., Amir, E. và Roth, D. (2007).
Nâng cao suy luận xác suất bậc nhất. Trong Getoor,
L. và Taskar, B. (Eds.), Giới thiệu về Thống kê
Học quan hệ. Báo chí MIT.
Deacon, TW (1997). Các loài biểu tượng:
đồng tiến hóa của ngôn ngữ và não bộ. WW Cũng tấn.
Deale, M., Yvanovich, M., Schnitzius, D., Kautz,
D., Carpenter, M., Zweben, M., Davis, G., và Daun,
B. (1994). Quá trình xử lý mặt đất của tàu con thoi
hệ thống lập kế hoạch. Trong Zweben, M. và Fox, M.
(Eds.), Lập lịch thông minh, trang 423–449. Morgan
Kaufmann.
Dean, T., Basye, K., Chekaluk, R. và Hyun, S.
(1990). Đối phó với sự không chắc chắn trong hệ thống kiểm soát
để điều hướng và khám phá. Trong AAAI-90, Vol. 2,
trang 1010–1015.
Dean, T. và Boddy, M. (1988). Một phân tích về lập kế hoạch
phụ thuộc vào thời gian. Trong AAAI-88, trang 49–54.
Dean, T., Firby, RJ và Miller, D. (1990). Lập kế hoạch
chical phân cấp liên quan đến thời hạn, thời gian di chuyển và
tài nguyên. Trí tuệ tính toán, 6 (1), 381–
398.
Dean, T., Kaelbling, LP, Kirman, J., và Nichol son, A.
(1993). Lập kế hoạch có thời hạn trong stochastic
các miền. Trong AAAI-93, trang 574–579.
Dean, T. và Kanazawa, K. (1989a). Một mô hình cho
chiếu và hành động. Trong IJCAI-89, trang 985–990.
Dean, T. và Kanazawa, K. (1989b). Một mô hình cho
lý luận về sự bền bỉ và nhân quả. Compu tational
Intelligence, 5 (3), 142–150.
Dean, T., Kanazawa, K., và Shewchuk, J. (1990).
Dự đoán, quan sát và ước tính trong lập kế hoạch
và kiểm soát. Trong hội nghị chuyên đề quốc tế IEEE lần thứ 5
trên Điều khiển thông minh, Vol. 2, trang 645–650.
Dean, T. và Wellman, MP (1991). Lập kế hoạch và
Điều khiển. Morgan Kaufmann.
Dearden, R., Friedman, N., và Andre, D. (1999).
Khám phá Bayes dựa trên mô hình. Trong UAI-99.
Dearden, R., Friedman, N. và Russell, SJ
(1998). Bayesian q-learning. Trong AAAI-98.
Debevec, P., Taylor, C., và Malik, J. (1996). Mod eling và
kết xuất kiến trúc từ các bức ảnh:
Phương pháp tiếp cận dựa trên hình học và hình ảnh kết hợp. Ở trong
Proc. Hội nghị thường niên lần thứ 23 về ics đồ thị máy
tính (SIGGRAPH), trang 11–20.
Debreu, G. (1960). Phương pháp tôpô trong thẻ y học
lý thuyết tiện ích. Trong Arrow, KJ, Karlin, S. và Sup
pes, P. (Eds.), Các phương pháp toán học trong xã hội
Khoa học, 1959. Nhà xuất bản Đại học Stanford.
Dechter, R. (1990a). Các chương trình cải tiến cho quá
trình xử lý phức tạp: Backjumping, learning và cutset
sự phân hủy. AIJ, 41, 273–312.
Dechter, R. (1990b). Về tính biểu cảm của các công trình
thuần có các biến ẩn. Trong AAAI-90, trang 379–
385.
Dechter, R. (1992). Các mạng ràng buộc. Ở trong
Shapiro, S. (Ed.), Encyclopedia of Artificial Intelli gence
(xuất bản lần thứ 2)., Trang 276–285. Wiley và các con trai.
Thư mục
Dechter, R. (1999). Loại bỏ nhóm: Một sự thống nhất
khuôn khổ cho lý luận. AIJ, 113, 41–85.
Dechter, R. và Pearl, J. (1985). Tổng quát hóa
chiến lược tìm kiếm ưu tiên nhất và tính tối ưu của A *.
JACM, 32 (3), 505–536.
Dechter, R. và Pearl, J. (1987). Dựa trên mạng
heuristics cho các vấn đề ràng buộc-thỏa mãn. AIJ,
34 (1), 1–38.
Dechter, R. và Pearl, J. (1989). Phân cụm cây cho
các mạng ràng buộc. AIJ, 38 (3), 353–366.
Dechter, R. (2003). Xử lý ràng buộc. Morgan
Kaufmann.
Dechter, R. và Frost, D. (2002). Dựa trên backjump
backtracking cho các vấn đề thỏa mãn ràng buộc.
AIJ, 136 (2), 147–188.
Dechter, R. và Mateescu, R. (2007). VÀ / HOẶC
không gian tìm kiếm cho các mô hình đồ họa. AIJ, 171 (2–3),
73–106.
DeCoste, D. và Sch¨olkopf, B. (2002). Đào tạo trong các
máy vectơ hỗ trợ biến thể. Học máy,
46 (1), 161–190.
Dedekind, R. (1888). Sind und là sollen die
Zahlen. Braunschweig, Đức.
Deerwester, SC, Dumais, ST, Landauer, TK,
Furnas, GW và Harshman, RA (1990). Lập chỉ mục bằng cách
phân tích ngữ nghĩa tiềm ẩn. J. Hiệp hội Hoa Kỳ
cho Khoa học Thông tin, 41 (6), 391–407.
DeGroot, MH (1970). Deci thống kê tối ưu
sions. McGraw-Hill.
DeGroot, MH và Schervish, MJ (2001). Khả năng xác suất và
Thống kê (xuất bản lần thứ 3). Addison Wesley.
DeJong, G. (1981). Khái quát hóa dựa trên các quốc gia
giải thích. Trong IJCAI-81, trang 67–69.
DeJong, G. (1982). Tổng quan về FRUMP
hệ thống. Trong Lehnert, W. và Ringle, M. (Eds.), Chiến
lược xử lý ngôn ngữ tự nhiên, trang 149–176.
Lawrence Erlbaum.
DeJong, G. và Mooney, R. (1986). Học tập dựa trên giải
thích: Một quan điểm thay thế. Máy học ing, 1, 145–176.
Del Moral, P., Doucet, A., và Jasra, A. (2006). Se quential
Monte Carlo samplers. J. Thống kê Hoàng gia
Society, Series B, 68 (3), 411–436.
Del Moral, P. (2004). Công thức Feynman – Kac, Hệ thống
hạt tương tác và phả hệ Ge với các vết Ap. Springer-Verlag.
Delgrande, J. và Schaub, T. (2003). Về mối quan hệ
giữa logic mặc định của Reiter và kiến biến thể (chính)
của nó. Trong Hội nghị Châu Âu lần thứ bảy về biểu tượng
và Các Phương pháp Định lượng để Lập luận Không chắc chắn,
trang 452–463.
Dempster, AP (1968). Tổng quát về
Suy luận Bayes. Hiệp hội Thống kê Hoàng gia,
30 (Dòng B), 205–247.
Dempster, AP, Laird, N., và Rubin, D. (1977).
Khả năng tối đa từ dữ liệu không đầy đủ thông qua
Thuật toán EM. J. Hiệp hội Thống kê Hoàng gia, 39 (Se ries
B), 1–38.
Deng, X. và Papadimitriou, CH (1990). Giải thích một đồ
thị không xác định. Trong FOCS-90, trang 355–361.
Denis, F. (2001). Học ngôn ngữ thông thường
từ những ví dụ tích cực đơn giản. Học máy,
44 (1/2), 37–66.
Dennett, DC (1984). Bánh xe nhận thức: khung
vấn đề của AI. Trong Hookway, C. (Ed.), Minds, Ma chines,
and Evolution: Triết học Nghiên cứu, pp.
129–151. Nhà xuất bản Đại học Cambridge.
Dennett, DC (1991). Ý thức được giải thích.
Penguin Press.