最受欢迎的10本人工智能书籍

1. Artificial Intelligence

(人工智能)(第二版)

作者:Stuart Jonathan Russell, Peter Norvig

本书是一本介绍人工智能的指南,涵盖了人工智能的大半部分分支,包括智能代理、问题解决、逻辑代理、机器人等。本书对人工智能的发展历史做了介绍,包括人工智能最初是以“问题-解决”的模式出现的。本书有大量的在线样本代码,并以不同的语言编写。这是一本很棒的CS(计算机科学)书,里面有一些数学知识,但是附录中对这些数学背景进行了全面的补充。

2. Neural Networks for Pattern Recognition

(模式识别的神经网络)

作者:Christopher M. Bishop

本文从统计模式识别的角度,对前馈神经网络进行了首次综合整理。在对模式识别的基本概念进行过介绍后,介绍了建模概率密度函数的技术,并讨论了多层感知器和径向基函数网络模型的性能和相对优点。它还激励了对各种形式的错误函数的使用,并回顾了主要的使错误函数最小化的算法,总结了贝叶斯技术及其在神经网络中的广泛应用。

3. Design Patterns in Java

(Java中的设计模式)

作者:Steven John Metsker, William C. Wake

本书给你动手实践的机会,使你深刻理解在任何一项Java软件项目中,充分利用设计模式可发挥的重要作用。作为对经典设计模式的完美补充,本书集最新的Java特性和最佳实践于一身。

4. Natural Language Processing with Python

(使用Python进行自然语言处理)

作者:Steven Bird, Ewan Klein, Edward Loper

这本书提供了一个很容易理解的自然语言处理介绍,支持多种语言技术,从预测文本和电子邮件过滤到自动摘要和翻译。

5. Mahout in Action

(Mahout实战)

作者:Sean Owen, Robin Anil, Ted Dunning

本书通过使用Apache Mahout提供了关于机器学习的信息,包括使用组数据进行个别建议、查找逻辑集群和筛选分类等主题。

6. Machine Learning

(机器学习)

作者:Kevin P. Murphy

本书是一本关于机器学习的综合书。本书以一种统一的、概率性的方法,为机器学习领域提供了全面而独立的介绍,适用于具有入门级数学背景的高年级本科生和研究生。

7. Lisp

( Lisp语言)(第三版)

作者:Patrick Henry Winston, Berthold Horn

新版本保留了之前版本的内容,又加入许多人工智能技术先进成果。本书从基本的语言到详细的例子,通过实践介绍Lisp。同时,还介绍了Common Lisp的对象系统,以及面向对象编程支持的提高生产力的技术。并介绍了专家系统、自然语言接口、符号数学等应用实例,以及概率边界处理、项目仿真和可视化对象识别等新应用。

7. Practical Common Lisp

(实用 Common Lisp)

作者:Peter Seibel

这是第一本将Common Lisp作为非学术语言介绍的书,提供了对Common Lisp的详细介绍,并提供了对Common Lisp语言特性及其工作原理的全面了解。

8. Logical Foundations of Artificial Intelligence

(人工智能逻辑基础)

作者:Michael R. Genesereth

本书从逻辑角度出发,是人工智能学科领域一本清晰、严谨、全面的基础书籍,是高等本科生和研究生的教科书,也是人工智能研究人员和开发人员的关键参考作品。

9. Linux Robotics

(Linux机器人)

作者:D. Jay Newman

这本书结合了机器人技术和编程中最复杂的部分,以填补现有信息的空白。如今,大多数机器人书籍都将微控制器作为机器人的“大脑”。这种方法适用于较小的、不太昂贵的项目,但有严重的局限性。当试图制造一个具有复杂动作能力、导航能力、视觉和图像捕捉能力的机器人时,最好使用单板计算机(SBC),如Linux作为控制器。

10.Pattern classification

(模式分类)

注:部分图文来源于网络,如有侵权,请联系作者删除!

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181101A1CVXW00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券