資料詳細

目次

第1章 人工知能をつくり出そう

  1.1 人工知能とは何か?

  1.2 人工知能の歴史

  1.3 人工知能の基本問題

  1.4 ホイールダック2号の冒険

第2章 探索(1):状態空間と基本的な探索

  2.1 状態空間表現

  2.2 迷路からの状態空間構成

  2.3 基本的な探索

  2.4 ホイールダック2号の迷路探索

第3章 探索(2):最適経路の探索

  3.1 最適経路の探索とヒューリスティックな知識

  3.2 最適探索

  3.3 最良優先探索

  3.4 A*アルゴリズム

  3.5 迷路を最適経路で抜けるホイールダック2号

第4章 探索(3):ゲームの理論

  4.1 利得と回避行動

  4.2 標準型ゲーム

  4.3 展開型ゲーム

第5章 多段決定(1):動的計画法

  5.1 多段決定問題

  5.2 動的計画法

  5.3 ホイールダック2号「宝箱を拾ってゴール」

  5.4 例:編集距離の計算

第6章 確率とベイズ理論の基礎

  6.1 環境の不確実性

  6.2 確率の基礎

  6.3 ベイズの定理

  6.4 確率システム

第7章 多段決定(2):強化学習

  7.1 強化学習とは何か?

  7.2 マルコフ決定過程

  7.3 割引累積報酬

  7.4 価値関数

  7.5 学習方法の例:Q学習

第8章 位置推定(1):ベイズフィルタ

  8.1 位置推定の問題

  8.2 部分観測マルコフ決定過程

  8.3 ベイズフィルタ

  8.4 通路上のホイールダック2号の位置推定(ベイズフィルタ編)

第9章 位置推定(2):粒子フィルタ

  9.1 ベイズフィルタの問題点

  9.2 モンテカルロ近似

  9.3 粒子フィルタ

  9.4 通路上のホイールダック2号の位置推定(粒子フィルタ編)

第10章 学習と認識(1):クラスタリング

  10.1 クラスタリング

  10.2 K‐means法

  10.3 混合ガウス分布

  10.4 階層的クラスタリング

  10.5 低次元化

第11章 学習と認識(2):パターン認識

  11.1 機械学習の基礎

  11.2 パターン認識

  11.3 回帰問題

  11.4 分類問題

第12章 言語と論理(1):自然言語処理

  12.1 自然言語処理

  12.2 形態素解析

  12.3 構文解析

  12.4 Bag‐of‐Words表現

第13章 言語と論理(2):記号論理

  13.1 記号論理

  13.2 述語論理

  13.3 節形式

第14章 言語と論理(3):証明と質問応答

  14.1 導出原理

  14.2 述語論理による質問応答

  14.3 スフィンクスの謎かけ

第15章 まとめ:知能を「つくる」ということ

  15.1 ホイールダック2号の冒険:総集編

  15.2 身体の知

  15.3 記号の知

  15.4 人工知能と未来

ページの先頭へ