人工知能原理 改訂版 (コンピュータサイエンス教科書シリーズ〈12〉) [全集叢書]

人工知能原理 改訂版 (コンピュータサイエンス教科書シリーズ〈12〉) の 商品概要

• 目次

  1．人工知能とその歴史
  1.1　人工知能とは
  1.2　人工知能の歴史
  
  第I部　探索とゲーム
  2．探索
  2.1　状態空間のグラフ表現
  2.2　深さ優先探索と幅優先探索
  　2.2.1　深さ優先探索
  　2.2.2　幅優先探索
  　2.2.3　プログラム
  　2.2.4　深さ優先探索と幅優先探索の比較
  2.3　ダイクストラ法
  　2.3.1　プログラム
  　2.3.2　健全性
  2.4　山登り法
  2.5　最良優先探索
  2.6　A*アルゴリズム
  　2.6.1　プログラム
  　2.6.2　健全性
  　2.6.3　ヒューリスティック関数の精度・無矛盾性
  2.7　反復深化法とIDA*
  　2.7.1　深さを閾値とした反復深化法
  　2.7.2　IDA*
  演習問題
  3．ゲーム
  3.1　群論によるパズルの分析
  　3.1.1　コマの並びの表現
  　3.1.2　巡回置換による操作の表現
  　3.1.3　等価な巡回置換
  　3.1.4　偶置換・奇置換
  3.2　ヒューリスティック関数の設計
  3.3　ゲーム木
  3.4　AND-OR木
  3.5　証明数と反証数
  3.6　MINMAX法
  　3.6.1　局面の評価
  　3.6.2　MINMAX探索
  3.7　αβ法
  3.8　ゲームプログラミングの進展
  　3.8.1　いろいろな手法
  　3.8.2　パズルやゲームの解を求める試みの事例
  演習問題
  
  第II部　機械学習
  4．進化的計算
  4.1　遺伝的アルゴリズム
  　4.1.1　選択
  　4.1.2　交叉
  　4.1.3　突然変異
  　4.1.4　GAによる探索の具体例
  4.2　遺伝的プログラミング
  　4.2.1　選択
  　4.2.2　交叉
  　4.2.3　突然変異
  4.3　差分進化
  4.4　粒子群最適化
  4.5　対話型進化計算
  演習問題
  5．ニューラルネットワーク
  5.1　ニューロンモデル
  5.2　パーセプトロン
  　5.2.1　誤り訂正学習法
  　5.2.2　誤差逆伝播法
  　5.2.3　誤差逆伝播法の導出
  5.3　ディープラーニング
  　5.3.1　たたみ込みニューラルネットワーク
  　5.3.2　技術的補足
  5.4　自己組織化マップ
  演習問題
  6．強化学習
  6.1　強化学習の枠組み
  6.2　TD学習
  6.3　SARSA
  6.4　Q学習
  6.5　適格度トレース
  演習問題
  7．その他の機械学習アルゴリズム
  7.1　サポートベクターマシン
  　7.1.1　ハードマージン最適化
  　7.1.2　ソフトマージン最適化
  　7.1.3　SVMの非線形化とカーネルトリック
  7.2　t-SNE
  　7.2.1　SNE
  　7.2.2　t-SNE
  演習問題
  
  第III部　知識表現
  8．知識表現
  8.1　知識とその表現
  8.2　知識表現技法
  　8.2.1　フレーム
  　8.2.2　意味ネットワーク
  　8.2.3　プロダクションルール
  　8.2.4　スクリプト
  8.3　推論
  　8.3.1　フレームシステムにおける推論の事例
  　8.3.2　意味ネットワークによる推論の事例
  　8.3.3　プロダクションシステムによる推論の事例
  　8.3.4　スクリプトによる推論の事例
  8.4　マークアップ言語とメタ言語
  　8.4.1　HTML
  　8.4.2　XML
  8.5　知識表現とその活用
  演習問題
  9．セマンティックWeb技術
  9.1　セマンティックWeb設計の原則と技術階層
  9.2　スキーマ言語
  　9.2.1　DTD
  　9.2.2　XML Schema
  9.3　Webにおけるメタデータの活用事例
  9.4　オントロジー
  　9.4.1　RDF
  　9.4.2　OWL
  9.5　セマンティックWebの応用事例
  　9.5.1　Linked Open Data
  　9.5.2　SPARQL
  9.6　セマンティックWebの未来
  演習問題
  引用・参考文献
  索引

• 出版社からのコメント

  探索，ゲーム，機械学習，知識表現・セマンティックWeb技術に焦点を絞り，平易に解説。

• 内容紹介

  【本書の特徴】
  本書は，人工知能アルゴリズムの中でも，探索，ゲーム，機械学習，知識表現，セマンティックWebについて解説した教科書である。本書を通して，様々な状況で最適な解を見つける方法や意思決定の方法，またそれらを機械学習で自動化する方法の基礎を学ぶ。また，人の知識をコンピュータが理解し，推論できるようにするための技術やWeb上でそれを活用する技術の基礎について学ぶ。
  各種アルゴリズムのソースコードをC言語（C++言語）およびPythonで提供。実際に動作するプログラムを作成することで人工知能アルゴリズムに対する理解を深めることが出来る。
  
  【各章について】
  1章では，人工知能の歴史を解説。過去どのような研究がなされてきたのか説明する。
  2章では，探索を解説。具体的には，深さ優先探索，幅優先探索から始まり，ダイクストラ法，山登り法，最良優先探索，A*アルゴリズム，反復深化法，IDA*について学ぶ。また，アルゴリズムの健全性や無矛盾性についても確認し，動作原理に対する理解を深める。
  3章では，まず，群論によるパズルの分析とA*アルゴリズムでパズルを解く際のヒューリスティック関数の設計について8-パズルを題材としながら解説。次に，2人対戦ゲームに関する概念や探索手法としてゲーム木，AND-OR木，証明数と反証数，MINMAX法，αβ法を解説する。
  4章では，進化的計算手法を解説。遺伝的アルゴリズムや遺伝的プログラミングといった生物の進化を比較的忠実に模倣した方法から，差分進化や粒子群最適化といった多点・直接探索法についても学ぶ。また人が次世代に残す個体を選択する対話型進化計算についても概説。
  5章では，ニューラルネットワークを解説。人の神経細胞を模したニューロンモデルの説明から始まり，パーセプトロン構造について学んだ後に，ニューラルネットワークの学習方法である誤り訂正学習法および誤差逆伝播法を学ぶ。深層学習についても概説する。また，教師なし学習手法として自己組織化マップについても触れる。
  6章では，強化学習を解説。強化学習は学習の指針となる教師信号を与えるのではなく，行動の良し悪しを評価する報酬を与えることで学習する枠組みである．強化学習手法として，TD学習，SARSA，Q学習について学ぶ。
  7章では，4～6章での分類以外の機械学習手法として，サポートベクターマシンとt-SNEを解説。
  8章では，知識表現を解説。人間の知識をモデル化するための技法について解説するとともに，与えられた知識や既存の知識を利用し新たな知識を得る「推論」について学ぶ。またインターネット上の情報記述の基礎として，マークアップ言語とメタ言語についても学ぶ。
  9章ではセマンティックWeb技術を解説。セマンティックWebを構成する要素技術として，マークアップ言語やメタ言語，スキーマ言語について学ぶ。また知識や情報を構造化し整理するモデルであるオントロジーについて学び，その応用事例や将来展望についても解説する。
  
  図書館選書
  本書では，人工知能アルゴリズムの中でも，探索，ゲーム，機械学習，知識表現・セマンティックWeb技術に焦点を絞り，それらを平易に解説した。改訂版では，サポートベクトルマシンとt-SNEの解説を追加した。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  加納 政芳(カノウ マサヨシ)
  １９９９年名古屋工業大学工学部知能情報システム学科卒業。２０１５年中京大学教授
  
  山田 雅之(ヤマダ マサシ)
  １９９２年名古屋工業大学工学部電気情報工学科卒業。２０１２年中京大学教授
  
  遠藤 守(エンドウ マモル)
  １９９７年信州大学工学部情報工学科卒業。２０１４年名古屋大学准教授

人工知能原理 改訂版 (コンピュータサイエンス教科書シリーズ〈12〉) の商品スペック