¿Existen buenos libros de referencia sobre inteligencia artificial?
Bishop, reconocimiento de patrones y aprendizaje automático. No hay fotocopias, pero se pueden descargar online. Un clásico entre clásicos. La clasificación de patrones y este libro son dos lecturas obligadas. "Reconocimiento de patrones y aprendizaje automático" es muy nuevo (2007) y se explica fácilmente en términos simples.
Recomiendo dos libros interesantes.
Uno es una heurística simple que nos hace más inteligentes.
La otra es la racionalidad limitada: la caja de herramientas adaptativa.
-
& ltReimpreso de CSDN
Guía de recursos de aprendizaje de aprendizaje automático e inteligencia artificial
A menudo hablo de temas que recomiendo en TopLanguage algunos libros y, a menudo, piden a personas talentosas que recopilen información relevante. La inteligencia artificial, el aprendizaje automático, el procesamiento del lenguaje natural, el descubrimiento de conocimiento (especialmente la minería de datos) y la recuperación de información son sin duda las ramas más interesantes en el campo de la informática (también están estrechamente relacionadas). Aquí, algunos de los recursos de aprendizaje más recientes relacionados con el aprendizaje automático y la inteligencia artificial se agrupan en una categoría:
Primero, Wikipedia tiene dos entradas excelentes. También soy un gran usuario de Wikipedia. Cuando aprendo algo, a menudo encuentro que comienza en Wikipedia, pasa por Google varias veces y luego termina en un libro o libros.
El primero es "La historia de la inteligencia artificial". Escribí en el grupo de discusión:
El artículo que vi hoy fue lo mejor que vi en Wikipedia. Este artículo titulado "La historia de la inteligencia artificial" sigue la línea de tiempo del desarrollo de la IA e intercala las historias de innumerables personas destacadas con giros y vueltas. Se puede decir que "los hechos son más sorprendentes de lo imaginado". La inteligencia artificial comenzó con la especulación filosófica y pasó por una etapa sin la ayuda de la psicología (especialmente la neurociencia cognitiva). Simplemente explora las manifestaciones externas de la mente humana a través de las herramientas de la inducción, la introspección y las matemáticas. Lo más interesante es una máquina de demostración automática escrita por Hilbert Simon (el padre de la teoría de la decisión, ganador del Premio Nobel y genio interdisciplinario), que demostró más de 20 teoremas de los principios matemáticos de Russell. Uno de los teoremas es más elegante que el del libro original. El programa de Simon utiliza una búsqueda heurística porque las pruebas en sistemas axiomáticos se pueden reducir a búsquedas en árboles desde condiciones hasta conclusiones (pero debido a la explosión de combinaciones, se debe utilizar la poda heurística). Más tarde, Simon escribió GPS (General Problem Solver), que se dice que puede resolver algunos problemas bien formalizados, como la Torre de Hanoi. Pero en última instancia, la investigación de Simon solo tocó un aspecto muy pequeño del pensamiento humano: la lógica formal, incluso en un sentido más estricto (es decir, no incluye el razonamiento deductivo, el razonamiento transformacional (comúnmente conocido como pensamiento analítico)). Hay muchos misterios, como el sentido común, la visión, especialmente el lenguaje más complejo y la coherencia. Otra cosa interesante es que algunas personas piensan que los problemas de IA deben ser respaldados por un cuerpo físico que pueda sentir las leyes físicas del mundo mismo. Como fuente poderosa de información, los seres humanos pueden resumir el llamado conocimiento del sentido común con los tiempos (esta es la llamada teoría de la mente encarnada), de lo contrario, construir directamente un sentido común parecería estúpido e ingenuo. base de conocimiento a mano como lo hacen algunos hermanos. Es un sistema de actualización dinámica y automática para que las personas obtengan conocimiento de la naturaleza en función de su sistema de percepción. La construcción artificial de una base de conocimiento pública no es diferente del antiguo sistema experto. Lo anterior es solo un resumen de una pequeña parte de lo que personalmente encuentro interesante o novedoso. Lo interesante es diferente para todos. Por ejemplo, detalla bastante el ascenso y la caída de la teoría de las redes neuronales. Te recomiendo que le eches un vistazo tú mismo y no olvides los enlaces en otros lugares. >Por cierto, Xu Encontrarás tiempo para traducir este artículo. Si no entiendes E, espera y verás. la traducción:)
El segundo es "inteligencia artificial". Por supuesto, existe el aprendizaje automático, etc. De estas entradas podemos encontrar muchas referencias detalladas que son muy útiles y fiables.
Luego hay algunos libros
Libros:
1. Programación de inteligencia colectiva, un buen libro de introducción en los últimos años, cultivar el interés es la parte más importante. A primera vista, es fácil asustar a un gran libro: P
2 "Artificial Intelligence, a Modern Approach 2" de Peter Norvig (un clásico indiscutible en este campo).
3. Los elementos del aprendizaje estadístico son matemáticos y pueden usarse como referencia.
4. "Conceptos básicos del procesamiento estadístico del lenguaje natural" es un clásico reconocido en el campo del procesamiento del lenguaje natural.
5. Un libro "Minería de datos, conceptos y tecnología" escrito por un científico chino es muy simple.
6. Gestión de Gigabytes, un gran libro sobre recuperación de información.
7. Teoría de la información: algoritmos de influencia y aprendizaje, un libro de referencia relativamente profundo.
Fundamentos matemáticos relevantes (libros de referencia, no aptos para lectura completa):
1. Álgebra lineal: este libro de referencia no figura en la lista, pero hay muchos.
2. Matemáticas matriciales: Análisis matricial, Roger Horn. Un clásico indiscutible en el campo del análisis matricial.
3. Teoría de la probabilidad y estadística: Teoría de la probabilidad y sus aplicaciones. Este también es un gran libro, pero las matemáticas son demasiado sólidas para el aprendizaje automático. Entonces Du Lei recomendó todas las estadísticas en el grupo de discusión y dijo
En la dirección del aprendizaje automático, las estadísticas también son muy importantes. Recomiendo All of Statistics, que es un libro de texto muy conciso de CMU. Se centra en conceptos, cálculos simplificados, conceptos simplificados y contenido estadístico no relacionado con el aprendizaje automático. Se puede decir que es un buen libro de texto de inicio rápido.
4. Método de optimización: "Libro de referencia de programación no lineal", 2ª edición). Convex Optimization es un libro de referencia sobre optimización convexa. Además, hay algunos libros en Wikipedia como referencia sobre métodos de optimización. Para comprender en profundidad los detalles técnicos de los métodos de aprendizaje automático, muchas veces (como SVM) se requieren métodos de optimización como base.
Wang Ning recomendó varios libros:
"Machine Learning, Tom Lin Kewei", 1997.
Libros antiguos, gente increíble. Ahora parece que el contenido no es demasiado profundo y muchos capítulos se sienten un poco lejanos, pero es muy adecuado para principiantes (por supuesto, no puede ser tan "nuevo" como para que conozcan algoritmos y probabilidades). Por ejemplo, la parte del árbol de decisiones es muy interesante y no ha habido mucho progreso en los últimos años, por lo que no se considera obsoleta. Además, este libro es un buen resumen del trabajo de aprendizaje automático en las décadas anteriores a 1997, y la lista de referencias es extremadamente valiosa. La traducción y las fotocopias están disponibles en China. No sé si está agotado.
“Recuperación de Información Moderna”, Ricardo Baeza-Yates et al. 1999
Libro viejo, tipo increíble. Parece el primer libro completo sobre IR. Desafortunadamente, las relaciones internacionales han progresado rápidamente en los últimos años y este libro está un poco desactualizado. Solo mírelo como referencia. Además, Ricardo ahora es jefe de Yahoo Research para Europa y América Latina.
"Clasificación de patrones (Segunda edición)", Richard Duda, Peter Hart, David G. Stock
También un adulto alrededor de 01 años Hombre, hay copias, hay colores. Aún no he terminado de leerlo, pero si quieres aprender ML e IR en profundidad, los primeros tres capítulos (Introducción, Aprendizaje bayesiano, Clasificador lineal) son necesarios.
También hay algunos clásicos que solo he visto una vez y no estoy capacitado para comentarlos. También hay dos folletos, que son colecciones de ensayos, pero que hablan sobre muchos detalles y novedades, como cómo comprimir el índice. Lamentablemente olvidé mi nombre, lo puse al final de la caja. Me temo que no verá la luz hasta mi próximo movimiento.
(Jaja, pienso en un libro: Mining the Web - Discovering Knowledge from Hypertext Data).
Hablemos de un libro famoso: "Minería de datos: herramientas y técnicas prácticas de aprendizaje automático". Escrito por el autor de Weka. Es una pena que el contenido sea mediocre. La parte teórica es demasiado escasa y la parte práctica también está lejos de la realidad. Hay muchos libros de introducción a DM, no leas este. Si desea obtener más información sobre Weka, simplemente lea la documentación. La segunda edición ha sido publicada. No la he leído y no la conozco.
En términos de recuperación de información, Du Lei sugirió una vez más:
Para libros de recuperación de información, ahora se recomienda leer la "Introducción a la recuperación de información" de Stanford, que acaba de publicarse oficialmente. publicado y el contenido es, por supuesto, el más reciente. Además, Master Croft, el mejor en recuperación de información, también está escribiendo un libro de texto, que debería publicarse pronto. Se dice que este es un libro muy práctico.
Los estudiantes interesados en la recuperación de información recomiendan encarecidamente el curso de verano del Dr. Chengxiang Zhai en la Universidad de Pekín. Diapositivas y lecturas completas aquí: /~course/cs 410/schedule.html.
Maximzhao recomendó un libro sobre aprendizaje automático:
Agregue un libro: Bishop, reconocimiento de patrones, aprendizaje automático. No es una fotocopia, pero se puede descargar online. Un clásico entre clásicos. La clasificación de patrones y este libro son dos lecturas obligadas.
"Reconocimiento de patrones y aprendizaje automático" es muy nuevo (2007) y se explica fácilmente en términos simples.
Por último, recomiendo dos libros interesantes sobre inteligencia artificial (especialmente toma de decisiones y juicio).
Una heurística sencilla que nos hace más inteligentes.
El otro es Racionalidad limitada: la caja de herramientas de adaptabilidad.
A diferencia de los métodos estadísticos de aprendizaje automático utilizados en informática, estos dos libros se centran más en los estilos cognitivos realmente adoptados por los humanos. La siguiente es la introducción que escribí en el grupo de discusión:
Estos dos libros fueron desarrollados por el Grupo de Investigación Alemán ABC (un grupo de informáticos, científicos cognitivos, neurocientíficos, economistas, matemáticos y estadísticos escritos). por un equipo de investigación interdisciplinario compuesto por Se puede decir que el estudio ampliado de modelos racionales ha puesto sobre la mesa la cuestión de qué es la verdadera inteligencia humana. La idea central es que nuestro cerebro no puede realizar muchos cálculos estadísticos y utilizar métodos matemáticos sofisticados para explicar y predecir el mundo, pero enfrenta el mundo incierto a través de heurísticas simples y sólidas (como en el primer libro. Se mencionan dos heurísticas famosas posteriores: la heurística cognitiva y la heurística del mejor tipo). Por supuesto, estos dos libros no excluyen los métodos estadísticos. Cuando la cantidad de datos es grande, surge la ventaja estadística, pero cuando la cantidad de datos es pequeña, el método estadístico se vuelve muy malo. Las reglas heurísticas simples humanas aprovechan al máximo las regularidades del entorno ecológico y todas logran una complejidad y robustez computacionales bajas.
Introducción al segundo libro:
¿Quién es Hilbert Simon?
2. ¿Qué es la racionalidad limitada?
3. ¿De qué trata este libro?
Siempre me ha parecido fascinante la toma de decisiones y el juicio humano. Este libro puede verse simplemente como una versión más completa y teórica de Decisión y juicio. Este artículo presenta teórica y sistemáticamente varios algoritmos heurísticos en el proceso de toma de decisiones humanas y sus ventajas y desventajas (por qué son aproximaciones de métodos de optimización rápidos y robustos en situaciones de información insuficiente, por qué fallan en algunos casos, trayendo consecuencias indeseables, etc. Por ejemplo, cualquiera que haya estudiado aprendizaje automático sabe que el método ingenuo de Bayes a menudo no es peor que la red bayesiana en muchos casos y es más rápido, por ejemplo, cuanto mayor es la dimensión de la interpolación polinómica, más fácil es sobreajustar; y se ha demostrado que la interpolación spline por partes basada en polinomios de bajo orden es una solución muy sólida.
Aquí hay un ejemplo interesante mencionado en el libro: se asignaron dos equipos para diseñar un robot que pudiera atrapar. pelotas de béisbol lanzadas desde el campo El primer equipo hizo un análisis matemático detallado y estableció un modelo de aproximación parabólica bastante complejo (no una parábola estricta debido a la resistencia del aire y otras razones, se utiliza para calcular el punto de aterrizaje de la pelota para atraparla). Obviamente, esta solución cuesta mucho dinero y la operación real también lleva tiempo. Como todos sabemos, la transmisión de corriente biológica en la red neuronal biológica está a solo 100 metros por segundo, por lo que la complejidad computacional es alta. Es un recurso precioso para los seres vivos, por lo que, aunque esta solución es factible, no es lo suficientemente buena. El segundo grupo entrevistó a atletas reales y escuchó su resumen sobre cómo atrapar la pelota. el robot está lanzando la pelota en la etapa inicial, espere hasta que se acerque y mantenga sus ojos en la pelota, asegurándose de que la ruta de carrera del robot definitivamente se cruce con la trayectoria de la pelota durante todo el proceso, el robot solo hace un movimiento. Estimación de trayectoria muy aproximada de si está atrapando la pelota. Mantenga los ojos en la pelota y luego ajuste la dirección de carrera de acuerdo con el ángulo de visión. De hecho, este es el poder de la heurística. Con "Decisión y juicio" que está sesgado hacia la psicología y la ciencia, este libro es más teórico, tiene muchas referencias clásicas y tiene mucho contenido matemático. Este libro se compone de más de diez capítulos, cada capítulo está escrito. de un autor diferente. Es similar a un artículo, riguroso y no verbal, al igual que la psicología de resolución de problemas. Es más adecuado para que lo lean los geeks.
Además, también se recomienda leer. "Decisión y juicio" para aquellos que no soportan los detalles técnicos de la teoría. Libros como "Don't Be a Normal Fool" y otros libros de divulgación científica para tontos son muy útiles para sus propias decisiones en la vida. Desafortunadamente, muchas heurísticas lo son. utilizado en la toma de decisiones y el juicio humanos. Se estableció en un entorno social hace cientos de miles de años y no es adecuado para la sociedad moderna.
Por lo tanto, comprender estas deficiencias y puntos ciegos en el pensamiento es de gran beneficio para convertirse en un buen tomador de decisiones, y también es un campo muy interesante en sí mismo.
(Fin)