本文整理12册容易被忽略的人工智能书籍,有经典入门内容、有理论加深内容,现在大家都很关注怎样能够更快做出结果,往往忽略了一些基础内容,这些书籍,希望各位“闲暇”时,可以“阅读”一番。
经典的博弈论入门教材,讲解生动有趣,适合本科生和对博弈论感兴趣的读者,也能为将博弈作为人工智能技术验证场景的研究人员提供基本概念和方法指导。本书为作者另一部著作“Fun and Games—A Text on Game Theory”的修订深化版。
这本书着重回答这样三个问题:什么是博弈论?博弈论如何应用?博弈论为什么是正确的?《Playing for Real:A Text on Game Theory》也是唯一认真讨论全部这三个问题,又不过分数学化的一本书。《Playing for Real:A Text on Game Theory》的主题包括议价理论、不完美竞争、合作博弈、贝叶斯决策理论、不完全信息博弈、机制设计,以及拍卖理论。
多智能体和分布式人工智能领域的经典教科书。本书涵盖多智能体框架、通信、协同、认知等领域全部主题,同时也对逻辑和博弈论等基础内容和多智能体系统开发进行了介绍,适合作为入门教材和参考书。本书可与作者编著的“Multiagent Systems—A Modern Approach to Distributed Artificial Intelligence”配合阅读。
算法博弈论是博弈论和计算机的交叉,是一个非常年轻且有广泛应用的领域。本书汇编了算法博弈论领域的经典成果和最新应用,包括均衡的计算、学习和精炼,机制设计理论,密码对抗,网络拍卖,路由博弈,影响力竞争等,适合作为参考书查阅。本书可与第二作者Tim Roughgarden撰写的教材“Twenty Lectures on Algorithmic Game Theory”配合阅读。
斯坦福算法博弈轮课程:https://www.bilibili.com/video/av92438006/
博弈学习方面的专著,书中对Fictitious play和Replicator dynamics等概念有较深入的分析,对深入理解时下热门的Self-play、Population、League等博弈概念有很好的借鉴意义。
本书是计算机视觉领域的奠基性经典文献,由计算机视觉先驱David Marr撰写本书对于计算机视觉和认知科学的发展有巨大影响,适合对于计算机视觉和认知科学感兴趣的读者阅读。
《人工智能:一种现代方法》作为人工智能领域最经典的教材,2021年出版了第四版,最新版不仅依然全面而系统地介绍了人工智能的核心内容和各个主要研究方向,还大量更新了最近的理论和实践。该书是人工智能领域研究生、科研人员和从业者的核心专业书籍。
书籍网站:http://aima.cs.berkeley.edu/
强化学习圣经,系统讲述了强化学习问题,查表法(多臂老虎机,有限马尔科夫决策过程,动态规划,蒙特卡洛方法,时间差分,n步自举,规划和学习)、函数逼近法(同策略的预测和控制,异策略,资格迹,策略梯度),和前沿问题(和心理学、神经科学交叉的前沿,AlphaGo等的典型应用成果,以及一些前沿探索讨论)。
该书电子版网上可下载,网页上同时提供了授课课件,课后作业相关的代码可参考,等等。建议可反复阅读学习,并和作业的程序编写调试结合起来,以加深理解。
网页链接:http://incompleteideas.net/book/the-book-2nd.html
就着David Silver在University College London的强化学习课程绝版视频一起学习,效果更好。
课程视频:https://www.davidsilver.uk/teaching/
从控制的角度出发,以工程实现为目标,以机器人的视觉控制为背景,系统介绍了视觉系统的构成和标定、视觉测量的原理与方法、视觉控制的原理与实现,并给出了机器人视觉测量与控制的应用实例。全书以串联关节机器人为主,同时兼顾了移动机器人的控制问题。适用于面向从事机器人研究和应用的科技人员。
全面介绍了预测控制的基本原理和算法、系统分析与设计、策略发展和实际应用。既适用于从事各领域优化控制的广大工程技术人员,又适用于高校师生和科研工作者。
一本很好的入门机器人学书籍,内容囊括了机器人的运动学、动力学、轨迹规划以及力控算法等基础知识。同时借助详细的图片示例对数学公式进行了推导,易读好懂。适合初学者,并可在后续的科研实践中持续学习巩固。
学习经典的机器学习与模式识别方法是研究先进人工智能算法的基础。这本经典的模式识别与机器学习原理书,从数理统计角度解释经典模型的统计学实质,可以作为机器学习理论的基础和工具书籍。
凸优化在数学规划领域具有非常重要的地位。从应用角度看,现有算法和常规计算能力已足以可靠地求解大规模凸优化问题,一旦将一个实际问题表述为凸优化问题,大体上意味着相应问题已经得到彻底解决,这是非凸的优化问题所不具有的性质。从理论角度看,用凸优化模型对一般性非线性优化模型进行局部逼近,始终是研究非线性规划问题的主要途径,因此,通过学习凸优化理论,可以直接或间接地掌握数学规划领域几乎所有重要的理论结果。由于上述原因,对于涉足优化领域的人员,无论是理论研究还是实际应用,都应该对凸优化理论和方法有一定程度的了解。
本书从理论、应用和算法三个方面系统地介绍凸优化内容。
理论部分由4章构成,不仅涵盖了凸优化的所有基本概念和主要结果,还详细介绍了几类基本的凸优化问题以及将特殊的优化问题表述为凸优化问题的变换方法,这些内容对灵活运用凸优化知识解决实际问题非常有用。本书应用部分由3章构成,分别介绍凸优化在解决逼近与拟合、统计估计和几何关系分析这三类实际问题中的应用。本书算法部分也由3章构成,依次介绍求解无约束凸优化模型、等式约束凸优化模型以及包含不等式约束的凸优化模型的经典数值方法,以及如何利用凸优化理论分析这些方法的收敛性质。通过阅读本书,能够对凸优化理论和方法建立完整的认识。