詳細目次
第1章 人工知能の歴史と概要
1.1 人工知能の歴史
1.2 人工知能とは何だろうか：チューリングテスト
1.3 記号主義とコネクショニズム
1.4 人工知能研究の立場と汎用人工知能
1.5 伝統的人工知能技術：エキスパートシステム
1. エキスパートシステムの概要
2. エキスパートシステムの構造と分類
3. エキスパートシステムの限界
1.6 人工知能技術の拡がり
1.7 本書の構成と使い方
演習問題
第2章 探索による問題解決
2.1 探索による問題解決とは
1. パズルの例
2. ロボットの行動プラン作成
2.2 グラフによる探索問題の定式化
1. 縦型探索
2. 横型探索
3. 探索を実現するデータ構造
4. 探索方法の改良
2.3 コストを考慮した探索
1. 分岐限定探索
2. ヒューリスティック探索
3. 融合的な探索
2.4 これからの発展
演習問題
第3章 知識表現と推論の基礎
3.1 命題論理
1. 論理式
2. 論理式の意味
3. 論理式の標準形
4. 論理的な推論
5. 命題論理の公理系と証明
3.2 述語論理
1. 論理式
2. 論理式の意味
3. 論理式の標準形
3.3 融合原理
1. 命題論理の融合原理
2. 述語論理の融合原理
3.4 これからの発展
演習問題
第4章 知識表現と利用の応用技術
4.1 プロダクションシステム
1. 概要と全体構成
2. 前向き推論
3. 後ろ向き推論
4.2 論理型プログラミング言語Prolog
1. ホーン節によるプログラミング
2. 反駁としてのPrologプログラム実行
3. 変数の扱いとバックトラック
4.3 意味ネットワークとフレーム表現
1. 意味ネットワーク
2. フレーム表現
4.4 曖昧な知識の表現と推論
1. 確信度
2. 古典論理から3値論理へ
3. 多値論理とファジー論理
4. ベイズ理論
4.5 制約の表現と利用
1. 制約とは
2. 探索によるCSPの解決
3. 探索の効率化とCSPの拡張
4.6 これからの発展
演習問題
第5章 機械学習とデータマイニング
5.1 丸暗記から機械学習へ
5.2 回帰と識別ルールの学習
5.3 データの種類
5.4 パーセプトロンの登場と限界
5.5 深層学習（ディープラーニング）の登場
1. ニューラルネットワーク
2. 誤差逆伝播法（バックプロパゲーション）による学習
3. 問題点の克服による深層学習の発展
4. その他のニューラルネットワークと深層学習
5.6 サポートベクターマシン
5.7 決定木学習
1. 決定木とは
2. 情報量と情報の利得
3. 決定木構築の方法
4. 決定木利用と課題
5. 決定木からルールへの変換
5.8 クラスタリング
5.9 データマイニングの重要性
1. データマイニングとは
2. 実社会での期待
3. 知識獲得ボトルネックの解決
5.10 相関ルールのデータマイニング
1. 相関ルールマイニングとは
2. 基本的な定義
3. 頻出アイテム集合の探索
4. 頻出アイテム集合から相関ルールへ
5. オントロジー利用の相関ルールマイニング
5.11 データマイニングプロセス
5.12 これからの発展
演習問題
第6章 知識モデリングと知識流通
6.1 知識モデリングの目的
6.2 UMLによるモデリング
1. 論理的な知識の組込み
2. モデルに基づくシステム開発
6.3 知識流通の技術
1. 知識流通に必要なこと
6.4 XMLによる知識表現と流通
1. タグによる要素の表現
2. XMLによる知識流通
3. XMLデータベースによる知識ベース構築
4. 流通知識のモデル化
5. XML標準化の動向
6.5 これからの発展
演習問題
第7章 Web上で活躍するこれからのAI
7.1 Web の仕組みと限界
7.2 メタデータで意味を表す
7.3 セマンティックWebの実現技術
1. 基盤技術
2. 知識表現のモデルとRDF
3. RDFスキーマによる語彙の定義
4. オントロジー
5. 論理層の知識記述
6. 上位層の構想
7. システム構築イメージ
7.4 セマンティックWebと関連する産業界の動向
7.5 WebサービスとセマンティックWeb
1. Webサービスとは
2. Webサービスの知的連携に向けて
7.6 これからの発展
演習問題
第8章 社会で活躍するAIに向けて
8.1 クラウドコンピューティングと並列分散コンピューティング
8.2 ビッグデータとストリーム学習
8.3 人工知能システムの品質保証
8.4 人工知能と倫理
演習問題
演習問題略解
書籍検索
サイト内検索
