Perdu, besoin d'aide ?
HOTLINE internet au 02 47 61 20 22 || Librairie Tours au 02 47 61 11 27
MA COMMANDE
VOTRE COLIS
EST VIDE

MON ESPACE PRIVÉ
Se connecter

MON ESPACE PRO
Entreprises et collectivités
Nos conditions de vente
Intelligence artificielle-pearson-9782744074554
    Voir en haute qualité   Voir en haute qualité
Intelligence artificielle 

Intelligence artificielle
Avec plus de 500 exercices

Editeur : PEARSON

Année : 11/2010 (3ème édition)

Sur commande, expédition gratuite
sous 5 à 10 jours (en savoir plus)
Prix public : 
75,00 €
Prix (-5%)
71,25 €

Sa spécificité est de présenter PIA à travers le concept des agents intelligents. Les auteurs exposent comment un système réussit à percevoir son environnement de manière à analyser ce qu'il s'y passe, et comment il transforme la perception qu'il a de son environnement en actions concrètes.

Parmi les sujets couverts :
  •     les contributions historiques des mathématiques, de la théorie des jeux, de l'économie, de la théorie des probabilités, de la psychologie, de la linguistique et des neurosciences
  •     les méthodes qui permettent de prendre des décisions lors de l'établissement d'un projet, en tenant compte des étapes à venir ;
  •     les différentes manières de représenter formellement les connaissances relatives au monde qui nous entoure ainsi que le raisonnement logique fondé sur ces connaissances ;
  •     les méthodes de raisonnement qui permettent d'établir des plans et donc de proposer des actions à entreprendre ;
  •     la prise de décisions en environnement incertain : réseaux bayésiens et algorithmes tels que l'élimination de variables et MCMC (Markov Chain Monte-Carlo) ;
  •     les méthodes employées pour générer les connaissances exigées par les composants de prise de décision : les algorithmes de boosting, l'algorithme EM (expectation-minimization), l'apprentissage à base d'exemples et les méthodes à noyaux (machines à vecteurs support) ;
  •     les implications philosophiques et éthiques de FIA.

Chaque chapitre est illustré par de nombreux exemples et s'achève par des activités, qui vont des exercices de réflexion à des exercices de programmation, en passant par l'approfondissement des méthodes décrites, soit plus de 500 activités au total.

Cette 3e édition tient compte des derniers développements de la matière, concernant notamment les représentations qu'un agent peut utiliser (atomique, factorisée, structurée), les environnements partiellement observables et non déterministes, les planifications contingente et hiérarchique, les modèles probabilistes du premier ordre, l'apprentissage automatique, la recherche et l'extraction d'information sur le web et l'apprentissage à partir de très grandes bases de données.

Public : étudiants en informatique ; écoles d'ingénieurs ; ingénieurs R&D Cours : intelligence artificielle
Niveau : licence, master, doctorat


Fiche Technique intelligence artificielle :
ANNEE : 11/2010 (3ème édition)
RELIURE : Broché
NOMBRE DE PAGES : 1198
ISBN 10 : 2744074551
ISBN 13 : 9782744074554

Table des matières

1 Intelligence artificielle
1 Introduction 1

1.1
Définition de l'IA . 1

1.2
Fondements de l'intelligence artificielle. 6

1.3
Histoire de l'intelligence artificielle . 17

1.4
État de l'art . 30

Résumé, notes bibliographiques et historiques, exercices 31

2 Agents intelligents 37

2.1
Agentsetenvironnements . . . . . . . . . . . . . 37

2.2
Bons comportements: le concept de rationalité 40

2.3
Nature des environnements . 43

2.4
Structure des agents . 49

Résumé, notes bibliographiques et historiques, exercices 63

II Résolution de problèmes
3 Résolution des problèmes par l'exploration 69

3.1
Agents de résolution de problèmes. 70

3.2
Exemples de problèmes . 75

3.3
Recherche de solutions . 80

3.4
Stratégies d'exploration non informée. 86

3.5
Stratégies d'exploration informées (heuristiques) 97

3.6
Fonctions heuristiques . 109

Résumé, notes bibliographiques et historiques, exercices 114

4 Au-delà de l'exploration classique 129

4.1
Algorithmes d'exploration locale et problèmes d'optimisation 129

14.2
Exploration locale d'espaces continus . 140

4.3
Exploration avec des actions non déterministes . 142

4.4
Exploration avec des observations partielles . 146

4.5
Agents d'exploration en ligne et environnements inconnus 156

Résumé, notes bibliographiques et historiques, exercices ..... 162

5 Exploration en situation d'adversité 171

5.1
Lesjeux .............. 171

5.2
Décisions optimales dans les jeux 173

5.3
Élagage alpha-bêta . 177

5.4
Décisions imparfaites en temps réel 181

5.5
Jeux stochastiques . 187

5.6
Jeux partiellement observables . 190

5.7
État de l'art des programmes de jeu 195

5.8
Autres méthodes . 198

Résumé, notes bibliographiques et historiques, exercices 200

6 Problèmes à satisfaction de contraintes 215

6.1
Définition des problèmes à satisfaction de contraintes 215

6.2
Propagation de contraintes: inférence dans les CSP . 221

6.3
Exploration avec backtracking pour les CSP 228

6.4
Exploration locale pour les CSP . 234

6.5
La structure des problèmes . 236

Résumé, notes bibliographiques et historiques, exercices 240

III Connaissances, raisonnement et planification
7 Agents logiques 249

7.1
Agents fondés sur les connaissances. 250

7.2
Le monde du wumpus . 251

7.3
Logique . 255

7.4
La logique propositionnelle: une logique très simple . 258

7.5
Démonstration de théorèmes en logique propositionnelle. 263

7.6
Vérification efficace de modèles en logique propositionnelle 275

7.7
Agents fondés sur la logique propositionnelle ... 280

Résumé, notes bibliographiques et historiques, exercices 289

8 Logique du premier ordre 303

8.1
Retour sur la représentation . 303

8.2
Syntaxe et sémantique de la logique du premier ordre 309

8.3
Utiliser la logique du premier ordre . 319

8.4
Ingénierie des connaissances en logique du premier ordre . 326

Résumé, notes bibliographiques et historiques. exercices 332

9 L'inférence en logique du premier ordre 343

9.1
Inférence propositionnelle vs inférence du premier ordre 343

9.2
Unification et élargissement. 346

9.3
Chaînage avant . 351

9.4
Chaînage arrière . 358

9.5
Résolution....... . 367

Résumé, notes bibliographiques et historiques, exercices 379

10 Planification classique 391

10.1
Définition de la planification classique 391

10.2
Algorithmes de planification par exploration dans un espace d'états. 398

10.3
Graphes de planification. . . . . . . . . . . . 404

10.4
Autres méthodes en planification classique. . . . . 413

10.5
Analyse des méthodes de planification 418

Résumé, notes bibliographiques et historiques, exercices 419

Il Planification et action dans le monde réel 429

11.1
Temps, ordonnancement et ressources . . . . . . . . . . . . . 429

11.2
Planificationhiérarchique ..................... 434

Il.3
Planification et action dans des domaines non déterministes 443

11.4
Planificationmultiagent ................ 454

Résumé, notes bibliographiques et historiques, exercices 459

12 Représentation des connaissances 467

12.1
Ingénierie ontologique. . 467

12.2
Catégories et objets. . . . . . 470

12.3
Événements .......... 476

12.4
Événements mentaux et objets mentaux 481

12.5
Systèmes de raisonnement pour les catégories. 484

12.6
Raisonnements avec informations par défaut 489

12.7
Systèmes à maintenance de vérité . . . . . . . . 492

12.8
Le monde du commerce électronique . . . . . . 494

Résumé, notes bibliographiques et historiques, exercices 499

IV Connaître et penser l'incertain
13 Quantification de l'incertitude 513

13.1
Agir dans l'incertitude . 513

13.2
Probabilités: notations de base . 516

13.3
Inférence utilisant des distributions conjointes complètes . 525

13.4
Indépendance . 527

13.5
La règle de Bayes et son utilisation . 529

13.6
Le monde du wumpus revisité . 533

Résumé, notes bibliographiques et historiques, exercices 536

14 Raisonnement probabiliste 545

14.1
Représentation des connaissances dans un domaine incertain 545

14.2
Sémantique des réseaux bayésiens . 548

14.3
Représentation efficace des distributions conditionnelles 553

14.4
Inférence exacte dans les réseaux bayésiens . 557

14.5
Inférence approchée dans les réseaux bayésiens . 565

14.6
Modèles relationnels et modèles probabilistes du premier ordre 574

14.7
Autres approches du raisonnement incertain .... 582

Résumé, notes bibliographiques et historiques, exercices . 587

15 Raisonnement probabiliste temporel 603

15.1
Temps et incertitude . 604

15.2
I.:inférence dans les modèles temporels 607

15.3
Modèles de Markov cachés . 615

15.4
Filtres de Kalman . 621

15.5
Réseaux bayésiens dynamiques. 627

15.6
Suivre de nombreux objets .... 637

Résumé, notes bibliographiques et historiques, exercices 640

16 Prise de décisions simples 649

16.1
Désirs, croyances et incertitude . 649

16.2
Concepts de base de la théorie de l'utilité. 651

16.3
Fonctions d'utilité . 654

16.4
Fonctions d'utilité multiattribut 660

16.5
Réseaux de décision . 665

16.6
La valeur de l'information . 667

16.7
Systèmes experts utilisant la théorie de la décision 671

Résumé, notes bibliographiques et historiques, exercices 675

17 Prises de décisions complexes 685

17.1
Problèmes de décision séquentiels. 685

17.2
Itération de la valeur . 692

17.3
Itération de la politique . 696

17.4
PDM partiellement observables .. 698

17.5
Décisions et agents multiples: la théorie des jeux 706

17.6
Conception de mécanismes . 719

Résumé, notes bibliographiques et historiques, exercices 725

V Apprentissage
18 Apprendre à partir d'exemples 735

18.1
Les différentes formes d'apprentissage 736

18.2
Apprentissage supervisé . 738

18.3
Apprentissage d'arbres de décision .. 740

18.4
Évaluation et choix de la meilleure hypothèse 750

18.5
Théorie de l'apprentissage . 756

18.6
Régression et classification avec des modèles linéaires 761

18.7
Réseaux de neurones artificiels . 770

18.81
Modèles non paramétriques . 780

18.9
Machines à vecteurs de support . 787

18.10
Méthodes d'ensemble en apprentissage. 791

18.11
I.:apprentissage artificiel en pratique ... 796

Résumé, notes bibliographiques et historiques, exercices 800

19 Connaissances et apprentissage 813

19.1
Une formlÙation logique de l'apprentissage 813

19.2
Connaissances et apprentissage . 822

19.3
Apprentissage par explication . 825

19.4
Apprentissage fondé sur la pertinence . 829

19.5
Programmation logique inductive ... 833

Résumé, notes bibliographiques et historiques, exercices 843

20 Apprentissage de modèles probabilistes 849

20.1
I..:apprentissage statistique . 849

20.2
Apprentissage avec données complètes . 853

20.3
Apprentissage avec variables cachées: l'algorithme EM 864

Résumé, notes bibliographiques et historiques, exercices 872

21 Apprentissage par renforcement 879

21.1
Introduction . 879

21.2
Apprentissage par renforcement passif 881

21.3
Apprentissage par renforcement actif . 888

21.4
Généralisation et apprentissage par renforcement. 894

21.5
Recherche de politique . 897

21.6
Applications de l'apprentissage par renforcement. 899

Résumé, notes bibliographiques et historiques, exercices 902

VI Communication, perception et action
22 Traitement du langage naturel 909

22.1
Modèles de langage .... 909

22.2
Classification de textes .. 914

22.3
Recherche d'informations 916

22.4
Extraction d'informations 923

Résumé, notes bibliographiques et historiques, exercices 932

23 Langage naturel et communication 939

23.1
Grammaires à structure de phrase . 939

23.2
Analyse syntaxique (parsing) . 942

23.3
Grammaires augmentées et interprétation sémantique. 948

23.4
Traduction automatique . 958

23.5
Reconnaissance de la parole . 964

Résumé, notes bibliographiques et historiques, exercices 970

24 Perception 981

24.1
Formation des images . 982

24.2
Les premières opérations de traitement d'image . 988

24.3
La reconnaissance d'objet en fonction de l'apparence 995

24.4
Reconstruire le monde en 3D . 1000

24.5 La reconnaissance d'objets à partir d'une information structurelle 1010
24.6 Utiliser la vision . 1014
Résumé, notes bibliographiques et historiques, exercices 1018

25 Robotique 1025

25.1
Introduction . 1025

25.2
Aspects matériels . 1027

25.3
Perception robotique . 1032

25.4
Planification du mouvement 1040

25.5
Planification de mouvements incertains 1048

25.6
Le mouvement . 1051

25.7
Contrôle d'apprentissage par renforcement 1056

25.8
Architectures logicielles en robotique . 1057

25.9
Domaines d'application . 1060

Résumé, notes bibliographiques et historiques, exercices 1064

26 Fondements philosophiques 1075

26.1
lA faible: les machines peuvent-elles agir intelligemment? 1075

26.2
lA forte: les machines peuvent-elles réellement penser? .. 1081

26.3
Éthique et risques du développement de l'intelligence artificielle. 1089

Résumé, notes bibliographiques et historiques, exercices . 1096

27 lA: le présent et le futur 1101

27.1
Les composants des agents 1101

27.2
Architectures de l'agent .. 1105

27.3
Sommes-nous sur la bonne voie? . 1106

27.4
Et si l'lA atteignait son but? 1108

A Rappels mathématiques 1111

A.1
Analyse de la complexité et notation 00 1111

A.2
Distributions de probabilités .... 1115

B Notes sur les langages et les algorithmes 1119

8.1
Définition de langages sous forme de Backus-Naur (BNF) 1119

8.2
Description d'algorithmes en pseudo-code. 1120

B.3
Aideenligne ................... 1121

Bibliographie 1123


Index 1175
-5%
71,25 €
Sur commande
Intelligence artificielleIntelligence artificielle
 
 
 


AVANTAGES
Satisfait ou remboursé
Livres neufs bénéficiant d’une réduction immédiate de 5%
QUALITÉ
Les livres sont emballés dans un plastique bulle et expédiés dans un carton renforcé aux angles
CADEAUX
Expédition dans un papier cadeau avec message personnalisé
PAIEMENT SÉCURISÉ
Par CB, chèque, fax, téléphone ou virement bancaire
Banque CIC
TRANSPORT
Livraison gratuite en france métropolitaine à partir de 55 € d’achat
Colissimo - GLS