作者簡介

Rishal Hurbans

　　自孩提時期，Rishal便以醉心於電腦、科技與各種瘋狂的點子。在他的職業生涯中，他帶領了許多專案團隊、軟體工程、策略規劃以及針對許多國際企業來設計端對端的解決方案。他也曾經在其公司、社群與產業中積極推動關於實用主義、學習與技術發展的風氣。

• 前言(第xi頁)
• 致謝(第xix頁)
• 關於本書(第xxi頁)
• 關於作者(第xxiv頁)
• 1 人工智慧的基本觀念(第1頁)
  • 什麼是人工智慧？(第1頁)
  • 人工智慧簡史(第7頁)
  • 問題類型與解決問題範式(第9頁)
  • 人工智慧的基本概念(第11頁)
  • 人工智慧演算法之用途(第15頁)
2 搜尋演算法基礎(第23頁)
• 什麼是計畫與搜尋？(第23頁)
• 計算成本：使用智慧演算法的原因(第26頁)
• 適用搜尋演算法的問題(第27頁)
• 代表狀態：建立代表問題空間和解的框架(第30頁)
• 無資訊搜尋：盲目尋找解(第38頁)
• 廣度優先搜尋：先廣再深(第40頁)
• 深度優先搜尋：先深再廣(第49頁)
• 無資訊搜尋演算法的使用案例(第57頁)
• 補充：圖形的種類(第58頁)
• 補充：更多表現圖形的方法(第60頁)
3 智慧搜尋(第63頁)
• 定義啟發：設計有根據的猜測(第63頁)
• 有資訊搜尋：在指引下尋找解(第67頁)
• 對抗式搜尋：在多變的環境中尋找解(第77頁)
4 進化演算法(第95頁)
• 何謂進化？(第95頁)
• 適用於進化演算法的問題(第99頁)
• 基因演算法：生命週期(第103頁)
• 編碼解空間(第106頁)
• 建立解族群(第111頁)
• 測量個體在全域中的適應性(第113頁)
• 根據適應性選擇親代(第115頁)
• 從親代複製出個體(第120頁)
• 形成下一代(第126頁)
• 配置基因演算法之參數(第129頁)
• 進化演算法的使用案例(第131頁)
5 進階進化演算法(第133頁)
• 進化演算法的生命週期(第133頁)
• 其他的選擇策略(第135頁)
• 實值編碼：處理實數(第139頁)
• 次序編碼：處理順序(第143頁)
• 樹狀編碼：處理階層(第146頁)
• 節點改變突變：改變節點數值(第150頁)
• 進化演算法常見的類型(第151頁)
• 進化演算法專有名詞表(第151頁)
• 更多進化演算法的使用案例(第152頁)
6 群體智慧：蟻群(第155頁)
• 何謂群體智慧？(第155頁)
• 適用蟻群最佳化的問題(第158頁)
• 狀態表現：如何表現路線和螞蟻？(第162頁)
• 蟻群最佳化演算法的生命週期(第167頁)
• 決定終止條件(第188頁)
• 蟻群最佳化演算法的使用案例(第191頁)
7 群體智慧：粒子(第193頁)
• 什麼是粒子群最佳化？(第193頁)
• 最佳化問題：技術觀點(第196頁)
• 可應用粒子群最佳化的問題(第200頁)
• 代表狀態：粒子長什麼樣子？(第203頁)
• 粒子群最佳化生命週期(第204頁)
• 粒子群最佳化演算法的使用案例(第228頁)
8 機器學習(第233頁)
• 什麼是機器學習？(第233頁)
• 可應用機器學習的各種問題(第236頁)
• 機器學習工作流程(第238頁)
• 使用決策樹進行分類(第264頁)
• 其他常用的機器學習演算法(第284頁)
• 機器學習演算法的使用案例(第286頁)
9 類神經網路(第289頁)
• 什麼是類神經網路？(第289頁)
• 感知器：神經元的代表(第293頁)
• 定義類神經網路(第297頁)
• 前向傳播：使用訓練後的ANN(第305頁)
• 反向傳播：訓練ANN(第313頁)
• 其他的觸發函數(第324頁)
• 設計類神經網路(第326頁)
• 類神經網路的類型與用途(第329頁)
10 使用Q-學習進行強化學習(第335頁)
• 什麼是強化學習?(第335頁)
• 強化學習可應用的問題(第340頁)
• 強化學習的生命週期(第341頁)
• 用於強化學習的深度學習方法(第363頁)
• 強化學習的使用案例(第364頁)