Não conheço o livro, mas o índice certamente é interessante. JM
---------- Forwarded message ---------- Date: Fri, 1 Jul 2011 17:12:34 -0300 (BRT) From: João Luís G. Rosa <joaol...@icmc.usp.br> Subject: [Sbc-l] Lançamento de livro de IA To: sb...@sbc.org.br Prezados, É com satisfação que anuncio o lançamento de meu livro "Fundamentos da Inteligência Artificial" pela LTC. Agradeço a divulgação. Seguem maiores detalhes: http://www.grupogen.com.br/ch/prod/9722/fundamentos-da-inteligencia-artificial.aspx Fundamentos da Inteligência Artificial ISBN: 9788521605935 Autor: João Luís Garcia Rosa Selo Editorial: LTC Acabamento: Brochura Formato: 17 X 24 Edição: 1|2011 Número de páginas: 228 Peso: 0.41 kg Conteúdo: Capítulo 1. Introdução 1.1. O que é Inteligência Artificial? 1.2. Fundamentos da Inteligência Artificial 1.3. Aplicações da IA Capítulo 2. Métodos de Busca 2.1. Sistemas de Produção 2.1.1. Introdução 2.1.2. Um exemplo: o quebra-cabeças de oito peças 2.1.3. O procedimento básico 2.1.4. Controle 2.2. Estratégias de Busca para sistemas de produção de IA 2.2.1. Backtracking 2.2.2. Busca em grafos Exercícios propostos Capítulo 3. Lógica de Predicados para Representação do Conhecimento 3.1. O que é lógica? 3.1.1. Introdução 3.1.2. Raciocínio e lógica 3.1.3. Lógica default 3.1.4. Lógica modal para planejamento de expressão 3.1.5. Lógica temporal para raciocínio sobre o futuro 3.1.6. O que é importante sobre a representação do conhecimento? 3.1.7. O papel da lógica na representação do conhecimento 3.1.8. O papel de uma rede de conhecimento para uma máquina inteligente 3.1.9. A necessidade de uma organização taxonômica 3.1.10. Programação lógica como uma representação do conhecimento 3.2. Lógica Sentencial ou Cálculo Proposicional 3.2.1. Aspectos da Lógica 3.2.2. Sintaxe das linguagens proposicionais 3.2.3. Semântica das linguagens proposicionais 3.3. Lógica de Primeira Ordem 3.3.1. Sintaxe das linguagens de primeira ordem 3.4. Notação Clausal 3.4.1. Representação clausal de fórmulas Exercícios Propostos Capítulo 4. Prova Automática de Teoremas 4.1. Representação do conhecimento 4.1.1. Funções e predicados computáveis 4.2. Resolução 4.2.1. Unificação 4.2.2. O que é resolução 4.2.3. O sistema formal da resolução 4.3. Refutação por resolução 4.3.1. Introdução 4.3.2. Sistemas de produção para refutação por resolução 4.3.3. Estratégias de controle para métodos de resolução 4.3.4. Estratégias de simplificação Exercícios Propostos Capítulo 5. Raciocínio Baseado em Regras 5.1. Introdução 5.2. Um sistema de dedução progressivo 5.2.1. A forma E/OU para expressões de fatos 5.2.2. Usando grafos E/OU para representar expressões de fatos 5.2.3. Usando regras para transformar grafos E/OU 5.2.4. Usando a fórmula meta para terminação 5.2.5. Receita para resolução por encadeamento progressivo 5.3. Um sistema de dedução regressivo 5.3.1. Expressões metas na forma E/OU 5.3.2. Aplicando regras num sistema regressivo 5.3.3. A condição de terminação 5.3.4. Receita para resolução por encadeamento regressivo 5.4. "Resolvendo" dentro dos grafos E/OU 5.5. Uma combinação de sistemas progressivo e regressivo Exercícios Propostos Capítulo 6. A Linguagem Prolog 6.1. Programação lógica 6.1.1. Características notáveis de programas lógicos 6.2. Introdução ao Prolog 6.2.1. Inferência lógica do Prolog 6.2.2. Cláusulas definidas 6.2.3. Exemplo: relações familiares 6.2.4. Estendendo o exemplo através de regras 6.2.5. Definição de regra recursiva 6.2.6. Como Prolog responde questões 6.2.7. Significados declarativo e procedimental 6.3. Sintaxe e significado de programas Prolog 6.3.1. Predicados 6.3.2. Objetos de dados 6.3.3. “Matching” (unificação) 6.3.4. Cláusulas 6.4. Semânticas declarativa e procedimental 6.5. Listas 6.5.1. Representação de listas 6.5.2. Exemplos de aplicações de listas 6.6. Algumas considerações relevantes 6.6.1. O predicado not 6.6.2. loop infinito 6.6.3. Concatenação 6.7. Conclusões 6.8. Ambientes Prolog disponíveis 6.9. Exemplos de programas completos Prolog Exercícios Propostos Capítulo 7. Conjuntos Nebulosos 7.1. Introdução 7.2. Conjuntos ordinários (crisp) e nebulosos (fuzzy) 7.2.1. Conjuntos ordinários 7.2.2. Conjuntos nebulosos 7.3. A resolução dos "paradoxos" da lógica clássica Exercícios Propostos Capítulo 8. Processamento de Línguas Naturais 8.1. Introdução 8.2. Uma Odisséia para o PLN 8.3. O Teste de Turing 8.4. Alguns conceitos de linguística 8.4.1. Classes de palavras 8.4.2. As camadas da língua 8.4.3. Gramática gerativa e transformacional 8.4.4. Integrando sintaxe e semântica 8.4.5. Interações entre os níveis da língua 8.4.6. Contexto e conhecimento de fundo 8.4.7. Problemas de ambiguidade 8.4.8. Grafos de derivação 8.5. Abordagens do processamento de línguas naturais 8.5.1. Abordagens por casamento de padrões 8.5.2. Abordagens baseadas em gramática 8.5.3. Abordagens semânticas 8.5.4. Abordagens baseadas em conhecimento 8.5.5. Abordagem por rede neural 8.6. Níveis de análise da língua 8.7. Processamento de línguas naturais baseado em lógica 8.8. Técnicas de análise 8.9. Redes de transição 8.9.1. Introdução 8.9.2. Redes de transição recursivas 8.9.3. Redes de transição aumentadas 8.10. A Representação da língua natural 8.11. Gramáticas de cláusulas definidas: introdução 8.12. Entendimento de língua natural 8.13. Interpretação da língua 8.14. Lógica e língua natural 8.15. O problema da integração 8.16. Integrando fontes de conhecimento 8.17. Marcadores de passo: uma teoria de influência contextual 8.17.1. A teoria de Quillian da memória semântica 8.18. Determinação contextual de sentidos de palavras 8.19. Abordagens ao processamento simbólico de línguas naturais 8.19.1. Introdução 8.19.2 O relacionamento entre regras e casos 8.19.3 O relacionamento entre regras e princípios 8.19.4 Parser baseado em princípios 8.19.5 Parser baseado em casos 8.19.6 Conclusão 8.20. Sistemas tutores inteligentes Capítulo 9. Redes Neurais Artificiais 9.1. Introdução 9.2. O neurônio biológico 9.2.1. Variantes do neurônio "clássico" 9.2.2. Sinapses: junções entre células nervosas. 9.3. O cérebro como modelo 9.3.1. O perceptron 9.3.2. Paralelismo 9.3.3. Variedades de redes neurais 9.3.4. Aprendizado competitivo 9.3.5. Representações distribuídas 9.3.6. Máquinas de Boltzmann 9.3.7. Esquemas 9.3.8. Hierarquias cognitivas 9.3.9. Uma rede de leitura paralela 9.3.10. Processamento de sentenças 9.3.11. O futuro 9.4. Algoritmos conexionistas 9.4.1. Redes backpropagation 9.4.2. Redes Recorrentes 9.5. Redes neurais baseadas em conhecimento 9.6. Outras redes 9.6.1. Rede de Hopfield – 1ª versão 9.6.2. Rede de Hopfield – 2ª versão 9.6.3. Rede de Hamming 9.6.4. Rede de Carpenter/Grossberg 9.7. Conclusão REFERÊNCIAS BIBLIOGRÁFICAS ÍNDICE REMISSIVO _______________________________________________ Logica-l mailing list Logica-l@dimap.ufrn.br http://www.dimap.ufrn.br/cgi-bin/mailman/listinfo/logica-l
