1.《机器学习-实现人工智能的途径》科学出版社 1992年5月第一版

    J.G.Carbonell、R.S.Michalshi、T.M.Mitchell主编   

   

    人工智能有两个目标：第一，人工智能是使计算机变得聪明和做聪明的事，以便使人们不需亲自去做；第二，人工智能（有时称之为认知模拟，或信息处理心理学）还研究使用计算机模拟人，以使我们发现人类是怎样工作的，或许能帮助人们更好的工作。

    此书将机器学习划分为三个时期：神经系统模型和决策理论技术

                                  面向符号概念的学习

                                  研究不同学习任务的知识密集型学习系统

     2.《机器学习》【美】Tom.M.Mitchell著 曾华军 张银奎等译

     机械工业出版社 2003年1月第一版

    “机器学习”一般被定义为一个系统自我改进的过程，但是仅仅从这个定义来理解和实现机器学习是困难的，从最初的给予神经元模型以及函数逼近论的方法研究，到以符号演算为基础的规则学习和决策树学习的产生，和之后的认知心理学中归纳、理解、类比等概念的引入，至最新的计算学习理论和统计学的兴起（当然还包括基于马尔可夫过程的增强学习），机器学习一直都在相关科学的实践应用中起着主导作用。

    机器学习从很多学科吸收了成果和概念，包括统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等。

    这些学科对机器学习的影响：

   人工智能：学习概念的符号表示。作为搜索问题的机器学习。作为提高问题求解能力的学习。利用先验的知识和训练数据一起引导学习。

   贝叶斯方法：作为计算假设概率基础的贝叶斯法则。朴素贝叶斯分类器。未观测到变量估值的算法。

   计算复杂性理论：不同学习任务中固有的复杂性的理论边界，以计算量、训练样例数量、出错数量等衡量。

   控制论：未了优化预定目标，学习对各宗处理过程进行控制，学习预测被控制的过程的下一个状态。

   信息论：熵和信息内容的度量。学习最小描述长度方法。编码假设时，对最佳训练序列的最佳编码及其关系...

   哲学：“奥坎姆的剃刀”（Occam's razor主要思想为简单的理论（或假设）优于复杂的，因为此人频繁使用这一原则，故称为奥坎姆的剃刀）。将观察到的数据泛化的理由分析。

   心理学和神经生物学：实践的幂定律（power law of practice）,该定律指出对于很大范围内的学习问题，人们的反应速度随着实践次数的幂级提高，激发人工神经网络学习横式的神经生物学研究。

   统计学：根据有限数据样本，对估计假设精度时出现的误差（例如，偏差和方差）的刻画。

    3.《数据结构》冯俊 编著 清华大学出版社 2007年11月第一版

    4.《人工智能-理论与实践》【美】Thomas Deam ,James Allen,Yiannis Aloimonos著 顾国昌 刘海波 仲宁 等译 电子工业出版社 2004年6月

    5.《智能技术》曹承志 王楠 编著 清华大学出版社 2004年9月第一版

    6.《计算机程序的构造和解释》【美】Harold Abelson,Gerald Jay Sussman,Julie Sussman 著 裘宗燕 译 机械工业出版社&中信出版社 2004年2月第一版

    7.《程序设计实践》【美】Brian W.Kernighan, Rob Pike著 裘宗燕译 机械工业出版社&Addison-Wesley  2000年8月第一版。2003年9月第六次印刷

    8.《Java 大学基础教程》【美】H.M.Deitel, P.J.Deitel著 刘晓莉 周璐 钱方 等译 电子工业出版社  2007年1月第一版

    9.《标准C语言基础教程》【美】Gary J.Bronson 著 单先余 陈芳 张蓉等译 单兴 审校  2006年9月第一次印刷

 

    1.机器学习此文主要介绍了：

     机器学习的概念和研究意义

     机器学习的发展史

     机器学习的主要策略和系统的基本结构

     机器学习分类

    3.在维基百科上的semanticweb专页。

 

 

 

 

 

 

    1.應用知識本體技術於工程應用程式整合之研究

    研 究 生：盧明德 Ming-Der Lu

    指導教授：謝尚賢 Shang-Hsien Hsieh

   

    2.机器学习与自然语言处理