第９刷までの誤植（第１～８刷にも含まれます．） ・p.35: 表3.2の最終行 修正前 |8| F(8) | A(2), C(3), B(4), E(5), D(6), G(7) （解は発見され終了）| 修正後 |8| F(8) | S(0), A(2), C(3), B(4), E(5), D(6), G(7) （解は発見され終了）| 第８刷までの誤植（第１～７刷にも含まれます．） ・p.158: 図11.8のキャプション 修正前 線形分散可能 修正後 線形分離可能 第７刷までの誤植（第１～６刷にも含まれます．） ・p.154: 式(11.16)の下の説明で、w_1(x), w_2(x),... となっていますが、実際にはwにxの依存性はないので，w_1, w_2,...が正しいです． 修正前 w = (w_1(x), w_2(x), \ldots , w_d(x))Tは重みベクトルである． 修正後 w = (w_1, w_2, \ldots , w_d)Tは重みベクトルである． ・p221: 付録の最初の説明で、「７番目の入力ベクトルを...」とありますが，これはt番目の誤植です． 修正前 ７番目の入力ベクトルをx_t 修正後 t番目の入力ベクトルをx_t ・p94にある、図7.3のシナリオBの割引累積報酬の数値が一部誤っていました． 修正前
修正後
第６刷までの誤植（第１～５刷にも含まれます．） ・P.114, P. 115, P. 116 誤植ではありませんが，図8.6, 8.7, 8.8の図に関して 1)移動 P(s_t|s_{t-1}, a_{t-1}) と書かれているのが誤解を招くとのご指摘を頂きました． このセルに書かれているものは移動操作を行い，状態遷移確率を作用させた後の確率分布となっております． 移動確率が表されているわけではありません． この点をクリアにするために以下のように修正します． 修正前 1)移動 P(s_t|s_{t-1}, a_{t-1}) 修正後 1)移動後 \sum_{s_{t-1}}P(s_t|s_{t-1}, a_{t-1})F_{t-1}(s_{t-1}) ・P.114 誤植ではありませんが，誤解を避けるために以下のように修正いたします． 修正前 なお，図中の値は小数点以下3 桁 目を四捨五入して表示している． 修正後 なお，図中の値は厳密な計算結果に対して小数点以下3桁 目を四捨五入して表示している． ・P.136 5行目 修正前 c2=(6+12+14)=32/3= 修正後 c2=(6+12+14)/3=32/3= 第５刷までの誤植（第１～４刷にも含まれます．） ・P.25 Algorithm 2.1 深さ優先探索 誤 ⑤s から接続していてまだ探査していない状態をすべてオープ ンリストの先頭に追加する（スタックにプッシュする）． → 正 ⑤s から接続していてまだ追加していない状態をすべてオープ ンリストの先頭に追加する（スタックにプッシュする）． Algorithm 2.2 幅優先探索 誤 s から接続していてまだ探査していない状態をすべてオープ ンリストの末尾に追加する（キューにエンキューする）． → 正 s から接続していてまだ追加していない状態をすべてオープ ンリストの末尾に追加する（キューにエンキューする）． ・P.23 図2.8 物体操作タスクの状態空間図  （見えにくい場合はクリックして拡大してください．） ・P180 原文が多少誤解を招く表現でしたので，下記のように修正します． （修正前） 記号論理では一般的に言葉の意味を「言葉が指し示す対象物」のように捉 えず，その文の真偽性のみを問題にする． ->（修正後） 記号論理では一般的に言葉の意味を「言葉が指し示す対象物」のように捉 えて問題にするのではなく，その文の真偽性を中心的な問題とする． 第４刷までの誤植（第１～３刷にも含まれます．） ・P. 63 Algorithm 5.1 動的計画法② （誤） および，その最大値を与えるstを・・・ （正） および，その最大値を与えるst-1を・・・ ・P141-142 具体的にはデータが高次元空間上で多変量正規分布（ガウス分布）に従っ て分布していると仮定して，その分布の主軸方向（最も分散の大きい方向）を 発見し，それを第1 主成分とする．その後，その次に分散の大きい軸をとっ て第2 主成分を抽出するというように，順次軸をとっていくことで，低次元 空間を得る． ->（修正後） データが高次元空間上で分布していると仮定して，その分布の主軸方向 （最も分散の大きい方向）を発見し，それを第1 主成分とする．その後， その次に分散の大きい軸をとって第2 主成分を抽出するというように， 順次軸をとっていくことで，低次元空間を得る．具体的にはデータの 分散共分散行列を固有値分解することにより求める事ができる． >>説明 主成分分析ではデータが多変量正規分布に従っていると考えると 幾何学的な理解に大変役立ちます．ガウス分布というのは一般的に ラグビーボールのような楕円の広がりを持っているわけですが，その最も 長い方向（長軸，主軸）を見つけてきて，また，それと垂直に第二，第三の 軸をとってくるのが主成分分析なわけです． また，この「広がり」は分散共分散行列によって表現されています．数学 的にはこの軸を見つけてくる計算が初等線形代数で学ぶ「固有値分解」に よって実現されるという点も，大変味わい深いものです． さて，そういうこともあり，主成分分析を「多変量正規分布（ガウス分布）に従っ て分布していると仮定して」考えることを推奨するような気持で「仮定して」 と書いてしまっておりましたが，実際には，その仮定は「必要ではない」ので， 修正させていただきます． また，ある意味，ついでではありますが，具体的にな計算方法についても， 一文を加えておきました．正直，主成分分析は大変面白い内容であるにも かかわらず（そして，人工知能分野において基盤的な技術！）本書では ちらりと触れることしかできていませんので，是非，他書で学ばれることを 第３刷までの誤植（第１刷，第２刷にも含まれます．） ・P.48, P.49, P.51, P.52 （誤）プレーヤー ->（正） プレイヤー ４箇所において記述のゆらぎがあります．修正ください． １３章 ．P. 185 (13.5)式 （誤）～∧（（￢（Q∨R）∨P) ・・・・含意の除去 （正）～∧（￢（Q∨R）∨P) ・・・・含意の除去 左括弧が一つ多いです． ・P.187 (13.16)式 左端の矢印 （誤）⇔ （正）⇒ 同値ではありません． ・P. 233 第１４章４(3)の解答の図 前提１と組み合わされるのは前提３のP(a)ですが， 矢印の根本が L(a)になってしまっています． L(a)からではなくP(a)から O(a)∨K(a)∨S(a)に矢印が伸びるように変更してください． ・P.230 第９章④の解答 （誤）それぞれの重みは(1/10, 1/10, 1/5, 2/5) （正）それぞれの重みは(1/10, 1/5, 2/5, 1/10) （誤）リサンプリングされる確率は（1/8, 1/8, 1/4, 1/2） （正）リサンプリングされる確率は（1/5, 1/5, 2/5, 0） 第１刷，第２刷 までの誤植（第３刷以降では修正済み） ４章 「4.1.1 はじめに」の3段落目の4行目 「ホールダック2号にとって 行動の選択肢は?」と書かれていますが， 「ホイールダック2号にとって行動の選択肢は?」の誤りです． ６章 確率とベイズ理論の基礎 ・P.79 式(6.20) 分母のΣの添字がC_k ではなく k です． # C_k でも間違いではないが，(6.19)ではkのためkの方が妥当． ・P.90 本文中に「オペラント条件付け」という記述がございますが，正しくは「オペラント条件づけ」になります． ・P.103 (7.23)式で定義されているボルツマン選択の式が間違っています．マイナスを消して下さい． （誤） exp(-β Q(s_t, a_t)) => exp(β Q(s_t, a_t)) // マイナスが不要． ８章 位置推定（１）：ベイズフィルタ ・P.117 章末問題④ （誤）部分観測マルコフ決定過程の過程に基づいて （正）部分観測マルコフ決定過程の仮定にもとづいて 章末問題解答  ９章 位置推定（２）：粒子フィルタ 式（9.18）プリントミス  ※肩にのる(i)の位置がおかしくなっています． １０章 ・P. 135 式(10.2)  ・P.139 ・複数のクラス -> 複数のクラスタ ・P.190 問3 の解答が P.232 で 3 となっていますが， 正しい解答は 1. ∃ｘ( have(I,x) ∧ bag(x) ) になります． 以上，大変申し訳ございませんでした． 修正の上，ご活用いただければ幸いです． |
 | |
|
|