正誤表・誤植(初版)

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

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

期待します

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.

7章 強化学習

・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)

Σの下の和をとるインデックスが左がj (ジェー)で,右があらゆる i についてになります.

・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.