66
个编辑
更改
小第104行：
第104行： − + + − − − −
无编辑摘要
他就人工智能的各个主题发表了500余篇科学论文（http://bayes.cs.ucla.edu/jp_home.html<nowiki/>）。此外，他在上述感兴趣的领域共出版五本著作：
他就人工智能的各个主题发表了500余篇科学论文（http://bayes.cs.ucla.edu/jp_home.html<nowiki/>）。此外，他在上述感兴趣的领域共出版五本著作：
1984 年，《启发式：计算机问题解决的智能搜索策略》 Heuristics, Addison-Wesley, 1984。
1984 年，《启发式：计算机问题解决的智能搜索策略》 Heuristics, Addison-Wesley, 1<nowiki/>984。
* 发展了传统搜索算法和游戏算法；提出了自动推导启发式的新想法。
* 发展了传统搜索算法和游戏算法；提出了自动推导启发式的新想法。
1988 年，《智能系统中的概率推理：合理推断网络》 Probabilistic Reasoning in Intelligent Systems, Morgan-Kaufmann, 1988
1988 年，《智能系统中的概率推理：合理推断网络》 Probabilistic Reasoning in Intelligent Systems, Morgan-Kaufmann, 1988
* Pearl 具有里程碑意义的著作，将他的哲学、人类认知理论和所有的技术材料整合为成一个整体，提出采用了概率方法（或简称为现代方法）来研究人工智能的革命性方法。
* Pearl 具有里程碑意义的著作，将他的哲学、人类认知理论和所有的技术材料整合为成一个整体，提出采用了概率方法（或简称为现代方法）来研究人工智能的革命性方法。
2009 年，《因果关系：模型、论证、推理》 Causality: Models, Reasoning, and Inference, Cambridge University Press, 2000; 2nd edition, 2009.
2009 年，《因果关系：模型、论证、推理》 Causality: Models, Reasoning, and Inference, Cambridge University Press, 2000; 2nd edition, 2009.
* 展示了因果关系如何从一个模糊的概念发展成为一种数学理论，Pearl 提出并统一了因果关系的概率、干预、反事实和结构方法，并设计了简单的数学工具来研究因果关系和统计关联之间的关系。
* 展示了因果关系如何从一个模糊的概念发展成为一种数学理论，Pearl 提出并统一了因果关系的概率、干预、反事实和结构方法，并设计了简单的数学工具来研究因果关系和统计关联之间的关系。
2016 年，《统计因果推理入门》 Causal Inference in Statistics: A Primer, (with Madelyn Glymour and Nicholas P. Jewell) Wiley, 2016.
2016 年，《统计因果推理入门》 Causal Inference in Statistics: A Primer, (with Madelyn Glymour and Nicholas P. Jewell) Wiley, 2016.
* 为统计初学者提供了一本全面介绍因果关系领域的理想书籍，书中对传统统计方法和因果方法做了比较。在每个章节末尾都提供了练习题以帮助学生学习。
* 为统计初学者提供了一本全面介绍因果关系领域的理想书籍，书中对传统统计方法和因果方法做了比较。在每个章节末尾都提供了练习题以帮助学生学习。
2018 年，《为什么：关于因果关系的新科学》 The Book of Why: The New Science of Cause and Effect (with Dana Mackenzie), New York: Basic Books, May 2018
2018 年，《为什么：关于因果关系的新科学》 The Book of Why: The New Science of Cause and Effect (with Dana Mackenzie), New York: Basic Books, May 2018