دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Nikos Vlassis سری: Synthesis Lectures on Artificial Intelligence and Machine Learning Volume 0 ISBN (شابک) : 1598295268, 9781598295269 ناشر: Morgan and Claypool Publishers سال نشر: 2007 تعداد صفحات: 84 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 702 کیلوبایت
در صورت تبدیل فایل کتاب A Concise Introduction to Multiagent Systems and Distributed Artificial Intelligence به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای مختصر در سیستم های چند منبع و هوش مصنوعی توزیع شده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
سیستمهای چندعاملی حوزهای در حال گسترش است که زمینههای کلاسیک مانند نظریه بازی و کنترل غیرمتمرکز را با زمینههای مدرن مانند علوم کامپیوتر و یادگیری ماشین ترکیب میکند. این تک نگاری مقدمه ای مختصر بر موضوع ارائه می دهد و مبانی نظری و همچنین تحولات اخیر را به شیوه ای منسجم و خواندنی پوشش می دهد. متن بر مفهوم یک عامل به عنوان تصمیم گیرنده متمرکز است. فصل 1 مقدمه ای کوتاه بر حوزه سیستم های چند عاملی است. فصل 2 نظریه اساسی تصمیم گیری تک عاملی را تحت عدم قطعیت پوشش می دهد. فصل 3 مقدمه ای کوتاه بر نظریه بازی ها است و مفاهیم کلاسیک مانند تعادل نش را توضیح می دهد. فصل 4 به مشکل اساسی هماهنگی تیمی از عوامل مشارکتی می پردازد. فصل 5 مسئله استدلال و تصمیم گیری چند عاملی را تحت مشاهدات جزئی مطالعه می کند. فصل 6 بر طراحی پروتکل هایی متمرکز است که در برابر دستکاری های عوامل منفعت طلب پایدار هستند. فصل 7 مقدمه ای کوتاه بر حوزه به سرعت در حال گسترش یادگیری تقویتی چند عاملی ارائه می دهد. این مطالب را می توان برای تدریس یک دوره نیم ترم در مورد سیستم های چند عاملی که تقریباً یک فصل در هر سخنرانی را پوشش می دهد استفاده کرد.
Multiagent systems is an expanding field that blends classical fields like game theory and decentralized control with modern fields like computer science and machine learning. This monograph provides a concise introduction to the subject, covering the theoretical foundations as well as more recent developments in a coherent and readable manner. The text is centered on the concept of an agent as decision maker. Chapter 1 is a short introduction to the field of multiagent systems. Chapter 2 covers the basic theory of singleagent decision making under uncertainty. Chapter 3 is a brief introduction to game theory, explaining classical concepts like Nash equilibrium. Chapter 4 deals with the fundamental problem of coordinating a team of collaborative agents. Chapter 5 studies the problem of multiagent reasoning and decision making under partial observability. Chapter 6 focuses on the design of protocols that are stable against manipulations by self-interested agents. Chapter 7 provides a short introduction to the rapidly expanding field of multiagent reinforcement learning. The material can be used for teaching a half-semester course on multiagent systems covering, roughly, one chapter per lecture.
9468c166-8d17-4420-805e-420e0362965f.pdf book.pdf Introduction MULTIAGENT SYSTEMS AND DISTRIBUTED AI CHARACTERISTICS OF MULTIAGENT SYSTEMS Agent Design Environment Perception Control Knowledge Communication APPLICATIONS CHALLENGING ISSUES NOTES AND FURTHER READING Rational Agents WHAT IS AN AGENT? AGENTS AS RATIONAL DECISION MAKERS OBSERVABLE WORLDS AND THE MARKOV PROPERTY Observability The Markov Property STOCHASTIC TRANSITIONS AND UTILITIES From Goals to Utilities Decision Making in a Stochastic World Example: A Toy World NOTES AND FURTHER READING Strategic Games GAME THEORY STRATEGIC GAMES ITERATED ELIMINATION OF DOMINATED ACTIONS NASH EQUILIBRIUM NOTES AND FURTHER READING Coordination COORDINATION GAMES SOCIAL CONVENTIONS ROLES COORDINATION GRAPHS Coordination by Variable Elimination Coordination by Message Passing NOTES AND FURTHER READING Partial Observability THINKING INTERACTIVELY INFORMATION AND KNOWLEDGE COMMON KNOWLEDGE PARTIAL OBSERVABILITY AND ACTIONS States and Observations Observation Model Actions and Policies Payoffs NOTES AND FURTHER READING Mechanism Design SELF-INTERESTED AGENTS THE MECHANISM DESIGN PROBLEM Example: An Auction THE REVELATION PRINCIPLE Example: Second-price Sealed-bid (Vickrey) Auction THE VICKREY--CLARKE--GROVES MECHANISM Example: Shortest Path NOTES AND FURTHER READING Learning REINFORCEMENT LEARNING MARKOV DECISION PROCESSES Value Iteration Q-learning MARKOV GAMES Independent Learning Coupled Learning Sparse Cooperative Q-learning THE PROBLEM OF EXPLORATION NOTES AND FURTHER READING