دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Algorithms for Decision Making
دانلود کتاب الگوریتم های تصمیم گیری
مشخصات کتاب
Algorithms for Decision Making
ویرایش: [1 ed.] نویسندگان: Mykel J. Kochenderfer, Tim A. Wheeler, Kyle H. Wray سری: ISBN (شابک) : 0262047012, 9780262047012 ناشر: The MIT Press سال نشر: 2022 تعداد صفحات: 700 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 Mb
قیمت کتاب (تومان) : 36,000
در صورت تبدیل فایل کتاب Algorithms for Decision Making 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 الگوریتم های تصمیم گیری 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.
توضیحاتی در مورد کتاب الگوریتم های تصمیم گیری
معرفی گسترده بر الگوریتم‌های تصمیم‌گیری در شرایط عدم
قطعیت، معرفی فرمول‌های اساسی مسائل ریاضی و الگوریتم‌هایی برای
حل آنها.
سیستم‌های تصمیم‌گیری خودکار یا سیستم‌های پشتیبانی تصمیم - مورد
استفاده در برنامه هایی که طیفی از اجتناب از برخورد هواپیما تا
غربالگری سرطان سینه را شامل می شود - باید به گونه ای طراحی شود
که منابع مختلف عدم قطعیت را در نظر بگیرد و در عین حال اهداف
متعدد را به دقت متعادل کند. این کتاب درسی مقدمه‌ای گسترده بر
الگوریتم‌های تصمیم‌گیری در شرایط عدم قطعیت ارائه می‌کند، که
فرمول‌های اساسی مسائل ریاضی و الگوریتم‌های حل آنها را پوشش
می‌دهد.
این کتاب ابتدا به مشکل استدلال درباره عدم قطعیت و اهداف در
تصمیم‌گیری‌های ساده می‌پردازد. یک نقطه در زمان، و سپس به مسائل
تصمیم گیری متوالی در محیط های تصادفی که در آن نتایج اقدامات ما
نامشخص است، روی می آورد. در ادامه به عدم قطعیت مدل می پردازد،
زمانی که ما با یک مدل شناخته شده شروع نمی کنیم و باید یاد
بگیریم که چگونه از طریق تعامل با محیط عمل کنیم. عدم قطعیت حالت،
که در آن به دلیل اطلاعات ادراکی ناقص، وضعیت فعلی محیط را نمی
دانیم. و زمینه های تصمیم گیری شامل چندین عامل. این کتاب در درجه
اول بر برنامه ریزی و یادگیری تقویتی تمرکز دارد، اگرچه برخی از
تکنیک های ارائه شده از عناصر یادگیری نظارت شده و بهینه سازی
استفاده می کنند. الگوریتم ها در زبان برنامه نویسی جولیا پیاده
سازی شده اند. شکل‌ها، مثال‌ها و تمرین‌ها شهود پشت رویکردهای
مختلف ارائه‌شده را نشان می‌دهند.
توضیحاتی درمورد کتاب به خارجی
A broad introduction to algorithms for decision making
under uncertainty, introducing the underlying mathematical
problem formulations and the algorithms for solving
them.
Automated decision-making systems or decision-support
systems—used in applications that range from aircraft collision
avoidance to breast cancer screening—must be designed to
account for various sources of uncertainty while carefully
balancing multiple objectives. This textbook provides a broad
introduction to algorithms for decision making under
uncertainty, covering the underlying mathematical problem
formulations and the algorithms for solving them.
The book first addresses the problem of reasoning about
uncertainty and objectives in simple decisions at a single
point in time, and then turns to sequential decision problems
in stochastic environments where the outcomes of our actions
are uncertain. It goes on to address model uncertainty, when we
do not start with a known model and must learn how to act
through interaction with the environment; state uncertainty, in
which we do not know the current state of the environment due
to imperfect perceptual information; and decision contexts
involving multiple agents. The book focuses primarily on
planning and reinforcement learning, although some of the
techniques presented draw on elements of supervised learning
and optimization. Algorithms are implemented in the Julia
programming language. Figures, examples, and exercises convey
the intuition behind the various approaches presented.
