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
ویرایش: نویسندگان: Roman Barták, Robert A. Morris, K. Brent Venable سری: Synthesis Lectures on Artificial Intelligence and Machine Learning ISBN (شابک) : 9781608459681 ناشر: Morgan & Claypool سال نشر: 2014 تعداد صفحات: 110 زبان: english فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب An Introduction to Constraint-based Temporal Reasoning 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 بر استدلال زمانی مبتنی بر محدودیت 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.
حل مسائل محاسباتی چالش برانگیز که شامل زمان است، تقریباً از زمان پیدایش این رشته، یک جزء حیاتی در توسعه سیستم های هوش مصنوعی بوده است. این کتاب مقدمهای مختصر بر عناصر محاسباتی اصلی استدلال زمانی برای استفاده در سیستمهای هوش مصنوعی برای برنامهریزی و زمانبندی، و همچنین سیستمهایی که اطلاعات زمانی را از دادهها استخراج میکنند، ارائه میکند. این بررسی چارچوبهای زمانی را بر اساس محدودیتها، هم کیفی و هم کمی، و همچنین تکنیکهای سازگاری زمانی اصلی ارائه میکند. این کتاب همچنین خواننده را با افزونههای جدیدتر مدل اصلی آشنا میکند که به سیستمهای هوش مصنوعی اجازه میدهد به صراحت ترجیحات زمانی و عدم قطعیت زمانی را نشان دهند. این کتاب برای دانشجویان و محققان علاقه مند به استدلال زمانی مبتنی بر محدودیت در نظر گرفته شده است. این یک راهنمای مستقل برای بازنمایی های مختلف زمان و همچنین نمونه هایی از کاربردهای اخیر زمان در سیستم های هوش مصنوعی ارائه می دهد.
Solving challenging computational problems involving time has been a critical component in the development of artificial intelligence systems almost since the inception of the field. This book provides a concise introduction to the core computational elements of temporal reasoning for use in AI systems for planning and scheduling, as well as systems that extract temporal information from data. It presents a survey of temporal frameworks based on constraints, both qualitative and quantitative, as well as of major temporal consistency techniques. The book also introduces the reader to more recent extensions to the core model that allow AI systems to explicitly represent temporal preferences and temporal uncertainty. This book is intended for students and researchers interested in constraint-based temporal reasoning. It provides a self-contained guide to the different representations of time, as well as examples of recent applications of time in AI systems.