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: [1st. ed.] نویسندگان: David J. Hand, David J. Hand (editor) سری: ISBN (شابک) : 9781003059875, 100015291X ناشر: سال نشر: 2020 تعداد صفحات: [429] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 31 Mb
در صورت تبدیل فایل کتاب Artificial intelligence frontiers in statistics : AI and statistics III 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 مرزهای هوش مصنوعی در آمار: هوش مصنوعی و آمار III 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.
Cover Half Title Title Page Copyright Page Contents List of contributors Introduction PART ONE Statistical expert systems 1 DEXPERT: an expert system for the design of experiments 2 Inside two commercially available statistical expert systems 3 AMIA: Aide à la Modélisation par l'Intelligence Artificielle (expert system for simulation modelling and sectoral forecasting) 4 An architecture for knowledge-based statistical support systems 5 Enhancing explanation capabilities of statistical expert systems through hypertext 6 Measurement scales as metadata PART TWO Belief networks 7 On the design of belief networks for knowledge-based systems 8 Lack-of-information based control in graphical belief systems 9 Adaptive importance sampling for Bayesian networks applied to filtering problems 10 Intelligent arc addition, belief propagation and utilization of parallel processors by probabilistic inference engines 11 A new method for representing and solving Bayesian decision problems PART THREE Learning 12 Inferring causal structure in mixed populations 13 A knowledge acquisition inductive system guided by empirical interpretation of derived results 14 Incorporating statistical techniques into empirical symbolic learning systems 15 Learning classification trees 16 An analysis of two probabilistic model induction techniques PART FOUR Neural networks 17 A robust back propagation algorithm for function approximation 18 Maximum likelihood training of neural networks 19 A connectionist knowledge acquisition tool: CONKAT 20 Connectionist, rule-based, and Bayesian decision aids: an empirical comparison PART FIVE Text manipulation 21 Statistical approaches to aligning sentences and identifying word correspondences in parallel texts: a report on work in progress 22 Probabilistic text understanding 23 The application of machine learning techniques in subject classification PART SIX Other areas 24 A statistical semantics for causation 25 Admissible stochastic complexity models for classification problems 26 Combining the probability judgements of experts: statistical and artificial intelligence approaches 27 Randomness and independence in non-monotonic reasoning 28 Consistent regions in probabilistic logic when using different norms 29 A decision theoretic approach to controlling the cost of planning Index