Artificial Intelligence Techniques for Rational Decision Making

بینش‌هایی را برای حل مشکلات پیچیده در مهندسی، علوم زیست پزشکی، علوم اجتماعی و اقتصاد بر اساس هوش مصنوعی ایجاد می‌کند. برخی از مشکلات مورد مطالعه در تضاد بین ایالتی، امتیازدهی اعتبار، تشخیص سرطان سینه، نظارت بر وضعیت، آزمایش شراب، پردازش تصویر و تشخیص شخصیت نوری است. نویسنده مفهوم عقلانیت محدود انعطاف‌پذیر را مورد بحث قرار داده و به کار می‌برد که تجویز می‌کند که محدودیت‌های نظریه عقلانیت محدود هربرت سایمون، برنده جایزه نوبل، به دلیل تکنیک‌های پیشرفته پردازش سیگنال، قانون مور و هوش مصنوعی، انعطاف‌پذیر هستند.

تکنیک‌های هوش مصنوعی برای تصمیم‌گیری منطقیمفاهیم ماشین‌های علی و همبستگی را بررسی وتعریف می‌کند و نظریه انتقال علیت را به عنوان یک عامل تعیین‌کننده که علیت را از همبستگی متمایز می‌کند، به کار می‌گیرد. این نظریه تئوری ضد واقعیات عقلایی را توسعه می دهد که به عنوان خلاف واقع تعریف می شود که هدف آن به حداکثر رساندن دستیابی به یک هدف خاص در چارچوب یک فرآیند تصمیم گیری منطقی محدود است. علاوه بر این، چهار روش برای مقابله با اطلاعات نامربوط در تصمیم‌گیری را مورد مطالعه قرار می‌دهد:

• نظریه حاشیه‌سازی اطلاعات نامربوط
• تحلیل مؤلفه‌های اصلی
• مستقل تجزیه و تحلیل مؤلفه
• روش تعیین خودکار ارتباط

علاوه بر این، مفهوم تصمیم گیری گروهی و روش های مختلف تأثیرگذاری بر تصمیم گیری گروهی را در چارچوب هوش مصنوعی مورد مطالعه قرار می دهد. /p>

این کتاب غنی از روش‌های هوش مصنوعی شامل مجموعه‌های خشن، شبکه‌های عصبی، ماشین‌های بردار پشتیبان، الگوریتم‌های ژنتیک، بهینه‌سازی ازدحام ذرات، بازپخت شبیه‌سازی شده، یادگیری افزایشی و شبکه‌های فازی است که مورد استقبال محققان و دانشجویان شاغل در این مناطق.

Develops insights into solving complex problems in engineering, biomedical sciences, social science and economics based on artificial intelligence. Some of the problems studied are in interstate conflict, credit scoring, breast cancer diagnosis, condition monitoring, wine testing, image processing and optical character recognition. The author discusses and applies the concept of flexibly-bounded rationality which prescribes that the bounds in Nobel Laureate Herbert Simon’s bounded rationality theory are flexible due to advanced signal processing techniques, Moore’s Law and artificial intelligence.

Artificial Intelligence Techniques for Rational Decision Making examines anddefines the concepts of causal and correlation machines and applies the transmission theory of causality as a defining factor that distinguishes causality from correlation. It develops the theory of rational counterfactuals which are defined as counterfactuals that are intended to maximize the attainment of a particular goal within the context of a bounded rational decision making process. Furthermore, it studies four methods for dealing with irrelevant information in decision making:

• Theory of the marginalization of irrelevant information
• Principal component analysis
• Independent component analysis
• Automatic relevance determination method

In addition it studies the concept of group decision making and various ways of effecting group decision making within the context of artificial intelligence.

Rich in methods of artificial intelligence including rough sets, neural networks, support vector machines, genetic algorithms, particle swarm optimization, simulated annealing, incremental learning and fuzzy networks, this book will be welcomed by researchers and students working in these areas.