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: 1st نویسندگان: Stuart Russell. Peter Norvig سری: ISBN (شابک) : 0131038052, 9780131038059 ناشر: Prentice Hall سال نشر: 1995 تعداد صفحات: 947 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 36 مگابایت
در صورت تبدیل فایل کتاب Artificial Intelligence: A Modern Approach 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 هوش مصنوعی: رویکرد مدرن 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.
این مقدمه ای بر تئوری و عمل هوش مصنوعی است. از یک عامل هوشمند بهعنوان موضوع وحدتبخش در سرتاسر استفاده میکند، و حوزههایی را پوشش میدهد که گاهی اوقات در جاهای دیگر مورد تأکید قرار نمیگیرند. اینها عبارتند از استدلال در شرایط عدم قطعیت، یادگیری، زبان طبیعی، بینایی و روباتیک. این کتاب همچنین برخی از ایدههای جدیدتر در این زمینه را به تفصیل توضیح میدهد، از جمله بازپخت شبیهسازی شده، جستجوی محدود به حافظه، هستیشناسیهای جهانی، شبکههای باور پویا، شبکههای عصبی، برنامهنویسی منطق استقرایی، نظریه یادگیری محاسباتی، و یادگیری تقویتی. مرور: همانطور که برخی از داوران گفته اند، این احتمالاً جامع ترین کتاب درسی هوش مصنوعی در بازار است. "مزایای" کتاب به خوبی توسط منتقدان دیگر پوشش داده شده است، بنابراین من بررسی خود را به برخی از مواردی که در مورد کتاب باعث ایجاد اشکال در من می شود محدود می کنم. 1. بدون کلید پاسخ برای هر گونه مشکل. این ویژگی برای چندین دهه در کتاب های درسی به عنوان راهی برای دانش آموزان برای بررسی درک خود از مطالب استاندارد بوده است. 2. مثال ها کم هستند و گاهی در وسط متوقف می شوند. به عنوان مثال، در فصل 13، مثال اعمال قانون بیز یک رویکرد را ارائه می دهد و نشان می دهد که یک رویکرد جایگزین را مورد بحث قرار می دهد، اما سپس متن فقط از مسیر دیگری خارج می شود و هرگز مثال را کامل نمی کند. 3. شبه کدهای ناسازگار و (گاهی) پیچیده برای الگوریتم ها. شبه کد باید تقریبی تقریباً نزدیک به انگلیسی از الگوریتم باشد، اما به نظر می رسد این کتاب RTL، انگلیسی و هر نماد دیگری را با هم ترکیب می کند. اگرچه ضمیمه شامل تلاشی برای توضیح منطق آنها در پشت نام تجاری شبه کد آنهاست، در بهترین حالت ناقص است. همچنین، نام توابع از هیچ قراردادی که من تا به حال دیدهام پیروی نمیکند (من بیش از 30 سال تجربه در زمینه نرمافزار دارم)، و حتی در کتاب همخوانی ندارد. 4. زبان تحقیر آمیز. این هرگز نباید در یک کتاب درسی رخ دهد. در بسیاری از جاها، نویسندگان به ما می گویند که "خواننده تیزبین متوجه می شود" یا عبارات مشابه، که اساساً به این معنی است که "اگر توضیح ما را دریافت نکرده اید و زیرمتن پنهان را پیدا نکرده اید، متوجه نشده اید" چشم تیزبین\". همه این زبان ها باید ویرایش می شدند. نویسندگان به نوشتن یک کلاسیک بسیار نزدیک شده بودند، اما متأسفانه آن را از دست دادند. من فکر میکنم هر استادی که ادعا میکند دانشآموزانشان «کلاً این کتاب را دوست دارند» خودشان را فریب میدهند. با این حال، اگر استاد شما در توضیح مطالب خوب است، ارزش آن را دارد که یک بار آن را مرور کنید، سپس به مواد دیگر بروید، شاید منابع اولیه در زیرشاخه(هایی) که علاقه شما را جلب کند.
This is an introduction to the theory and practice of artificial intelligence. It uses an intelligent agent as the unifying theme throughout, and covers areas that are sometimes underemphasized elsewhere. These include reasoning under uncertainty, learning, natural language, vision and robotics. The book also explains in detail some of the more recent ideas in the field, including simulated annealing, memory-bounded search, global ontologies, dynamic belief networks, neural nets, inductive logic programming, computational learning theory, and reinforcement learning. Review: As some reviewers have said, this is probably the most comprehensive AI textbook on the market. The "pros" of the book have been covered pretty well by other reviewers, so I'll limit my review to some of the things that bug me about the book. 1. No answer key for any problems. This feature has been standard in textbooks for decades as a way for students to self-check their understanding of the material. 2. Examples are scant and sometimes stop in the middle. For example, in Chapter 13, the example of applying Bayes' Rule gives one approach and indicates that it will discuss an alternative approach, but then the text just goes off on another path and never completes the example. 3. Inconsistent and (sometimes) convoluted pseudocode for the algorithms. Pseudocode should be a fairly-close-to-English approximation of the algorithm, but this book seems to mix RTL, English, and any other notation. Though the appendix includes an attempt at explaining their rationale behind their own brand of pseudocode, it's incomplete at best. Also, the function names don't follow any convention I've ever seen (I have 30+ years experience in software), and aren't even consistent within the book. 4. Condescending language. This should never occur in a textbook. In far too many places, the authors tell us that "the sharp-eyed reader will have noticed" or similar phrases, which basically implies, "if you didn't get our explanation and find the hidden subtext, you are not sharp-eyed". All such language should have been edited out. The authors came so close to writing a classic, but sadly missed the mark. I think that any professors who claim that their students "universally love this book" are deluding themselves. Still, if your professor is good at explicating the material, it's worth going through it once, then switching to other materials, maybe primary source materials in the subfield(s) that grab your interest.