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: 3rd نویسندگان: George F. Luger, William A. Stubblefield سری: ISBN (شابک) : 0805311963, 9780805311969 ناشر: Addison Wesley Publishing Company سال نشر: 1997 تعداد صفحات: 851 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Artificial Intelligence: Structures And Strategies For Complex Problem Solving 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: ساختارها و راهبردهای حل مسئله پیچیده 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.
مبانی نظری حل مسئله هوشمند را با ساختارهای داده و الگوریتم های مورد نیاز برای اجرای آن ترکیب می کند. این کتاب معماریهای مبتنی بر منطق، قانون، شی و عامل را به همراه برنامههای نمونه نوشته شده در LISP و PROLOG ارائه میکند. کاربردهای عملی هوش مصنوعی در چارچوب هدف گستردهتر آن نگهداری میشود: درک الگوهای هوش که در این دنیای عدم اطمینان، پیچیدگی و تغییر عمل میکند.
فصل های مقدماتی و پایانی نگاهی جدید به پتانسیل ها و چالش های پیش روی هوش مصنوعی و علوم شناختی دارند. درمان گسترده ای از حل مسئله مبتنی بر دانش شامل استدلال مبتنی بر مدل و موردی ارائه شده است. شامل مطالب جدید در موارد زیر است: اصول جستجو، استنتاج و بازنمایی دانش الگوریتمهای هوش مصنوعی و ساختارهای داده در سیستمهای تولید LISP و PROLOG، تختههای سیاه، و متا-مفسرها از جمله برنامهریزها، استدلالهای مبتنی بر قانون، و سیستمهای وراثت. یادگیری ماشینی شامل ID3 با بستهبندی و تقویت، یادگیری مبتنی بر تبیین، یادگیری PAC، و سایر اشکال شبکههای عصبی القایی، از جمله پرسپترونها، انتشار برگشتی، شبکههای کوهونن، شبکههای هاپفیلد، یادگیری گروسبرگ، و انتشار متقابل. روشهای نوظهور و اجتماعی یادگیری و سازگاری، از جمله الگوریتمهای ژنتیک، برنامهریزی ژنتیک و زندگی مصنوعی. حل مسئله مبتنی بر شی و عامل و سایر اشکال بازنمایی دانش پیشرفته
Combines the theoretical foundations of intelligent problem-solving with he data structures and algorithms needed for its implementation. The book presents logic, rule, object and agent-based architectures, along with example programs written in LISP and PROLOG. The practical applications of AI have been kept within the context of its broader goal: understanding the patterns of intelligence as it operates in this world of uncertainty, complexity and change.
The introductory and concluding chapters take a new look at the potentials and challenges facing artificial intelligence and cognitive science. An extended treatment of knowledge-based problem-solving is given including model-based and case-based reasoning. Includes new material on: Fundamentals of search, inference and knowledge representation AI algorithms and data structures in LISP and PROLOG Production systems, blackboards, and meta-interpreters including planers, rule-based reasoners, and inheritance systems. Machine-learning including ID3 with bagging and boosting, explanation based
learning, PAC learning, and other forms of induction Neural networks, including perceptrons, back propogation, Kohonen networks, Hopfield networks, Grossberg learning, and counterpropagation. Emergent and social methods of learning and adaptation, including genetic algorithms, genetic programming and artificial life. Object and agent-based problem solving and other forms of advanced knowledge representation