ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Artificial Intelligence: Structures And Strategies For Complex Problem Solving

دانلود کتاب هوش مصنوعی: ساختارها و راهبردهای حل مسئله پیچیده

Artificial Intelligence: Structures And Strategies For Complex Problem Solving

مشخصات کتاب

Artificial Intelligence: Structures And Strategies For Complex Problem Solving

دسته بندی: سایبرنتیک: هوش مصنوعی
ویرایش: 3rd 
نویسندگان: ,   
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 

قیمت کتاب (تومان) : 53,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


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.


توضیحاتی در مورد کتاب هوش مصنوعی: ساختارها و راهبردهای حل مسئله پیچیده

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


توضیحاتی درمورد کتاب به خارجی

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





نظرات کاربران