دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Classic Works of the Dempster-Shafer Theory of Belief Functions
دانلود کتاب آثار کلاسیک نظریه دمپستر-شفر در مورد توابع باور
مشخصات کتاب
Classic Works of the Dempster-Shafer Theory of Belief Functions
ویرایش: 1 نویسندگان: Liping Liu, Ronald R. Yager (auth.), Roland R. Yager, Liping Liu (eds.) سری: Studies in Fuzziness and Soft Computing 219 ISBN (شابک) : 9783540253815, 9783540447924 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2008 تعداد صفحات: 812 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
قیمت کتاب (تومان) : 35,000
کلمات کلیدی مربوط به کتاب آثار کلاسیک نظریه دمپستر-شفر در مورد توابع باور: نرم افزار ریاضیات/روش های محاسباتی مهندسی، هوش مصنوعی (شامل رباتیک)، نظریه بازی ها، اقتصاد، اجتماعی و رفتار. علوم، نظریه اقتصادی
در صورت تبدیل فایل کتاب Classic Works of the Dempster-Shafer Theory of Belief Functions 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 آثار کلاسیک نظریه دمپستر-شفر در مورد توابع باور 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 آثار کلاسیک نظریه دمپستر-شفر در مورد توابع باور
این کتاب مجموعه ای از مقالات تحقیقاتی کلاسیک در مورد نظریه توابع باور دمپستر-شفر را گرد هم می آورد. با پل زدن منطق فازی و استدلال احتمالی، نظریه توابع باور به ابزار اولیه برای بازنمایی دانش و استدلال عدم قطعیت در سیستم های خبره تبدیل شده است. این کتاب به عنوان مرجع معتبر در زمینه استدلال شواهد و یک مرجع آرشیوی مهم در طیف گسترده ای از زمینه ها از جمله استدلال عدم قطعیت در هوش مصنوعی و تصمیم گیری در اقتصاد، مهندسی و مدیریت خواهد بود. از بین بیش از 120 مقاله نامزد شده، ویراستاران 30 مقاله را انتخاب کردند که به طور گسترده به عنوان آثار کلاسیک در نظر گرفته می شوند و همچنان بر توسعه آینده این حوزه تأثیر خواهند گذاشت. مشارکت‌ها در هفت بخش، شامل مبانی مفهومی، دیدگاه‌های نظری، بسط نظری، تفسیرهای جایگزین، و کاربردهای هوش مصنوعی، تصمیم‌گیری و استنتاج‌های آماری گروه‌بندی می‌شوند. این کتاب همچنین شامل پیشگفتاری از دمپستر و شفر است که توسعه این نظریه را در چهل سال گذشته منعکس می‌کند و مقدمه‌ای که عناصر اساسی این نظریه و چگونگی کمک هر مقاله به این زمینه را توضیح می‌دهد.
توضیحاتی درمورد کتاب به خارجی
This book brings together a collection of classic research papers on the Dempster-Shafer theory of belief functions. By bridging fuzzy logic and probabilistic reasoning, the theory of belief functions has become a primary tool for knowledge representation and uncertainty reasoning in expert systems. This book will serve as the authoritative reference in the field of evidential reasoning and an important archival reference in a wide range of areas including uncertainty reasoning in artificial intelligence and decision making in economics, engineering, and management. From over 120 nominated contributions, the editors selected 30 papers, which are widely regarded as classics and will continue to make impacts on the future development of the field. The contributions are grouped into seven sections, including conceptual foundations, theoretical perspectives, theoretical extensions, alternative interpretations, and applications to artificial intelligence, decision-making, and statistical inferences. The book also includes a foreword by Dempster and Shafer reflecting the development of the theory in the last forty years, and an introduction describing the basic elements of the theory and how each paper contributes to the field.
فهرست مطالب
Front Matter....Pages I-XIX
Classic Works of the Dempster-Shafer Theory of Belief Functions: An Introduction....Pages 1-34
Upper and Lower Probabilities Induced by a Multivalued Mapping....Pages 35-56
A Generalization of Bayesian Inference....Pages 57-72
On Random Sets and Belief Functions....Pages 73-104
Non-Additive Probabilities in the Work of Bernoulli and Lambert....Pages 105-116
Allocations of Probability....Pages 117-182
Computational Methods for A Mathematical Theory of Evidence....Pages 183-196
Constructive Probability....Pages 197-216
Belief Functions and Parametric Models....Pages 217-264
Entropy and Specificity in a Mathematical Theory of Evidence....Pages 265-290
A Method for Managing Evidential Reasoning in a Hierarchical Hypothesis Space....Pages 291-310
Languages and Designs for Probability Judgment....Pages 311-344
A Set-Theoretic View of Belief Functions....Pages 345-374
Weights of Evidence and Internal Conflict for Support Functions....Pages 375-410
A Framework for Evidential-Reasoning Systems....Pages 411-418
Epistemic Logics, Probability, and the Calculus of Evidence....Pages 419-434
Implementing Dempster’s Rule for Hierarchical Evidence....Pages 435-448
Some Characterizations of Lower Probabilities and Other Monotone Capacities through the use of Möbius Inversion....Pages 449-476
Axioms for Probability and Belief-Function Propagation....Pages 477-498
Generalizing the Dempster–Shafer Theory to Fuzzy Sets....Pages 499-528
Bayesian Updating and Belief Functions....Pages 529-554
Belief-Function Formulas for Audit Risk....Pages 555-576
Decision Making Under Dempster–Shafer Uncertainties....Pages 577-618
Belief Functions: The Disjunctive Rule of Combination and the Generalized Bayesian Theorem....Pages 619-632
Representation of Evidence by Hints....Pages 633-664
Combining the Results of Several Neural Network Classifiers....Pages 665-681
The Transferable Belief Model....Pages 683-692
A k -Nearest Neighbor Classification Rule Based on Dempster-Shafer Theory....Pages 693-736
Logicist Statistics II: Inference....Pages 737-760
Back Matter....Pages 761-786
....Pages 787-806
