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
ویرایش: نویسندگان: Tatiana V. Guy. Miroslav Kárný, David H. Wolpert سری: ISBN (شابک) : 9783319350202, 331935020X ناشر: Springer International Publishing سال نشر: 2016 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Decision Making: Uncertainty, Imperfection, Deliberation and Scalability 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 تصمیم گیری: عدم قطعیت، نقص، تامل و مقیاس پذیری 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 جلد بر کشف نیروهای اساسی زیربنای تصمیمگیری پویا در میان تصمیمگیرندگان متقابل، ناقص و خودخواه متمرکز است. فصل ها توسط متخصصان برجسته از رشته های مختلف نوشته شده اند، همه با توجه به منابع متعدد نقص در تصمیم گیری، و همیشه با چشم به کاهش اختلافات بی شمار بین نظریه و تصمیم گیری های انسانی در دنیای واقعی. موضوعات پرداخته شده عبارتند از عدم قطعیت، هزینه مشورت و پیچیدگی ناشی از مقیاس بزرگ محاسباتی ذاتی تصمیم گیری در این سیستم ها. به طور خاص، تحلیلها و آزمایشهایی ارائه شدهاند که به موارد زیر مربوط میشوند: • تخصیص وظایف برای به حداکثر رساندن «عقل جمعیت». • طراحی جامعه ای متشکل از روبات های \"آموزشی\" که حالات عاطفی یکدیگر را در نظر می گیرند. • تشخیص و مقابله با تصمیم گیری های به ظاهر غیرعقلانی انسانی. • مقابله با مقیاس شدید هنگام یادگیری علیت در شبکه ها. • ترکیب کارآمد دانش متخصص در پزشکی شخصی. • اثرات شخصیت بر تصمیم گیری پرخطر. این جلد منبع ارزشمندی برای محققان، دانشجویان فارغ التحصیل و شاغلین در یادگیری ماشین، کنترل تصادفی، روباتیک و اقتصاد و سایر زمینه ها است.
This volume focuses on uncovering the fundamental forces underlying dynamic decision making among multiple interacting, imperfect and selfish decision makers. The chapters are written by leading experts from different disciplines, all considering the many sources of imperfection in decision making, and always with an eye to decreasing the myriad discrepancies between theory and real world human decision making. Topics addressed include uncertainty, deliberation cost and the complexity arising from the inherent large computational scale of decision making in these systems. In particular, analyses and experiments are presented which concern: • task allocation to maximize “the wisdom of the crowd”; • design of a society of “edutainment” robots who account for one anothers’ emotional states; • recognizing and counteracting seemingly non-rational human decision making; • coping with extreme scale when learning causality in networks; • efficiently incorporating expert knowledge in personalized medicine; • the effects of personality on risky decision making. The volume is a valuable source for researchers, graduate students and practitioners in machine learning, stochastic control, robotics, and economics, among other fields.
Bayesian Methods for Intelligent Task Assignment in Crowdsourcing Systems.- Designing Societies of Robots.- On the Origins of Imperfection and Apparent Non-Rationality.- Lasso Granger Causal Models: Some Strategies and their Efficiency for Gene Expression Regulatory Networks.- Cooperative Feature Selection in Personalized Medicine.- Imperfect Decision Making and Risk Taking are affected by Personality.