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: 1 نویسندگان: B. K. Tripathy (editor), Hari Seetha (editor) سری: ISBN (شابک) : 1032528567, 9781032528564 ناشر: CRC Press سال نشر: 2024 تعداد صفحات: 355 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 30 مگابایت
در صورت تبدیل فایل کتاب Explainable, Interpretable, and Transparent AI Systems 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 سیستم های هوش مصنوعی قابل توضیح، قابل تفسیر و شفاف 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.
Cover Half Title Title Page Copyright Page Dedication Table of Contents Preface Acknowledgments About the Editors List of Contributors Chapter 1 Unveiling the Power of Explainable AI: Real-World Applications and Implications Chapter 2 Looking at Exploratory Paradigms of Explainability in Creative Computing Chapter 3 Applications of XAI in Modern Automotive, Financial, and Manufacturing Sectors Chapter 4 Explainable AI in Distributed Denial of Service Detection Chapter 5 Adaptation of XAI for Smart Agriculture Systems Chapter 6 Explainable Artificial Intelligence for Healthcare Applications Using Random Forest Classifier with LIME and SHAP Chapter 7 Explainable AI and Its Usefulness in the Business World Chapter 8 Fair and Explainable Systems: Informed Decision Making in AI/ML Chapter 9 Interpretation of Deep Network Predictions on Various Data Sets Using LIME Chapter 10 Comprehensive Study on Social Trust with XAI: Techniques, Evaluation, and Future Direction Chapter 11 Fuzzy Clustering for Streaming Environment with Explainable Parameter Determination Chapter 12 Demystifying the Black Box: Unveiling the Decision-Making Process of AI Systems Chapter 13 Explainable Deep Learning Architectures for Product Recommendations Chapter 14 Metamorphic Testing for Trustworthy AI Chapter 15 Software for Explainable AI Chapter 16 Interpretation and Visualization Techniques in AI Systems and Applications Chapter 17 A Study on Transparent Recommender Systems Index