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: [1st ed.]
نویسندگان: Dimitar Kazakov. Can Erten
سری: Lecture Notes in Computer Science 11770
ISBN (شابک) : 9783030492090, 9783030492106
ناشر: Springer International Publishing;Springer
سال نشر: 2020
تعداد صفحات: IX, 145
[154]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 Mb
در صورت تبدیل فایل کتاب Inductive Logic Programming: 29th International Conference, ILP 2019, Plovdiv, Bulgaria, September 3–5, 2019, Proceedings 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 برنامه نویسی منطق استقرایی: بیست و نهمین کنفرانس بین المللی ، ILP 2019 ، پلوودیو ، بلغارستان ، 3 تا 5 سپتامبر 2019 ، مجموعه مقالات 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 کتاب مجموعه مقالات کنفرانس داوری بیست و نهمین کنفرانس بینالمللی برنامهنویسی منطق استقرایی، ILP 2019، که در پلوودیو، بلغارستان، در سپتامبر 2019 برگزار شد، تشکیل میشود.
11 مقاله ارائهشده با دقت بررسی شدند. و از بین ارسال های متعدد انتخاب شده است. برنامهنویسی منطق استقرایی (ILP) زیرشاخهای از یادگیری ماشین است که در ابتدا بر برنامهنویسی منطقی به عنوان یک زبان نمایش یکنواخت برای بیان مثالها، دانش پسزمینه و فرضیهها متکی بود. به دلیل فرمالیسم بازنمایی قوی، بر اساس منطق مرتبه اول، ILP وسیله ای عالی برای یادگیری چند رابطه ای و داده کاوی، و به طور کلی برای یادگیری از داده های ساخت یافته فراهم می کند.
This book constitutes the refereed conference proceedings of the 29th International Conference on Inductive Logic Programming, ILP 2019, held in Plovdiv, Bulgaria, in September 2019.
The 11 papers presented were carefully reviewed and selected from numerous submissions. Inductive Logic Programming (ILP) is a subfield of machine learning, which originally relied on logic programming as a uniform representation language for expressing examples, background knowledge and hypotheses. Due to its strong representation formalism, based on first-order logic, ILP provides an excellent means for multi-relational learning and data mining, and more generally for learning from structured data.