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
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: R. Al-Asady سری: ناشر: Ablex Publishing Corporation سال نشر: 1995 تعداد صفحات: 212 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Inheritance Theory An Artificial Intelligence Approach 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 نظریه وراثت یک رویکرد هوش مصنوعی 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 بر اساس پایان نامه دکتری R. Al-Asady که در دانشگاه Exeter در سال 1993 به پایان رسیده است. در هوش مصنوعی، نیاز به ایجاد رفتار هوشمند پیچیده بر اساس استدلال عقل سلیم مدتهاست که تشخیص داده شده است. مشخصه چنین استدلال عقل سلیمی، پس گرفتن نتیجه گیری های قبلی در هنگام آمدن اطلاعات جدید است. تحقیقات نشان داده است که فرمالیسمهای سرقت برای برخورد با استدلال عقل سلیم به قابلیتهای غیر یکنواختی نیاز دارند که معمولاً استنتاجهای مبتنی بر دانش ناقص باید در پرتو اطلاعات بعدی که برخی از شکافها را پر میکنند بازبینی شوند. در این کتاب، یک نظریه وراثت مبتنی بر ساختارهای وراثت چندگانه با استثنا (ساختارهای ارثی غیر یکنوتون) ارائه شده است. بدون یک تکنیک استدلال وراثت غیر یکنواخت کافی، مانند استدلال وراثت استثنایی (EIR) که در این جلد پیشنهاد شده است، شبکههای وراثت ناسازگاری ایجاد میکنند. تعدادی از ویژگیهای غیر یکنواخت که EIR را قادر میسازد تا فرمالیسمهای موجود مانند منطق پیشفرض و ترتیب فاصله استنتاجی را زیرمجموعه قرار دهد، در تکنیک استدلال ارائهشده در اینجا گنجانده شدهاند. یک الگوریتم وراثت نیز ارائه شده است و نمایشی برای نشان دادن اینکه چگونه می توان از آن برای مشخص کردن و پیاده سازی مسائل مختلف وراثت غیر یکنواخت استفاده کرد، ارائه شده است. علاوه بر این، یک فرمالیسم ارثی ایجاد شده است که قادر به مقابله با موقعیتهای مبهم است و میتواند دستههای دیگری از مشکلات غیر یکنواخت را جدا از مواردی که قبلاً در ادبیات ارائه شده است، مدیریت کند. در نهایت، در بخش کاربرد، این فرمالیسم ارثی در دو حوزه مهم یعنی استدلال علی و استدلال قیاسی اعمال شده است تا قدرت مفهومی و بیان فرمالیسم را نشان دهد.
This book is based on the doctoral dissertation of R. Al-Asady, completed at Exeter University, in 1993. It is concerned with creating an inheritance theroy from the AI point of view. Within Artificial Intelligence, the need to create sophisticated intelligent behavior based on commonsense reasoning has long been recognized. Such commonsense reasoning is characterized by the withdrawing of previously drawn conclusions when new information comes along. Research has demonstrated theft formalisms for dealing with commonsense reasoning require nonmonotonic capabilities where, typically, inferences based on incomplete knowledge need to be revised in the light of later information that fills in some of the gaps. In this book, an inheritance theory based on multiple inheritance structures with exceptions (nonmonotonic inheritance structures) is proposed. Without an adequate nonmonotonic inheritance reasoning technique, such as exceptional inheritance reasoning (EIR) as proposed in this volume, inheritance networks will produce inconsistencies. A number of nonmonotonic properties that enable EIR to subsume existing formalisms such as default logic and inferential distance ordering have been included within the reasoning technique presented here. An inheritance algorithm is also presented and a demonstration is included to show how it can be used to specify and implement various nonmonotonic inheritance problems. In addition, an inheritance formalism has been developed that is capable of dealing with ambiguous situations and can handle other classes of nonmonotonic problems apart from those already presented in the literature. Finally, in the application section, this inheritance formalism has been applied to two important domains, namely causal reasoning and analogical reasoning, to demonstrate the conceptual power and expressiveness of the formalism.
Contents 1 Introduction 1.1 What is Intelligence? 1.2 Hierarchical Organization of Knowledge 1.2.1 Representation of Knowledge (Facts) Using Logic 1.2.2 Representation of Knowledge Using Semantic Networks 1.3 Inheritance 2 Inheritance Hierarchies 2.1 AI, Knowledge Representation and Inheritance 2.2 Inheritance Hierarchy Components Represented as Semantic Networks 2.3 Inheritance Hierarchical Structures 2.4 Exceptions 2.4.1 Redundant Links 2.4.2 Ambiguity 2.5 Mechanisms with Inheritance Structures 2.5.1 Directions of PathBased Reasoning 2.6 Inheritance Formula As A Representation Language 3 Current Approaches to Nonmonotonic Reasoning 3.1 Introduction 3.2 PathBased Review Literature 3.3 LogicBased Approach 3.3.1 Monotonic Logic View 3.3.2 Nonmonotonic logic view 3.3.3 Modal Nonmonotonic Logic 3.3.4 Autoepistemic Logic 3.3.5 Default logic 3.3.6 Circumscription 3.3.7 Conditional logic 3.3.8 Probabilistic reasoning 3.3.9 Other LogicalBased Review Literature 3.4 LatticeBased Approach 4 The Problem: A Clash of Intuitions 4.1 Introduction 4.2 Summary 5 EIR: An ExceptionBased Approach to Nonmonotonic Reasoning 5.1 Introduction 5.2 Exceptional Inheritance Reasoning 5.2.1 Typical and Exceptional Classes 5.2.2 Acquired and Inheritable Properties 5.3 The Exceptional Class, 5.4 Conceptual Foundations of EIR 5.5 A Semiformal Introduction to EIR 5.6 EIR Algorithm 5.7 Examples 5.7.1 The Royal. Elephant Problem 5.7.2 Clyde, the Three. Legged. Thing 5.7.3 The TweetyPenguin Problem 5.7.4 The Unicorn Problem 5.8 The George Problem 5.8.1 OnPath (or Acquired Properties) Versus OffPath Revisited 5.9 The Generalization of EIR 5.10 Related Works 5.11 Conclusion 6 Default Correlation: An Approach to Inheritance With Conflict 6.1 Introduction 6.2 Inheritance 6.2.1 Ambiguity 6.2.2 Related Works 6.3 Ambiguity Revisited 6.3.1 Default Correlation Framework 6.3.2 Ambiguity Revisited with DC 6.4 Default Correlation Framework Algorithm 6.5 A Formal Description of the Representation Language 6.5.1 Example 6.6 Conclusion 7 Application: Causal Reasoning and EIR 7.1 Introduction 7.2 Causal Reasoning: Artificial Intelligence Issues 7.3 Relation Between Inheritance Structures and Causal Structures 7.4 Causality and EIR 7.4.1 Nonmonotonic Causation: EIR Explanation for Causal Structure 7.4.2 A Semiformal Introduction to InheritanceCausal Relation 7.5 Exceptional InheritanceCausal Algorithm 7.6 ScriptStory Understanding 8 Application: Analogical Reasoning and EIR 8.1 Introduction 8.2 The Role of Analogical Reasoning in AI 8.3 Reviewed Literature 8.4 Analogical Reasoning Revisited 8.5 Analogical Inheritance Reasoning 8.6 EIR and Analogical Reasoning 9 Conclusion 9.1 What has been Achieved 9.2 Outstanding problems