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: B. Chandrasekaran (Eds.)
سری:
ISBN (شابک) : 9780120847303
ناشر: Academic Press
سال نشر: 1990
تعداد صفحات: 223
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Intelligence As Adaptive Behavior. An Experiment in Computational Neuroethology 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 هوش به عنوان یک رفتار انطباقی. آزمایشی در عصب شناسی عصبی محاسباتی 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.
«هوش» سیستمهای هوش مصنوعی سنتی بسیار محدود و غیرقابل انعطاف
است - قادر به انطباق با شرایط دائماً در حال تغییر دنیای واقعی
نیست. اگرچه سیستمهای هوش مصنوعی سنتی میتوانند در حوزههای
تجویز شده باریک موفق باشند، اما برای حوزههای پویا و پیچیده،
مانند ناوبری رباتهای مستقل، نامناسب هستند. نویسنده آزمایشی را
در عصبشناسی محاسباتی - مدلسازی رایانهای کنترل عصبی رفتار -
توصیف میکند که در آن سیستم عصبی یک حشره مصنوعی مدلسازی
میشود. این آزمایش نشان میدهد که عوامل هوشمند ساده و کامل
میتوانند با محیطهای پیچیده و پویا کنار بیایند - این نشان
میدهد که مدلهای تطبیقی هوش، بر اساس پایههای بیولوژیکی
رفتار تطبیقی، ممکن است در طراحی سیستمهای هوشمند و مستقل بسیار
مفید باشند.
ویژگی های کلیدی
* نقدی شفاف از برنامه های تحقیقاتی هوش مصنوعی سنتی ارائه می
کند
* روش جدیدی را برای عوامل مستقل ساخت و ساز ارائه می دهد که
پیامدهایی برای رباتیک متحرک دارد
* مورد علاقه محققان در زمینه های مختلف: هوش مصنوعی، شبکه های
عصبی، رباتیک، علوم شناختی و علوم اعصاب
The ''intelligence'' of traditional artificial intelligence
systems is notoriously narrow and inflexible--incapable of
adapting to the constantly changing circumstances of the real
world. Although traditional artificial intelligence systems can
be successful in narrowly prescribed domains, they are
inappropriate for dynamic, complex domains, such as autonomous
robot navigation.**This book proposes an alternative
methodology for designing intelligent systems based on a model
of intelligence as adaptive behavior. The author describes an
experiment in computational neuroethology--the computer
modeling of neuronal control of behavior--in which the nervous
system for an artificial insect is modeled. The experiment
demonstrates that simple, complete intelligent agents are able
to cope with complex, dynamic environments--suggesting that
adaptive models of intelligence, based on biological bases of
adaptive behavior, may prove to be very useful in the design of
intelligent, autonomous systems.
Key Features
* Provides a lucid critique of traditional artificial
intelligence research programs
* Presents new methodology for the construction autonomous
agents, which has implications for mobile robotics
* Of interest to researchers in a variety of fields: artificial
intelligence, neural networks, robotics, cognitive science, and
neuroscience
Content:
Perspectives in Artificial Intelligence, Page ii
Front Matter, Page iii
Copyright, Page iv
Dedication, Page v
Editor's Note, Pages vii-ix, B. Chandrasekaran
Preface, Pages xv-xx, Randall D. Beer
List of Figures, Pages xxi-xxiii
Chapter 1 - Foundations, Pages 1-19, Randall D. Beer
Chapter 2 - Biological Background, Pages 21-43, Randall D. Beer
Chapter 3 - The Artificial Insect, Pages 45-69, Randall D. Beer
Chapter 4 - Locomotion, Pages 71-88, Randall D. Beer
Chapter 5 - Lesion Studies, Pages 89-108, Randall D. Beer
Chapter 6 - Exploration, Pages 109-123, Randall D. Beer
Chapter 7 - Feeding, Pages 125-140, Randall D. Beer
Chapter 8 - Behavioral Choice, Pages 141-158, Randall D. Beer
Chapter 9 - Discussion, Pages 159-171, Randall D. Beer
Appendix A - Physical Parameters, Pages 173-175
Appendix B - Neural Parameters, Pages 177-193
Bibliography, Pages 195-208
Index, Pages 209-213
Perspectives in Artificial Intelligence, Page ibc1