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: Keith L. Downing
سری:
ISBN (شابک) : 9780262029131
ناشر: MIT
سال نشر: 2015
تعداد صفحات: 483
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Intelligence Emerging. Adaptivity and Search in Evolving Neural 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 هوش در حال ظهور سازگاری و جستجو در سیستم های عصبی در حال تکامل 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.
بررسی هوش به عنوان یک پدیده نوظهور، ادغام دیدگاه های زیست شناسی تکاملی، علوم اعصاب و هوش مصنوعی. ظهور - شکلگیری الگوهای جهانی از تعاملات صرفاً محلی - موضوعی مکرر و جذاب در ادبیات علمی همگانی و هم دانشگاهی است. در این کتاب، کیث داونینگ به بررسی سیستماتیک ادعای گسترده (اگر اغلب مبهم) مبنی بر اینکه هوش یک پدیده نوظهور است، می پردازد. داونینگ بر شبکههای عصبی طبیعی و مصنوعی تمرکز میکند و اینکه چگونه سازگاری آنها در سه بازه زمانی - فیلوژنتیک (تکاملی)، انتوژنتیک (توسعهای) و اپی ژنتیک (یادگیری مادامالعمر) - زمینه ساز ظهور شناخت است. داونینگ با ادغام دیدگاه های زیست شناسی تکاملی، علوم اعصاب و هوش مصنوعی، مجموعه ای از نمونه های عینی از ظهور عصب شناختی را ارائه می دهد. با انجام این کار، او انگیزه جدیدی برای استفاده گسترده از مفاهیم الهام گرفته شده از زیست در هوش مصنوعی (AI)، در حوزه فرعی به نام Bio-AI ارائه می دهد. یکی از ادعاهای اصلی داونینگ این است که دو مفهوم کلیدی از هوش مصنوعی سنتی، جستجو و بازنمایی، برای درک هوش اضطراری نیز کلیدی هستند. او ابتدا فصلهای مقدماتی را در مورد پنج مفهوم اصلی ارائه میکند: پدیدههای نوظهور، فرآیندهای جستجوی رسمی، مسائل بازنمایی در Bio-AI، شبکههای عصبی مصنوعی (ANN)، و الگوریتمهای تکاملی (EAs). فصلهای میانی عمیقتر به جستجو، بازنمایی و ظهور در ANN، EA و مغزهای در حال تکامل میپردازند. در نهایت، فصلهای پیشرفته در مورد شبکههای عصبی مصنوعی در حال تکامل و رویکردهای نظری اطلاعات برای ارزیابی ظهور در سیستمهای عصبی، موضوعات قبلی را ترکیب میکنند تا چشمانداز، پیشبینیها و اشارههایی را برای آینده Bio-AI ارائه کنند.
An investigation of intelligence as an emergent phenomenon, integrating the perspectives of evolutionary biology, neuroscience, and artificial intelligence. Emergence—the formation of global patterns from solely local interactions—is a frequent and fascinating theme in the scientific literature both popular and academic. In this book, Keith Downing undertakes a systematic investigation of the widespread (if often vague) claim that intelligence is an emergent phenomenon. Downing focuses on neural networks, both natural and artificial, and how their adaptability in three time frames—phylogenetic (evolutionary), ontogenetic (developmental), and epigenetic (lifetime learning)—underlie the emergence of cognition. Integrating the perspectives of evolutionary biology, neuroscience, and artificial intelligence, Downing provides a series of concrete examples of neurocognitive emergence. Doing so, he offers a new motivation for the expanded use of bio-inspired concepts in artificial intelligence (AI), in the subfield known as Bio-AI. One of Downing's central claims is that two key concepts from traditional AI, search and representation, are key to understanding emergent intelligence as well. He first offers introductory chapters on five core concepts: emergent phenomena, formal search processes, representational issues in Bio-AI, artificial neural networks (ANNs), and evolutionary algorithms (EAs). Intermediate chapters delve deeper into search, representation, and emergence in ANNs, EAs, and evolving brains. Finally, advanced chapters on evolving artificial neural networks and information-theoretic approaches to assessing emergence in neural systems synthesize earlier topics to provide some perspective, predictions, and pointers for the future of Bio-AI.