Intelligent Systems: A Modern Approach

هوش محاسباتی یک پارادایم تثبیت شده است که در آن نظریه های جدید با درک بیولوژیکی صحیح در حال تکامل هستند. سیستم‌های آزمایشی کنونی بسیاری از ویژگی‌های رایانه‌های بیولوژیکی (به عبارت دیگر مغز) را دارند و برای انجام کارهای مختلفی ساخته می‌شوند که انجام آنها با رایانه‌های معمولی دشوار یا غیرممکن است. همانطور که واضح است، دستاورد نهایی در این زمینه تقلید یا فراتر از توانایی های شناختی انسان از جمله استدلال، تشخیص، خلاقیت، احساسات، درک، یادگیری و غیره خواهد بود. این کتاب متشکل از 17 فصل، معرفی گام به گام (به ترتیب زمانی) ابزارهای مختلف هوش محاسباتی مدرن مورد استفاده در حل مسئله عملی را ارائه می دهد. خیره شدن با تکنیک‌های جستجوی مختلف از جمله جستجوی آگاهانه و ناآگاه، جستجوی اکتشافی، minmax، روش‌های هرس آلفا-بتا، الگوریتم‌های تکاملی و تکنیک‌های هوشمند گروهی. نویسندگان طراحی سیستم‌های مبتنی بر دانش و سیستم‌های خبره پیشرفته را نشان می‌دهند که شامل عدم قطعیت و مبهم است. الگوریتم‌های یادگیری ماشین شامل درخت‌های تصمیم‌گیری و شبکه‌های عصبی مصنوعی ارائه شده و در نهایت مبانی سیستم‌های هوشمند ترکیبی نیز به تصویر کشیده شده است. و استفاده از تکنیک های هوش محاسباتی، یادگیری ماشین و داده کاوی، پوشش جامع این کتاب را ارزشمند خواهد یافت.

Computational intelligence is a well-established paradigm, where new theories with a sound biological understanding have been evolving. The current experimental systems have many of the characteristics of biological computers (brains in other words) and are beginning to be built to perform a variety of tasks that are difficult or impossible to do with conventional computers. As evident, the ultimate achievement in this field would be to mimic or exceed human cognitive capabilities including reasoning, recognition, creativity, emotions, understanding, learning and so on. This book comprising of 17 chapters offers a step-by-step introduction (in a chronological order) to the various modern computational intelligence tools used in practical problem solving. Staring with different search techniques including informed and uninformed search, heuristic search, minmax, alpha-beta pruning methods, evolutionary algorithms and swarm intelligent techniques; the authors illustrate the design of knowledge-based systems and advanced expert systems, which incorporate uncertainty and fuzziness. Machine learning algorithms including decision trees and artificial neural networks are presented and finally the fundamentals of hybrid intelligent systems are also depicted.

Academics, scientists as well as engineers engaged in research, development and application of computational intelligence techniques, machine learning and data mining would find the comprehensive coverage of this book invaluable.