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: First Edition
نویسندگان: Michael R. Genesereth and Nils J. Nilsson (Auth.)
سری:
ISBN (شابک) : 9780934613316, 0934613311
ناشر: Elsevier Inc, Morgan Kaufmann
سال نشر: 1987
تعداد صفحات: 413
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 23 مگابایت
در صورت تبدیل فایل کتاب Logical Foundations of Artificial Intelligence 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 مبانی منطقی 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.
مبانی منطقی هوش مصنوعی که هم بهعنوان متنی برای دانشجویان پیشرفته و دانشجویان کارشناسی ارشد و هم بهعنوان یک کار مرجع کلیدی برای محققان و توسعهدهندگان هوش مصنوعی در نظر گرفته شده است، گزارشی شفاف، دقیق و جامع از مبانی هوش مصنوعی از دیدگاه منطق.
بخش اول کتاب رویکرد منطقگرایانه به هوش مصنوعی را معرفی میکند - بحث در مورد بازنمایی دانش اعلامی و ارائه مقدمهای بر فرآیند مفهومسازی، نحو و معناشناسی محاسبات محمول، و مبانی دیگر نمایش های اعلانی مانند چارچوب ها و شبکه های معنایی. این بخش همچنین یک روش استنتاج، تفکیک ساده اما قدرتمند را ارائه میکند و نشان میدهد که چگونه میتوان از آن در یک سیستم استدلال استفاده کرد.
چند فصل بعدی استدلال غیر یکنواخت، استقراء و استدلال تحت عدم قطعیت را مورد بحث قرار میدهد. گسترش رویکرد منطقی برای مقابله با نارساییهای استنتاج منطقی دقیق. بخش سوم عملگرهای مودال را معرفی می کند که بازنمایی و استدلال درباره دانش را تسهیل می کنند. این بخش همچنین فرآیند نوشتن جملات حساب محمولی را در سطح فلزی توسعه میدهد - برای اجازه دادن به جملات در مورد جملات و در مورد فرآیندهای استدلال. سه فصل پایانی بازنمایی دانش در مورد وضعیت ها و اقدامات، برنامه ریزی، و معماری سیستم هوشمند را مورد بحث قرار می دهد.
نظرات کتابشناختی و تاریخی پایان فصل، پیشینه ای را ارائه می دهد و به سایر آثار مورد علاقه و اشاره می کند. پژوهش. هر فصل همچنین شامل تمرینهای متعدد دانشآموز (با راهحلهای ارائهشده در پیوست) برای تقویت مفاهیم و به چالش کشیدن یادگیرنده است. کتابشناسی و فهرست کامل کننده این کار جامع است
Intended both as a text for advanced undergraduates and graduate students, and as a key reference work for AI researchers and developers, Logical Foundations of Artificial Intelligence is a lucid, rigorous, and comprehensive account of the fundamentals of artificial intelligence from the standpoint of logic.
The first section of the book introduces the logicist approach to AI--discussing the representation of declarative knowledge and featuring an introduction to the process of conceptualization, the syntax and semantics of predicate calculus, and the basics of other declarative representations such as frames and semantic nets. This section also provides a simple but powerful inference procedure, resolution, and shows how it can be used in a reasoning system.
The next several chapters discuss nonmonotonic reasoning, induction, and reasoning under uncertainty, broadening the logical approach to deal with the inadequacies of strict logical deduction. The third section introduces modal operators that facilitate representing and reasoning about knowledge. This section also develops the process of writing predicate calculus sentences to the metalevel--to permit sentences about sentences and about reasoning processes. The final three chapters discuss the representation of knowledge about states and actions, planning, and intelligent system architecture.
End-of-chapter bibliographic and historical comments provide background and point to other works of interest and research. Each chapter also contains numerous student exercises (with solutions provided in an appendix) to reinforce concepts and challenge the learner. A bibliography and index complete this comprehensive work
Content: Typographical Conventions 1 Introduction 1.1 Bibliographical and Historical Remarks Exercises 2 Declarative Knowledge 2.1 Conceptualization 2.2 Predicate Calculus 2.3 Semantics 2.4 Blocks World Example 2.5 Circuits Example 2.6 Algebraic Examples 2.7 List Examples 2.8 Natural-Language Examples 2.9 Specialized Languages 2.10 Bibliographical and Historical Remarks Exercises 3 Inference 3.1 Derivability 3.2 Inference Procedures 3.3 Logical Implication 3.4 Provability 3.5 Proving Provability 3.6 Bibliographical and Historical Remarks Exercises 4 Resolution 4.1 Clausal Form 4.2 Unification 4.3 Resolution Principle 4.4 Resolution 4.5 Unsatisfiability 4.6 True-or-False Questions 4.7 Fill-in-the-Blank Questions 4.8 Circuits Example 4.9 Mathematics Example 4.10 Soundness and Completeness 4.11 Resolution and Equality 4.12 Bibliographical and Historical Remarks Exercises 5 Resolution Strategies 5.1 Deletion Strategies 5.2 Unit Resolution 5.3 Input Resolution 5.4 Linear Resolution 5.5 Set of Support Resolution 5.6 Ordered Resolution 5.7 Directed Resolution 5.8 Sequential Constraint Satisfaction 5.9 Bibliographical and Historical Remarks Exercises 6 Nonmonotonic Reasoning 6.1 The Closed-World Assumption 6.2 Predicate Completion 6.3 Taxonomic Hierarchies and Default Reasoning 6.4 Circumscription 6.5 More General Forms of Circumscription 6.6 Default Theories 6.7 Bibliographical and Historical Remarks Exercises 7 Induction 7.1 Induction 7.2 Concept Formation 7.3 Experiment Generation 7.4 Bibliographical and Historical Remarks Exercises 8 Reasoning with Uncertain Beliefs 8.1 Probabilities of Sentences 8.2 Using Bayes\' Rule in Uncertain Reasoning 8.3 Uncertain Reasoning in Expert Systems 8.4 Probabilistic Logic 8.5 Probabilistic Entailment 8.6 Computations Appropriate for Small Matrices 8.7 Dealing with Large Matrices 8.8 Probabilities Conditioned on Specific Information 8.9 Bibliographical and Historical Remarks Exercises 9 Knowledge and Belief 9.1 Preliminaries 9.2 Sentential Logics of Belief 9.3 Proof Methods 9.4 Nested Beliefs 9.5 Quantifying-In 9.6 Proof Methods for Quantified Beliefs 9.7 Knowing What Something Is 9.8 Possible-Worlds Logics 9.9 Properties of Knowledge 9.10 Properties of Belief 9.11 Group Knowledge 9.12 Equality, Quantification, and Knowledge 9.13 Bibliographical and Historical Remarks Exercises 10 Metaknowledge and Metareasoning 10.1 Metalanguage 10.2 Clausal Form 10.3 Resolution Principle 10.4 Inference Procedures 10.5 Derivability and Belief 10.6 Metalevel Reasoning 10.7 Bilevel Reasoning 10.8 Reflection 10.9 Bibliographical and Historical Remarks Exercises 11 State and Change 11.1 States 11.2 Actions 11.3 The Frame Problem 11.4 Action Ordering 11.5 Conditionality 11.6 Bibliographical and Historical Remarks Exercises 12 Planning 12.1 Initial State 12.2 Goals 12.3 Actions 12.4 Plans 12.5 Green\'s Method 12.6 Action Blocks 12.7 Conditional Plans 12.8 Planning Direction 12.9 Unachievability Pruning 12.10 State Alignment 12.11 Frame-Axiom Suppression 12.12 Goal Regression 12.13 State Differences 12.14 Bibliographical and Historical Remarks Exercises 13 Intelligent-Agent Architecture 13.1 Tropistic Agents 13.2 Hysteretic Agents 13.3 Knowledge-Level Agents 13.4 Stepped Knowledge-Level Agents 13.5 Fidelity 13.6 Deliberate Agents 13.7 Bibliographical and Historical Remarks Exercises Answers to Exercises A.1 Introduction A.2 Declarative Knowledge A.3 Inference A.4 Resolution A.5 Resolution Strategies A.6 Nonmonotonic Reasoning A.7 Induction A.8 Reasoning with Uncertain Beliefs A.9 Knowledge and Belief A.10 Metaknowledge and Metareasoning A.11 State and Change A.12 Planning A.13 Intelligent-Agent Architecture References Index