ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Machine Learning Methods for Planning

دانلود کتاب روش های یادگیری ماشین برای برنامه ریزی

Machine Learning Methods for Planning

مشخصات کتاب

Machine Learning Methods for Planning

ویرایش:  
 
سری:  
ISBN (شابک) : 9781483207742 
ناشر: Elsevier Inc 
سال نشر: 1993 
تعداد صفحات: 544 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 31 مگابایت 

قیمت کتاب (تومان) : 52,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


در صورت تبدیل فایل کتاب Machine Learning Methods for Planning 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 روش های یادگیری ماشین برای برنامه ریزی 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.


توضیحاتی درمورد کتاب به خارجی



فهرست مطالب

Content: 
The Morgan Kaufmann Series in Machine Learning, Page ii
Front Matter, Page iii
Copyright, Page iv
Contributors, Pages vii-viii
Preface, Pages ix-xiii, STEVEN MINTON
CHAPTER 1 - Learning, Planning, and Scheduling: An Overview, Pages 1-29, STEVEN MINTON, MONTE ZWEBEN
CHAPTER 2 - Interfaces That Learn: A Learning Apprentice for Calendar Management, Pages 31-65, JEAN JOURDAN, LISA DENT, JOHN MCDERMOTT, TOM MITCHELL, DAVID ZABOWSKI
CHAPTER 3 - Reinforcement Learning for Planning and Control, Pages 67-92, THOMAS DEAN, KEN BASYE, JOHN SHEWCHUK
CHAPTER 4 - A First Theory of Plausible Inference and Its Use in Continuous Domain Planning, Pages 93-124, GERALD DEJONG, DANIEL OBLINGER
CHAPTER 5 - Planning, Acting, and Learning in a Dynamic Domain, Pages 125-158, ALBERTO SEGRE, JENNIFER TURNEY
CHAPTER 6 - Reactive, Integrated Systems Pose New Problems for Machine Learning, Pages 159-195, JOHN BRESINA, MARK DRUMMOND, SMADAR KEDAR
CHAPTER 7 - Bias in Planning and Explanation-Based Learning, Pages 197-232, PAUL S. ROSENBLOOM, SOOWON LEE, AMY UNRUH
CHAPTER 8 - Toward Scaling Up Machine Learning: A Case Study with Derivational Analogy in PRODIGY, Pages 233-272, MANUELA M. VELOSO, JAIME G. CARBONELL
CHAPTER 9 - Integration of Analogical Search Control and Explanation-Based Learning of Correctness, Pages 273-315, KURT VANLEHN, RANDOLPH M. JONES
CHAPTER 10 - A Unified Framework for Planning and Learning, Pages 317-350, PAT LANGLEY, JOHN A. ALLEN
CHAPTER 11 - Toward a Theory of Agency, Pages 351-396, KRISTIAN HAMMOND, TIMOTHY CONVERSE, MITCHELL MARKS
CHAPTER 12 - Supporting Flexible Plan Reuse, Pages 397-434, SUBBARAO KAMBHAMPATI
CHAPTER 13 - Adapting Plan Architectures, Pages 435-466, WILLIAM S. MARK
CHAPTER 14 - Learning Recurring Subplans, Pages 467-497, DAVID RUBY, DENNIS KIBLER
CHAPTER 15 - A Method for Biasing the Learning of Nonterminal Reduction Rules, Pages 499-535, STACY C. MARSELLA, CHARLES F. SCHMIDT
Index, Pages 537-540




نظرات کاربران