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: Yves Kodratoff and Ryszard S. Michalski (Auth.)
سری:
ISBN (شابک) : 9780080510552
ناشر: Elsevier Inc
سال نشر: 1990
تعداد صفحات: 814
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 45 مگابایت
در صورت تبدیل فایل کتاب Machine Learning. An Artificial Intelligence Approach, Volume III 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 فراگیری ماشین. رویکرد هوش مصنوعی ، جلد سوم 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.
Content:
Front Matter, Page iii
Copyright, Page iv
PREFACE, Pages ix-x
1 - RESEARCH IN MACHINE LEARNING: Recent Progress, Classification of Methods, and Future Directions, Pages 3-30
2 - EXPLANATIONS, MACHINE LEARNING, AND CREATIVITY, Pages 31-48
COMMENTARY, Pages 49-59
3 - LEARNING FLEXIBLE CONCEPTS: Fundamental Ideas and a Method Based on Two-Tiered Representation, Pages 63-102
COMMENTARY, Pages 103-111
4 - PROTOS: AN EXEMPLAR-BASED LEARNING APPRENTICE, Pages 112-127
COMMENTARY, Pages 128-139
5 - PROBABILISTIC DECISION TREES, Pages 140-152
6 - INTEGRATING QUANTITATIVE AND QUALITATIVE DISCOVERY IN THE ABACUS SYSTEM, Pages 153-190
7 - LEARNING BY EXPERIMENTATION: THE OPERATOR REFINEMENT METHOD, Pages 191-213
8 - LEARNING FAULT DIAGNOSIS HEURISTICS FROM DEVICE DESCRIPTIONS, Pages 214-234
9 - CONCEPTUAL CLUSTERING AND CATEGORIZATION: Bridging the Gap between Induction and Causal Models, Pages 235-268
10 - LEAP: A LEARNING APPRENTICE FOR VLSI DESIGN, Pages 271-289
COMMENTARY, Pages 290-301
11 - ACQUIRING GENERAL ITERATIVE CONCEPTS BY REFORMULATING EXPLANATIONS OF OBSERVED EXAMPLES, Pages 302-350
12 - DISCOVERING ALGORITHMS FROM WEAK METHODS, Pages 351-359
13 - OGUST: A SYSTEM THAT LEARNS USING DOMAIN PROPERTIES EXPRESSED AS THEOREMS, Pages 360-382
14 - CONDITIONAL OPERATIONALITY AND EXPLANATION-BASED GENERALIZATION, Pages 383-395
15 - THE UTILITY OF SIMILARITY-BASED LEARNING IN A WORLD NEEDING EXPLANATION, Pages 399-422
COMMENTARY: SOME ISSUES IN CONCEPT LEARNING, Pages 423-432
16 - LEARNING EXPERT KNOWLEDGE BY IMPROVING THE EXPLANATIONS PROVIDED BY THE SYSTEM, Pages 433-465
COMMENTARY, Pages 466-473
17 - GUIDING INDUCTION WITH DOMAIN THEORIES, Pages 474-492
18 - KNOWLEDGE BASE REFINEMENT AS IMPROVING AN INCORRECT AND INCOMPLETE DOMAIN THEORY, Pages 493-513
19 - APPRENTICESHIP LEARNING IN IMPERFECT DOMAIN THEORIES, Pages 514-551
20 - CONNECTIONIST LEARNING PROCEDURES, Pages 555-610
21 - GENETIC-ALGORITHM-BASED LEARNING, Pages 611-638
22 - APPLYING VALIANT'S LEARNING FRAMEWORK TO AI CONCEPT-LEARNING PROBLEMS, Pages 641-669
23 - A NEW APPROACH TO UNSUPERVISED LEARNING IN DETERMINISTIC ENVIRONMENTS, Pages 670-684
BIBLIOGRAPHY OF RECENT MACHINE LEARNING RESEARCH 1985–1989, Pages 685-789
ABOUT THE AUTHORS, Pages 790-800
AUTHOR INDEX, Pages 801-806
SUBJECT INDEX, Pages 807-825