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 Optimization Methods for Logical Inference

دانلود کتاب روشهای بهینه سازی برای استنباط منطقی

Optimization Methods for Logical Inference

مشخصات کتاب

Optimization Methods for Logical Inference

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9780471570356, 9781118033166 
ناشر:  
سال نشر: 1999 
تعداد صفحات: 374 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 40,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Optimization Methods for Logical Inference 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 روشهای بهینه سازی برای استنباط منطقی 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 در مورد کتاب روشهای بهینه سازی برای استنباط منطقی

ادغام منطق و ریاضیات در استنتاج قیاسی - یک رویکرد نوآورانه و پیشرو.

روش های بهینه سازی برای استنتاج منطقی؟ کاملاً، ویجی چاندرو و جان هوکر، دو مشارکت کننده اصلی در این حوزه که به سرعت در حال گسترش است، می گویند. و حتی اگر حل مسائل استنتاج منطقی با روش‌های بهینه‌سازی ممکن است کمی شبیه خوردن کلم ترش با چاپستیک به نظر برسد... این ساختار ریاضی یک مسئله است که تعیین می‌کند آیا یک مدل بهینه‌سازی می‌تواند به حل آن کمک کند، نه زمینه‌ای که در آن مشکل وجود دارد یا خیر. رخ می دهد.\"

چاندرو و هوکر با ارائه تکنیک های بهینه سازی قدرتمند و اثبات شده برای مسائل استنتاج منطقی نشان می دهند که چگونه می توان از مدل های بهینه سازی نه تنها برای حل مسائل در هوش مصنوعی و برنامه ریزی ریاضی استفاده کرد، بلکه در پیچیده نیز کاربرد فوق العاده ای دارد. سیستم ها به طور کلی آنها اکثر تحقیقات اخیر دهه گذشته در رابط های منطق/بهینه سازی را بررسی می کنند، برخی از نتایج خود را در بر می گیرند و بر انواع منطقی که بیشترین پذیرش را برای روش های بهینه سازی دارند-منطق گزاره ای، منطق محمولی مرتبه اول، منطق های احتمالی و مرتبط، منطق ها تاکید می کنند. که شواهدی مانند نظریه Dempster-Shafer، سیستم‌های قانون با عوامل اطمینان و سیستم‌های برنامه‌نویسی منطق محدودیت را ترکیب می‌کند.

بدون نیاز به پیش‌زمینه‌ای در منطق و توضیح واضح همه موضوعات از پایه، روش‌های بهینه‌سازی برای استنتاج منطقی یک روش است. راهنمای ارزشمند برای دانشمندان و دانشجویان در زمینه‌های مختلف، از جمله تحقیقات عملیات، علوم کامپیوتر، هوش مصنوعی، سیستم‌های پشتیبانی تصمیم، و مهندسی. موارد خاص (صفحات 11-96):
فصل 3 منطق گزاره ای: مورد عمومی (صفحه های 97-201):
فصل 4 منطق های احتمالی و مرتبط (صفحات 203-265):
فصل 5 منطق محمولی (صفحات 267-305):
فصل 6 منطق های غیر کلاسیک و بسیاری؟ (صفحات 307-324):


توضیحاتی درمورد کتاب به خارجی

Merging logic and mathematics in deductive inference-an innovative, cutting-edge approach.

Optimization methods for logical inference? Absolutely, say Vijay Chandru and John Hooker, two major contributors to this rapidly expanding field. And even though "solving logical inference problems with optimization methods may seem a bit like eating sauerkraut with chopsticks. . . it is the mathematical structure of a problem that determines whether an optimization model can help solve it, not the context in which the problem occurs."

Presenting powerful, proven optimization techniques for logic inference problems, Chandru and Hooker show how optimization models can be used not only to solve problems in artificial intelligence and mathematical programming, but also have tremendous application in complex systems in general. They survey most of the recent research from the past decade in logic/optimization interfaces, incorporate some of their own results, and emphasize the types of logic most receptive to optimization methods-propositional logic, first order predicate logic, probabilistic and related logics, logics that combine evidence such as Dempster-Shafer theory, rule systems with confidence factors, and constraint logic programming systems.

Requiring no background in logic and clearly explaining all topics from the ground up, Optimization Methods for Logical Inference is an invaluable guide for scientists and students in diverse fields, including operations research, computer science, artificial intelligence, decision support systems, and engineering.Content:
Chapter 1 Introduction (pages 1–9):
Chapter 2 Propositional Logic: Special Cases (pages 11–96):
Chapter 3 Propositional Logic: The General Case (pages 97–201):
Chapter 4 Probabilistic and Related Logics (pages 203–265):
Chapter 5 Predicate Logic (pages 267–305):
Chapter 6 Nonclassical and Many?Valued Logics (pages 307–324):





نظرات کاربران