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 Probabilistic reasoning in intelligent systems: networks of plausible inference

دانلود کتاب استدلال احتمالی در سیستم های هوشمند: شبکه های استنتاج معتبر

Probabilistic reasoning in intelligent systems: networks of plausible inference

مشخصات کتاب

Probabilistic reasoning in intelligent systems: networks of plausible inference

دسته بندی: شبکه سازی
ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 9781558604797, 1558604790 
ناشر: Morgan Kaufmann 
سال نشر: 1988 
تعداد صفحات: 557 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت 

قیمت کتاب (تومان) : 52,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 20


در صورت تبدیل فایل کتاب Probabilistic reasoning in intelligent systems: networks of plausible 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 استدلال احتمالی در سیستم های هوشمند: شبکه های استنتاج معتبر 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 استدلال احتمالی در سیستم های هوشمند: شبکه های استنتاج معتبر



استدلال احتمالی در سیستم‌های هوشمند شرحی کامل و قابل دسترس از مبانی نظری و روش‌های محاسباتی است که زیربنای استدلال قابل قبول در شرایط عدم قطعیت است. نویسنده توضیحی منسجم از احتمال را به‌عنوان زبانی برای استدلال با باور جزئی ارائه می‌کند و دیدگاهی وحدت‌بخش درباره سایر رویکردهای هوش مصنوعی به عدم قطعیت، مانند فرمالیسم Dempster-Shafer، سیستم‌های حفظ حقیقت، و منطق غیر یکنواخت ارائه می‌کند.

نویسنده رویکردهای نحوی و معنایی را برای عدم قطعیت متمایز می‌کند - و تکنیک‌هایی را بر اساس شبکه‌های اعتقادی ارائه می‌دهد که مکانیزمی برای عملیاتی کردن سیستم‌های مبتنی بر معناشناسی ارائه می‌دهد. به طور خاص، تکنیک‌های انتشار شبکه به عنوان مکانیزمی برای ترکیب انسجام نظری نظریه احتمال با الزامات مدرن فناوری سیستم‌های استدلالی عمل می‌کنند: ورودی‌های اعلامی مدولار، استنتاج‌های مفهومی معنادار، و محاسبات توزیع‌شده موازی. حوزه‌های کاربردی شامل تشخیص، پیش‌بینی، تفسیر تصویر، ادغام چند حسگر، سیستم‌های پشتیبانی تصمیم، تشخیص طرح، برنامه‌ریزی، تشخیص گفتار - به طور خلاصه، تقریباً هر کاری که مستلزم نتیجه‌گیری از سرنخ‌های نامشخص و اطلاعات ناقص است.

استدلال احتمالی در سیستم‌های هوشمند مورد توجه محققان و محققان در هوش مصنوعی، نظریه تصمیم‌گیری، آمار، منطق، فلسفه، روان‌شناسی شناختی و علوم مدیریت خواهد بود. متخصصان در حوزه‌های سیستم‌های مبتنی بر دانش، تحقیقات عملیات، مهندسی و آمار ابزارهای نظری و محاسباتی را برای استفاده عملی فوری پیدا خواهند کرد. این کتاب همچنین می تواند به عنوان یک متن عالی برای دوره های تحصیلات تکمیلی در هوش مصنوعی، تحقیقات عملیاتی یا احتمال کاربردی استفاده شود.


توضیحاتی درمورد کتاب به خارجی

Probabilistic Reasoning in Intelligent Systems is a complete and accessible account of the theoretical foundations and computational methods that underlie plausible reasoning under uncertainty. The author provides a coherent explication of probability as a language for reasoning with partial belief and offers a unifying perspective on other AI approaches to uncertainty, such as the Dempster-Shafer formalism, truth maintenance systems, and nonmonotonic logic.

The author distinguishes syntactic and semantic approaches to uncertainty--and offers techniques, based on belief networks, that provide a mechanism for making semantics-based systems operational. Specifically, network-propagation techniques serve as a mechanism for combining the theoretical coherence of probability theory with modern demands of reasoning-systems technology: modular declarative inputs, conceptually meaningful inferences, and parallel distributed computation. Application areas include diagnosis, forecasting, image interpretation, multi-sensor fusion, decision support systems, plan recognition, planning, speech recognition--in short, almost every task requiring that conclusions be drawn from uncertain clues and incomplete information.

Probabilistic Reasoning in Intelligent Systems will be of special interest to scholars and researchers in AI, decision theory, statistics, logic, philosophy, cognitive psychology, and the management sciences. Professionals in the areas of knowledge-based systems, operations research, engineering, and statistics will find theoretical and computational tools of immediate practical use. The book can also be used as an excellent text for graduate-level courses in AI, operations research, or applied probability.





نظرات کاربران