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: 4
نویسندگان: Pat Langley
سری:
ISBN (شابک) : 9780934613415, 0934613419
ناشر: Elsevier Inc, Morgan Kaufmann Pub
سال نشر: 1987
تعداد صفحات: 406
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 30 مگابایت
در صورت تبدیل فایل کتاب Proceedings of the Fourth International Workshop on MACHINE LEARNING. June 22–25, 1987 University of California, Irvine 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 مقالات چهارمین کارگاه آموزشی بین المللی در زمینه ماشین آلات. 22-25 ژوئن 1987 دانشگاه کالیفرنیا، ایروین 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 i
Copyright, Page ii
PREFACE: The Emerging Science of Machine Learning, Pages v-vi
Learning about speech sounds: The NEXUS Project, Pages 1-11, GARY BRADSHAW
Protos: An Exemplar-Based Learning Apprentice, Pages 12-23, E. Ray Bareiss, Bruce W. Porter, Craig C. Wier
Learning Representative Exemplars of Concepts: An Initial Case Study, Pages 24-30, DENNIS KIBLER, DAVID W. AHA
DECISION TREES AS PROBABILISTIC CLASSIFIERS, Pages 31-37, J.R. Quinlan
Conceptual Clustering, Learning from Examples, and Inference, Pages 38-49, DOUGLAS H. FISHER
How to Learn Imprecise Concepts: A Method for Employing a Two-Tiered Knowledge Representation in Learning, Pages 50-58, RYSZARD S. MICHALSKI
Quasi-Darwinian Learning in a Classifier System, Pages 59-65, STEWART W. WILSON
MORE ROBUST CONCEPT LEARNING USING DYNAMICALLY – VARIABLE BIAS, Pages 66-78, LARRY RENDELL, RAJ SESHU, DAVID TCHENG
Incremental Adjustment of Representations for Learning, Pages 79-90, JEFFREY C. SCHLIMMER
Concept Learning in Context, Pages 91-102, RICHARD M. KELLER
Strategy Learning with Multilayer Connectionist Representations, Pages 103-114, Charles W. Anderson
Learning a Preference Predicate, Pages 115-121, PAUL E. UTGOFF, SHARAD SAXENA
Acquiring Effective Search Control Rules: Explanation-Based Learning in the PRODIGY System, Pages 122-133, STEVEN MINTON, JAIME G. CARBONELL, OREN ETZIONI, CRAIG A. KNOBLOCK, DANIEL R. KUOKKA
The Anatomy of a Weak Learning Method for Use in Goal Directed Search, Pages 134-140, T.L. McCLUSKEY
Learning and Reusing Explanations, Pages 141-147, Kristian J. Hammond
LT Revisited: Experimental Results of Applying Explanation-Based Learning to the Logic of Principia Mathematica, Pages 148-159, PAUL O'RORKE
WHAT IS AN EXPLANATION IN DISCIPLE?, Pages 160-166, YVES KODRATOFF, GHEORGHE TECUCI
Extending Problem Solver Capabilities Through Case-Based Inference, Pages 167-178, JANET L. KOLODNER
LEARNING TO INTEGRATE SYNTAX AND SEMANTICS, Pages 179-190, WENDY G. LEHNERT
How Do Machine-Learning Paradigms Fare in Language Acquisition?, Pages 191-197, URI ZERNIK
The Acquisition of Polysemy, Pages 198-204, JAMES H. MARTIN
Cirrus: an automated protocol analysis tool, Pages 205-217, KURT VANLEHN, STEVE GARLICK
Scientific Theory Formation Through Analogical Inference, Pages 218-229, BRIAN FALKENHAINER
Inducing Causal and Social Theories: A Prerequisite for Explanation-based Learning, Pages 230-241, Michael J. Pazzani
THE ROLE OF ABSTRACTIONS IN LEARNING QUALITATIVE MODELS, Pages 242-255, Igor Mozetic
Learning by Experimentation, Pages 256-266, JAIME G. CARBONELL, YOLANDA GIL
Observation and Generalisation in a Simulated Robot World, Pages 267-273, CLAUDE SAMMUT, DAVID HUME
Empirical and Analytic Discovery in IL, Pages 274-280, MICHAEL H. SIMS
Combining many searches in the FAHRENHEIT discovery system, Pages 281-287, Jan M. Zytkow
Causal Analysis and Inductive Learning, Pages 288-299, JOHN R. ANDERSON
Varieties of Learning in Soar: 1987, Pages 300-311, David M. Steier, John E. Laird, Allen Newell, Paul S. Rosenbloom, Rex A. Flynn, Andrew Golding, Thad A. Polk, Olin G. Shivers, Amy Unruh, Gregg R. Yost
Hill-Climbing Theories of Learning, Pages 312-323, PAT LANGLEY, JOHN H. GENNARI, WAYNE IBA
Bias, Version Spaces and Valiant's Learning Framework, Pages 324-336, David Haussler
Recent Results on Boolean Concept Learning, Pages 337-352, MICHAEL KEARNS, MING LI, LEONARD PITT, LESLIE G. VALIANT
Machine Learning from Structured Objects, Pages 353-363, ROBERT E. STEPP
A New Approach to Unsupervised Learning in Deterministic Environments, Pages 364-375, RONALD L. RIVEST, ROBERT E. SCHAPIRE
Searching for Operational Concept Descriptions in BAR, MetaLEX, and EBG, Pages 376-382, JACK MOSTOW
Explanation-Based Generalization as Resolution Theorem Proving, Pages 383-389, SMADAR T. KEDAR-CABELLI, L. THORNE MCCARTY
Analogy and Single-Instance Generalization, Pages 390-397, STUART J. RUSSELL
The Devolving Science of Machine Learning, Pages 398-401, BAT GANGLY
AUTHOR INDEX, Page 403