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: 1
نویسندگان: Dr. Weiru Liu (auth.)
سری: Studies in Fuzziness and Soft Computing 77
ISBN (شابک) : 9783790824933, 9783790818116
ناشر: Physica-Verlag Heidelberg
سال نشر: 2001
تعداد صفحات: 279
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب استدلال گزاره ای، احتمالی و اثباتی: ادغام رویکردهای عددی و نمادین: هوش مصنوعی (شامل رباتیک)، ریاضیات محاسباتی و آنالیز عددی، نظریه بازی/روشهای ریاضی
در صورت تبدیل فایل کتاب Propositional, Probabilistic and Evidential Reasoning: Integrating Numerical and Symbolic Approaches 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 گزاره ای، احتمالی و اثباتی: ادغام رویکردهای عددی و نمادین 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.
این کتاب به طور سیستماتیک طیف وسیعی از سیستمها/تحقیقات را تا
به امروز در اختیار خواننده قرار میدهد که به اهمیت ترکیب
رویکردهای عددی و نمادین برای استدلال در شرایط عدم قطعیت در
کاربردهای پیچیده میپردازد. تکنیکهایی را در مورد چگونگی
گسترش منطق گزارهای به منطق احتمالی پوشش میدهد و این منطق
احتمالی مشتقشده را با مکانیسمهای مرتبط نزدیک، یعنی نظریه
شواهد، سیستمهای حفظ حقیقت مبتنی بر فرض و مجموعههای ناهموار،
از نظر بازنمایی و استدلال با دانش و شواهد مقایسه
میکند.
مخاطب این کتاب عمدتاً محققان، پزشکان، دانشجویان و مدرسان در
زمینه هوش مصنوعی، به ویژه در زمینههای استدلال تحت عدم قطعیت،
منطق، بازنمایی دانش و استدلال، و استدلال غیر یکنواخت است.
The book systematically provides the reader with a broad
range of systems/research work to date that address the
importance of combining numerical and symbolic approaches to
reasoning under uncertainty in complex applications. It
covers techniques on how to extend propositional logic to a
probabilistic one and compares such derived probabilistic
logic with closely related mechanisms, namely evidence
theory, assumption based truth maintenance systems and rough
sets, in terms of representing and reasoning with knowledge
and evidence.
The book is addressed primarily to researchers,
practitioners, students and lecturers in the field of
Artificial Intelligence, particularly in the areas of
reasoning under uncertainty, logic, knowledge representation
and reasoning, and non-monotonic reasoning.
Front Matter....Pages i-xiv
Introduction....Pages 1-27
Incidence Calculus....Pages 29-54
Generalizing Incidence Calculus....Pages 55-77
From Numerical to Symbolic Assignments....Pages 79-99
Combining Multiple Pieces of Evidence....Pages 101-118
The Dempster-Shafer Theory of Evidence....Pages 119-158
A Comprehensive Comparison of Generalized Incidence Calculus and Dempster-Shafer Theory....Pages 159-182
Assumption-Based Truth Maintenance Systems....Pages 183-195
Relations Between Extended Incidence Calculus and Assumption-Based Truth Maintenance System....Pages 197-221
Conclusion....Pages 223-244
Back Matter....Pages 245-274