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
دسته بندی: آموزشی ویرایش: 1 نویسندگان: Gilbert Harman. Sanjeev Kulkarni سری: Jean Nicod Lectures ISBN (شابک) : 0262083604, 9780262083607 ناشر: The MIT Press سال نشر: 2007 تعداد صفحات: 119 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 855 کیلوبایت
در صورت تبدیل فایل کتاب Reliable Reasoning: Induction and Statistical Learning Theory (Jean Nicod Lectures) 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 قابل اعتماد: القای و تئوری یادگیری آماری (سخنرانی های ژان نیکود) 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.
من این امتیاز بزرگ را داشتم که در کلاسی که این کتاب بر اساس آن نوشته شده بود، ترم گذشته در دانشگاه پرینستون زیر نظر استادان هارمن و کولکارنی شرکت کنم. این کتاب کوچک جذابی است که میتواند دههها بحث و تحقیق را در فصلهای مختصر و خواندنی که ارائه را به جلو میبرد، تقطیر کند. رویکرد نویسندگان اصیل اما عقلانی است و آنها به وضوح ارزش کار میان رشته ای را در زمینه های دوگانه خود از فلسفه و مهندسی برق نشان می دهند! با این حال، کتاب خالی از اشکال نیست. به نظر می رسد که فصل اول "in medias res" آغاز می شود و خواننده انتظار دارد که به طور کامل با آخرین بحث در مورد مشکل استقراء آشنا شود، و همیشه دقیقاً مشخص نیست که یک "فرایند استدلال" در مقایسه با استدلال های قیاسی دقیقاً چه چیزی است. . بحث میتوانست از ترکیب مطالبی از پیشنویس کتاب درسی دیگری که در کلاس استفاده میکردیم، در مورد "طبیعت و محدودیتهای یادگیری" و حتی از جزوههای سخنرانی بهرهمند شود. بحث در مورد سادگی نیز میتوانست روشن شود، بهویژه با توجه به معمای استقرایی جدید گودمن و فلسفه علم کارل پوپر. همچنین در کلاس بسیار ناامیدکننده این کشف بود که روش هارمن و کولکارنی فراتر از ابزارگرایی در علم را تضمین نمیکند. نظریه پردازی من به چیزی کمی قوی تر امیدوار بودم. در هر صورت، این کتاب را هرکسی که علاقه مند به موضوعاتی است که مطرح می کند باید بخواند. مطمئناً مرا به فکر واداشت و من قطعاً بعداً به آن اشاره خواهم کرد زیرا تحقیقاتم در فلسفه مرا دوباره با موضوعاتی که آنها در مورد آنها بحث می کنند در تماس قرار می دهد.
I had the great priviledge of taking the class upon which this book was based last semester at Princeton University under professors Harman and Kulkarni. It is a fascinating little book, which manages to distill decades of debate and research into concise, readable chapters that carry the presentation forward. The authors' approach is original but commonsensical and they clearly demonstrate the value of interdisciplinary work in their twin fields of philosophy and electrical engineering! The book is not without its flaws, however. The first chapter seems to take off 'in medias res' expecting the reader to be fully caught up with the latest discussion on the problem of induction, and it is not always clear exactly what a 'process of reasoning' might be compared to deductive arguments. The discussion could have benefited from incorporating material from the other draft textbook we used in class, on "The Nature and Limits of Learning", and even from the lecture handouts. The discussion of simplicity, as well, could have been clarified, especially with regard to Goodman's new riddle of induction and Karl Popper's philosophy of science.Also rather disappointing in class was the discovery that Harman and Kulkarni's method do not warrant going beyond instrumentalism in scientific theorizing. I was hoping for something a little more robust. In any case, this book should be read by anyone interested in the issues they raise. It sure got me thinking and I will definitely refer to it later on as my research in philosophy brings me in contact again with the issues they discuss.
Reliable Reasoning......Page 4
Contents......Page 6
Series Foreword......Page 8
Introduction......Page 10
1 - The Problem of Induction......Page 12
2 - Induction and VC Dimension......Page 40
3 - Induction and ‘‘Simplicity’’......Page 66
4 - Neural Networks, Support Vector Machines, and Transduction......Page 88
References......Page 110
Index......Page 116