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: نویسندگان: R. K. Ghatnagar, C. Berenstein, L. N. Kanal, D. Lavine, B. Chandrasekaran, M. C. Tanner, B. P. Wise, M. Henrion et al, Laveen N. Kanal, John F. Lemmer سری: Machine Intelligence and Pattern Recognition 4 ISBN (شابک) : 0444700587, 9780444700582 ناشر: North-Holland سال نشر: 1986 تعداد صفحات: 484 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 33 مگابایت
در صورت تبدیل فایل کتاب Uncertainty in artificial intelligence/ [1] 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 عدم اطمینان در هوش مصنوعی / [1] 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.
نحوه برخورد با عدم قطعیت موضوع بحث های زیادی در هوش مصنوعی است. این جلد طیف گستردهای از دیدگاهها را در مورد عدم قطعیت گرد هم میآورد، که بسیاری از مشارکتکنندگان، حامیان اصلی این مناقشه هستند. برخی از مسائل قابل توجهی که از این مقالات بیرون میآیند حول یک حساب عدم قطعیت مبتنی بر بازه، نظریه دمپستر-شفر، و احتمال به عنوان بهترین مدل عددی برای عدم قطعیت میچرخند. نظرات مخالف قوی نه تنها در مورد احتمال، بلکه حتی در مورد کاربرد هر روش عددی در این زمینه وجود دارد.
How to deal with uncertainty is a subject of much controversy in Artificial Intelligence. This volume brings together a wide range of perspectives on uncertainty, many of the contributors being the principal proponents in the controversy. Some of the notable issues which emerge from these papers revolve around an interval-based calculus of uncertainty, the Dempster-Shafer Theory, and probability as the best numeric model for uncertainty. There remain strong dissenting opinions not only about probability but even about the utility of any numeric method in this context
Content: Overviews and Reviews (C. Berenstein, R.K. Bhatnagar, L.N. Kanal and D. Lavine). Explication or Critique of Current Approaches to Uncertainty (P.P. Bonissone, B. Chandrasekaran, P. Cheeseman, K.S. Decker, B.N. Grosof, D. Heckerman, M. Henrion, E. Horvitz, D. Hunter, R.W. Johnson, J.F. Lemmer, G. Shafer, J.E. Shore, D.J. Spiegelhalter, M.C. Tanner, B.P. Wise, L.A. Zadeh and A.C. Zimmer). Synthesis of Current Approaches to Uncertainty (C.Y. Chong, M.S. Cohen, R.M. Fung, G.S.-H. Liu and R.R. Yager). Incorporating Uncertainty in Systems (J. Breese, M.L. Ginsberg, P.D. Holden, S. Holtzman, K.G. Kempf, T.S. Levitt, J. Pearl, B.M. Perrin, R.D. Shachter, D.S. Vaughan and R.M. Yadrick). Techniques for Inducing and Processing Uncertain Information (M. Bauer, N.C. Dalkey, H. Hamburger, S.J. Hanson and L. Rendell). Alternate Perspectives (J. Fox, R.P. Loui and R. Solomonoff). Alternatives to Minimax in Game Playing (B. Abramson, D. Nau, P. Purdom and C.-H. Tzeng).