Методы искусственного интеллекта. Машинное обучение

Методы искусственного интеллекта. Машинное обучение

Методы искусственного интеллекта
​

Жанр: Техническая литература, Прочая образовательная литература
Теги: интеллектуальная система, информационные технологии (IT), искусственный интеллект, книги для студентов и аспирантов, семантическая модель
Правообладатель: Физматлит
Дата выхода на ЛитРес: 27 января 2016
Дата написания: 2011
Общий размер: 6 MB
Общее кол-во страниц: 281
Размер страницы: 110 x 175 мм
ISBN: 978-5-9221-1323-6
Формат: PDF

Спойлер: Описание

Монография содержит изложение основных методов искусственного интеллекта: методов представления знаний, методов моделирования рассуждений, методов моделирования поведения, методов обучения и приобретения знаний интеллектуальными системами. Весь материал излагается с единых позиций. В качестве основных средств используются системы правил в их общем виде и семантические сети; особенное внимание уделено неоднородным семантическим сетям, а также методам планирования и моделирования целенаправленного поведения. Системы правил использованы и для описания этих методов. Описаны методы автоматизации приобретения знаний, для чего применен аппарат неоднородных семантических сетей. Для специалистов, аспирантов и студентов старших курсов университетов, изучающих информатику и информационные технологии. Издание осуществлено при поддержке Российского фонда фундаментальных исследований по проекту 10-07-07014

Математические основы машинного обучения и прогнозирования
​

Жанр: Компьютеры: прочее, Математика
Теги: искусственный интеллект, книги для студентов и аспирантов, прикладная информатика, теория игр
Правообладатель: МЦНМО
Дата выхода на ЛитРес: 23 февраля 2015
Дата написания: 2014
Общий размер: 2 MB
Общее кол-во страниц: 305
Размер страницы: 125 x 192 мм
ISBN: 978-5-4439-2014-6
Формат: PDF

Спойлер: Описание

Книга предназначена для первоначального знакомства с математическими основами современной теории машинного обучения (Machine Learning) и теории игр с предсказаниями. В первой части излагаются основы статистической теории машинного обучения, рассматриваются задачи классификации и регрессии с опорными векторами, теория обобщения и алгоритмы построения разделяющих гиперплоскостей. Во второй и третьей частях рассматриваются задачи адаптивного прогнозирования в нестохастических теоретико-игровой и сравнительной постановках: предсказания с использованием экспертных стратегий и игры с предсказаниями.

Для студентов и аспирантов, специализирующихся в области машинного обучения и искусственного интеллекта.

Продажник