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: Michael R. Genesereth, Nils J. Nilsson (auth.), Michael Tarnowski (eds.) سری: Artificial Intelligence / Künstliche Intelligenz ISBN (شابک) : 9783528046385, 9783322928818 ناشر: Vieweg+Teubner Verlag سال نشر: 1989 تعداد صفحات: 590 زبان: German فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
کلمات کلیدی مربوط به کتاب مبانی منطقی هوش مصنوعی: مهندسی، عمومی
در صورت تبدیل فایل کتاب Logische Grundlagen der Künstlichen Intelligenz 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 مبانی منطقی هوش مصنوعی 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 مبتنی بر دو فرض اصلی است: اول اینکه برای پیشرفت علمی و فنی یک رشته علمی، ابزارهای ریاضی مناسبی برای تدوین و خلاصه کردن ایدههای جدید مورد نیاز است. دوم، منطق نمادین بخشی جدایی ناپذیر از ریاضیات مورد استفاده در تحقیقات هوش مصنوعی (AI) است. هر دو ادعا باید ثابت شود. با این حال، می توان فکر کرد که اصل اول ما در واقع توافق کلی پیدا می کند. با این وجود، در زمینههای جدید علم، که دانش عمدتاً به تمرین و مطالعات موردی تجربی گره خورده است، مخالفتهای شدیدی با تلاشها برای ریاضیسازی وجود دارد. (به عنوان مثال، یکی از نویسندگان به یاد می آورد که چگونه در دهه 1950 برخی از مهندسان برق شکایت داشتند که معادلات دیفرانسیل برای درک مدارهای الکتریکی و سیستم های کنترل کاملاً غیر ضروری است!) ما ادعا نمی کنیم که دانش مبانی ریاضی و تکنیک های یک رشته به تنهایی برای موفقیت در تحقیق یا عمل کافی است. با این حال، ما بر این عقیده هستیم که مطالعه موفقیت آمیز رشته های علمی مدرن، به ویژه با گرایش فنی، همیشه نیازمند ابزارهای ریاضی محکم رشته مربوطه است. مطالعه این مبانی پیش نیازهایی را برای توانایی تفسیر، درک و توسعه رشته مربوطه ارائه می دهد. از آنجایی که هوش مصنوعی هنوز یک رشته نسبتاً جوان است، جای تعجب نیست که بحثهای تند و شوخآمیز بین «فرمالیستها» و «تجربهگرایان» وجود داشته باشد. فرمالیست ها معتقدند که تجربی گرایان در صورتی که درک عمیق تری از مبانی نظری هوش مصنوعی داشته باشند، سریعتر پیشرفت خواهند کرد.
Dieses Buch basiert auf zwei zentralen Annahmen: Für den wissen schaftlichen und technischen Fortschritt einer wissenschaftlichen Disziplin ist erstens ein geeignetes mathematisches Handwerkszeug zur Formulierung und Zusammenfassung neuer Ideen nötig. Zweitens ist die symbolische Logik ein sehr wesentlicher Bestandteil der in der Forschung über Künstliche Intelligenz (KI) verwendeten Mathe matik. Beide Behauptungen müssen begründet werden. Man sollte allerdings meinen, unser erster Grundsatz fände ei gentlich allgemeine Zustimmung. Dennoch gibt es in neuen Wissen schaftsgebieten, in denen das Wissen hauptsächlich an die Praxis und empirische Fallstudien gebunden ist, vehemente Einwände gegen die Versuche einer Mathematisierung. (Einer der Autoren erinnert sich beispielsweise daran, wie sich in den 50-er Jahren einige Elektroingenieure darüber beklagten, daß zum Verständnis von elek trischen Schaltkreisen und Kontrollsystemen Differentialglei chungen doch völlig unnötig seinen!) Wir behaupten nicht, daß das Wissen um die mathematischen Grundlagen und Techniken einer Diszi plin allein ausreicht, um in der Forschung oder in der Praxis er folgreich zu sein. Wir sind allerdings der Meinung, daß zu einem VIII Vorwort erfolgreichem Studium der modernen, insbesonders technisch orien tierten Wissenschaftsdisziplinen immer auch ein solides mathema tisches Handwerkszeug der jeweiligen Disziplin gehört. Das Studium dieser Grundlagen bietet die Voraussetzungen, um die jeweilige Disziplin interpretieren, verstehen und ausbauen zu können. Da die KI eine noch relativ junge Disziplin ist, ist es nicht verwunderlich, daß es hitzige und geistreiche Debatten zwischen "Formalisten" und "Experimentalisten" gibt. Die Formalisten mei nen, die Experimentalisten kämen schneller voran, wenn sie ein tieferes Verständnis der theoretischen Grundlagen der KI besäßen.
Front Matter....Pages I-XXIII
Einführung....Pages 1-12
Deklaratives Wissen....Pages 13-61
Inferenz....Pages 63-88
Resolution....Pages 89-133
Resolutionsstrategien....Pages 135-161
Nicht-Monotones Schliessen....Pages 163-224
Induktion....Pages 225-248
Schlussfolgerungen bei Unsicheren Überzeugungen....Pages 249-296
Wissen und Überzeugungen....Pages 297-346
Meta-Wissen und Meta-Inferenz....Pages 347-382
Zustände und Zustandswechsel....Pages 383-411
Planen....Pages 413-445
Architektur Intelligenter Agenten....Pages 447-481
Back Matter....Pages 483-576