SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

2 wyniki

Książka

W koszyku

Autor

Russell Stuart J. (1962- ) Norvig Peter Grażyński Andrzej

Forma i typ

Książki Publikacje dydaktyczne Publikacje naukowe

Odbiorca

Szkoły wyższe

Temat

Sztuczna inteligencja Sztuczna sieć neuronowa Uczenie maszynowe

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

Wydanie 4. odnosi się do oryginału. Na stronie 4. okładki także nazwa wydawcy oryginału: Pearson.

Indeks.

1Sztuczna inteligencja 1.1.Czym jest sztuczna inteligencja? 1.2.Podstawy sztucznej inteligencji 1.3.Historia sztucznej inteligencji 1.4.Stan obecny 1.5.Spodziewane korzyści i ryzyko 2Inteligentni agenci 2.1.Agenci i ich środowiska 2.2.Właściwe zachowanie — koncepcja racjonalności 2.3.Natura środowiska 2.4.Struktura agenta II Rozwiązywanie problemów 3Rozwiązywanie problemów za pomocą wyszukiwania 3.1.Agent rozwiązujący problem 3.2.Przykładowe problemy 3.3.Algorytmy wyszukiwania 3.4.Strategie wyszukiwania niedoinformowanego 3.5.Strategie wyszukiwania poinformowanego (heurystycznego] 3.6.Funkcje heurystyczne 4Wyszukiwanie w złożonych środowiskach 4.1.Wyszukiwanie lokalne i problemy optymalizacyjne 4.2.Wyszukiwanie lokalne w przestrzeniach ciągłych 4.3.Wyszukiwanie z niedeterministycznymi akcjami 4.4.Wyszukiwanie w środowiskach częściowo obserwowalnych 4.5.Wyszukiwanie online i nieznane środowiska 5Wyszukiwanie antagonistyczne i gry 5.1.Teoria gier 5.2.Optymalne decyzje w grach 5.3.Heurystyczne wyszukiwanie alfa-beta 5.4.Wyszukiwanie Monte Carlo 5.5.Gry stochastyczne 5.6.Gry z częściową obserwowalnością 5.7.Ograniczenia algorytmów wyszukiwania w grach 6Problemy spełniania ograniczeń 6.1.Definiowanie problemów spełniania ograniczeń 6.2.Propagacja ograniczeń — wnioskowanie w CPS 6.3.Wyszukiwanie z nawrotami w CPS 6.4.Wyszukiwanie lokalne na usługach CSP 6.5.Struktura problemów CSP III Wiedza, wnioskowanie i planowanie 7Logiczni agenci 7.1.Agent bazujący na wiedzy 7.2.Świat Wumpusa 7.3.Podstawy logiki 7.4.Rachunek zdań — bardzo prosta logika 7.5.Dowodzenie twierdzeń w rachunku zdań 7.6.Efektywne sprawdzanie modeli w rachunku zdań 7.7.Agent na gruncie rachunku zdań 8Logika pierwszego rzędu 8.1.Ponownie o reprezentacji 8.2.Składnia i semantyka logiki pierwszego rzędu 8.3.Wykorzystywanie logiki pierwszego rzędu 8.4.Inżynieria wiedzy w logice pierwszego rzędu 9Wnioskowanie w logice pierwszego rzędu 9.1.Wnioskowanie w rachunku zdań a wnioskowanie w logice pierwszego rzędu 9.2.Unifikacja a wnioskowanie w logice pierwszego rzędu 9.3.Łańcuchowanie progresywne 9.4.Łańcuchowanie regresywne 9.5.Rezolucja 10Reprezentacja wiedzy 10.1.Inżynieria ontologii 10.2.Kategorie i obiekty 10.3.Zdarzenia 10.4.Obiekty mentalne i logika modalna 10.5.Systemy wnioskowania dla kategorii 10.6.Wnioskowanie na podstawie domniemań 11Automatyczne planowanie 11.1.Klasyczne planowanie — co to jest? 11.2.Algorytmy klasycznego planowania 11.3.Heurystyki w planowaniu 11.4.Planowanie hierarchiczne 11.5.Planowanie i działanie w domenach niedeterministycznych 11.6.Czas, harmonogramy i zasoby 11.7.Analiza podejść planistycznych IV Wnioskowanie w warunkach niepewności 12Kwantyfikowanie niepewności 12.1.Działając w warunkach niepewności 12.2.Notacja probabilistyczna 12.3.Wnioskowanie z pełnych wspólnych rozkładów 12.4.Niezależność 12.5.Reguła Bayesa i jej wykorzystywanie 12.6.Naiwne modele bayesowskie 12.7.Odwiedzamy świat Wumpusa 13Wnioskowanie probabilistyczne 13.1.Reprezentowanie wiedzy w niepewnej domenie 13.2.Semantyka sieci bayesowskich 13.3.Ścisłe wnioskowanie w sieciach bayesowskich 13.4.Aproksymowane wnioskowanie w sieciach bayesowskich 13.5.Sieci przyczynowe 14Probabilistyczne wnioskowanie w czasie 14.1.Czas a niepewność 14.2.Wnioskowanie w modelach temporalnych 14.3.Ukryte modele Markowa 14.4.Filtrowanie Kalmana 14.5.Dynamiczne sieci bayesowskie (DBN) 15Programowanie probabilistyczne 15.1.Relacyjne modele probabilistyczne 15.2.Modele probabilistyczne otwartego wszechświata 15.3.Śledzenie skomplikowanego świata 15.4.Programy jako modele probabilistyczne 16Podejmowanie prostych decyzji 16.1.Przekonania i pragnienia w warunkach niepewności 16.2.Podstawy teorii użyteczności 16.3.Funkcje użyteczności 16.4.Wieloatrybutowe funkcje użyteczności 16.5.Sieci decyzyjne 16.6.Wartość informacji 16.7.Nieznane preferencje 17Podejmowanie złożonych decyzji 17.1.Sekwencyjne problemy decyzyjne 17.2.Algorytmy dla problemów MDP 17.3.Problem bandyty i jego warianty 17.4.Częściowo obserwowalne problemy MDP (POMDP) 17.5.Algorytmy rozwiązywania problemów POMDP 18Podejmowanie decyzji w środowisku wieloagentowym 18.1.Właściwości środowisk wieloagentowych 18.2.Teoria gier niekooperatywnych 18.3.Teoria gier kooperatywnych 18.4.Kolektywne podejmowanie decyzji A Kompendium matematyczne A.l. Analiza złożoności i notacja „dużego O" A.2. Wektory, macierze i algebra liniowa A.3. Rozkłady prawdopodobieństwa A.4. Wybrane operacje na zbiorach B Konwencje notacyjne i pseudokod B.l. Definiowanie składni za pomocą notacji BNF B.2. Algorytmy w formie pseudokodu B.3. Uzupełniające materiały online

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 153227 N (1 egz.)

Książka

W koszyku

Sztuczna inteligencja : nowe spojrzenie. T. 2 / Stuart Russell, Peter Norvig ; przekład: Andrzej Grażyński. - Gliwice : Helion, copyright 2023. - 467, [5] stron : fotografie, ilustracje, wykresy ; 23 cm.

Autor

Russell Stuart J. (1962- ) Norvig Peter Grażyński Andrzej

Forma i typ

Książki Publikacje dydaktyczne Publikacje naukowe

Odbiorca

Szkoły wyższe

Temat

Sztuczna inteligencja Sztuczna sieć neuronowa Uczenie maszynowe

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

Wydanie 4. odnosi się do oryginału. Na stronie 4. okładki także nazwa wydawcy oryginału: Pearson.

Bibliografia, netografia na stronach 417-457. Indeks.

Uczenie maszynowe Uczenie maszynowe z przykładowych danych 19.1.Formy uczenia maszynowego 19.2.Uczenie nadzorowane 19.3.Drzewa decyzyjne w uczeniu maszynowym 19.4.Selekcja modelu i optymalizacja 19.5.Teoria uczenia maszynowego 19.6.Regresja liniowa i klasyfikacja 19.7.Modele nieparametryczne 19.8.Uczenie zespołowe 19.9.Budowanie systemów uczenia maszynowego Uczenie modeli probabilistycznych 20.1.Uczenie statystyczne 20.2.Uczenie z kompletnych danych 20.3.Uczenie z ukrytymi zmiennymi: algorytm EM Głębokie uczenie 21.1.Proste sieci ze sprzężeniem w przód 21.2.Grafy obliczeniowe dla głębokiego uczenia 21.3.Konwolucyjne sieci neuronowe (CNN) 21.4.Algorytmy głębokiego uczenia 21.5.Generalizacja 21.6.Rekurencyjne sieci neuronowe (RNNj 21.7.Nienadzorowane uczenie transferowe 21.8.Zastosowania Uczenie ze wzmacnianiem 22.1.Uczenie się dla nagród 22.2.Pasywne uczenie ze wzmacnianiem 22.3.Aktywne uczenie ze wzmacnianiem 22.4.Generalizacja w uczeniu ze wzmacnianiem 22.5.Wyszukiwanie polityki 22.6.Uczenie praktykanckie i odwrotne uczenie ze wzmacnianiem 22.7.Zastosowania uczenia ze wzmacnianiem Komunikacja, percepcja i działanie Przetwarzanie języka naturalnego 23.1.Modele językowe 23.2.Gramatyka 23.3.Parsowanie 23.4.Gramatyki augmentowane 23.5.Komplikacje języków naturalnych 23.6.Zadania NLP Głębokie uczenie w przetwarzaniu języka naturalnego 24.1.Embeddingi słów 24.2.Rekurencyjne sieci neuronowe w NLP 24.3.Modele „sekwencja na sekwencję" 24.4.Architektura transformerów 24.5.Trenowanie wstępne i uczenie transferowe 24.6.Obecny stan sztuki Widzenie komputerowe 25.1.Formowanie obrazów 25.2.Podstawowe cechy obrazów 25.3.Klasyfikowanie obrazów 25.4.Wykrywanie obiektów 25.5.Rzeczywistość 3D 25.6.Widzenie komputerowe w praktyce Robotyka 26.1.Sprzęt robotów 26.2.Jakie rodzaje problemów rozwiązywać może robotyka? 26.3.Percepcja robotów 26.4.Planowanie i sterowanie 26.5.Planowanie ruchu w warunkach niepewności 26.6.Uczenie ze wzmacnianiem w robotyce 26.7.Ludzie i roboty 26.8.Alternatywne frameworki robotyczne 26.9.Domeny zastosowań robotyki Konkluzje 27Bezpieczeństwo oraz etyczne i filozoficzne aspekty sztucznej inteligencji 27.1.Granice sztucznej inteligencji 27.2.Czy maszyny mogą naprawdę myśleć? 27.3.Sztuczna inteligencja a etyka 28Przyszłość sztucznej inteligencji 28.1.Komponenty sztucznej inteligencji 28.2.Architektury sztucznej inteligencji

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 153226 N (1 egz.)