Методы и технологии искусственного интеллекта, Рутковский Л., 2010

Методы и технологии искусственного интеллекта, Рутковский Л., 2010.

   В книге представлен современный подход к интеллектуальным вычислениям. Рассмотрены история развития и перспективы искусственного интеллекта, его приложения в каждодневной жизни человека. Обсуждаются методы представления знаний с использованием приближенных множеств и нечетких множеств типа 1 и типа 2, основные структуры и методы обучения нейронных сетей, эволюционные алгоритмы, методы группирования данных, а также различные нейро-нечёткие структуры. Особым достоинством книги является наличие в ней ряда примеров и иллюстраций описываемых методов, полезных для практического использования представленных алгоритмов. Среди прочего, книга представляет собой обобщение содержания лекций, читавшихся автором магистрантам Ченстоховского политехнического университета и Высшей гуманитарно-экономической школы в Лодзи, а также докторантам Института системных исследований Польской академии наук и может быть использована в качестве учебного пособия.
Для широкого круга специалистов в области математики, физики, информатики, электроники, телекоммуникаций, экономики, управления и смежных областей знаний. Будет полезна студентам и аспирантам.




ЭКСПЕРТНЫЕ СИСТЕМЫ.
Согласно одному из многочисленных определений, экспертная система является «интеллектуальной» компьютерной программой, применяющей знания и процедуры их понимания (вывода) для решения задач, которые требуют обращения к опыту человека (эксперта), накопленному в результате многолетней деятельности в соответствующей сфере. Общая идея функционирования экспертных систем заключается в переносе опыта эксперта в базу знаний, в проектировании машины для вывода решений по имеющейся информации и в создании соответствующего пользовательского интерфейса.

Прототипом экспертных систем считается программа DENDRAL, которая была написана в первой половине 60-х годов XX в. в Стенфордском университете. Задача этой программы заключалась в подсчете всех возможных конфигураций заданного множества атомов. Интегральной частою программы была база знаний, содержащая химические законы и правила, которые в течение многих десятилетий вырабатывались в химических лабораториях. Программа DENDRAL оказалась чрезвычайно полезной при решении задач, для которых не существовало аналитических методов.

Оглавление.
Предисловие.
Предисловие к российскому изданию.
1. ВВЕДЕНИЕ.
2. ИЗБРАННЫЕ ЗАДАЧИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА.
2.1. Введение.
2.2. История искусственного интеллекта.
2.3. Экспертные системы.
2.4. Роботика.
2.5. Преобразование речи и естественного языка.
2.6. Эвристики и поисковые стратегии.
2.7. Когнитивистика.
2.8. Интеллект муравьев.
2.9. Искусственная жизнь.
2.10. Боты.
2.11. Перспективы развития искусственного интеллекта.
2.12. Примечания.
3. МЕТОДЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ С ИСПОЛЬЗОВАНИЕМ ПРИБЛИЖЕННЫХ МНОЖЕСТВ.
3.1. Введение.
3.2. Основные понятия.
3.3. Аппроксимация множества.
3.4. Аппроксимация семейства множеств.
3.5. Анализ таблиц решений.
3.6. Использование программы LERS.
3.7. Примечания.
4. МЕТОДЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКИХ МНОЖЕСТВ ТИПА 1.
4.1. Введение.
4.2. Основные понятия и определения теории нечетких множеств.
4.3. Операции на нечетких множествах.
4.4. Принцип обобщения.
4.5. Нечеткие числа.
4.6. Треугольные нормы и отрицания.
4.7. Нечеткие отношения и их свойства.
4.8. Нечеткий вывод.
4.9. Системы нечеткого вывода.
4.10. Применение нечетких множеств.
4.11. Примечания.
5. МЕТОДЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКИХ МНОЖЕСТВ ТИПА 2.
5.1. Введение.
5.2. Основные определения.
5.3. След неопределенности.
5.4. Выделенные нечеткие множества.
5.5. Основные операции на нечетких множествах типа 2.
5.6. Нечеткие отношения типа 2.
5.7. Понижение типа.
5.8. Системы нечеткого вывода типа 2.
5.9. Примечания.
6. НЕЙРОННЫЕ СЕТИ И АЛГОРИТМЫ ИХ ОБУЧЕНИЯ.
6.1. Введение.
6.2. Нейрон и его модели.
6.3. Однонаправленные многослойные сети.
6.4. Рекуррентные сети.
6.5. Сети с самоорганизацией и конкуренцией.
6.6. Сети типа ART.
6.7. Радиальные сети.
6.8. Вероятностные нейронные сети.
6.9. Примечания.
7. ЭВОЛЮЦИОННЫЕ АЛГОРИТМЫ.
7.1. Введение.
7.2. Задачи оптимизации и эволюционные алгоритмы.
7.3. Виды алгоритмов, относимых к эволюционным.
7.4. Особые технологии в эволюционных алгоритмах.
7.5. Применение эволюционных алгоритмов для проектирования нейронных сетей.
7.6. Эволюционные алгоритмы и нечеткие системы.
7.7. Примечания.
8. МЕТОДЫ ГРУППИРОВАНИЯ ДАННЫХ.
8.1. Введение.
8.2. Четкие и нечеткие декомпозиции.
8.3. Меры удаленности.
8.4. Алгоритм НСМ.
8.5. Алгоритм FCM.
8.6. Алгоритм РСМ.
8.7. Алгоритм Густафсона-Кесселя.
8.8. Алгоритм FMLE.
8.9. Критерии качества группирования.
8.10. Иллюстрация функционирования алгоритмов группирования данных.
8.11. Примечания.
9. НЕЙРО-НЕЧЕТКИЕ СИСТЕМЫ ТИПА МАМДАНИ, ТАКАГИ-СУГЕНО И ЛОГИЧЕСКОГО ТИПА.
9.1. Введение.
9.2. Описание тестовых задач.
9.3. Нейро-нечеткие системы типа Мамдани.
9.4. Нейро-нечеткие системы логического типа.
9.5. Нейро-нечеткие системы типа Такаги-Сугено.
9.6. Алгоритмы обучения нейро-нечетких систем.
9.7. Оценивание функционирования нейро-нечетких систем.
9.8. Примечания.
10. ЭЛАСТИЧНЫЕ НЕЙРО-НЕЧЕТКИЕ СИСТЕМЫ.
10.1. Введение.
10.2. Мягкие треугольные нормы.
10.3. Параметризованные треугольные нормы.
10.4. Триггерные треугольные нормы.
10.5. Эластичные системы.
10.6. Алгоритмы обучения.
10.7. Решение тестовых задач.
10.8. Примечания.
Литература.
Предметный указатель.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Методы и технологии искусственного интеллекта, Рутковский Л., 2010 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать djvu
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу


Скачать - djvu - Яндекс.Диск.




Теги: учебник по информатике :: информатика :: компьютеры :: Рутковский