Научная библиотека СГЮА

Главная

Упрощенный режим

Описание

Шлюз Z39.50

Базы данных

Книги фонда НБ СГЮА - результаты поиска

Вид поиска

Книги фонда НБ СГЮА

Дипломные работы выпускников СГЮА за последние 5 лет

Авторефераты

Диссертации

Период.издания науч.абонемента

Редкие книги Научной библиотеки СГЮА

Каталог электронных носителей

Труды ученых СГЮА

Саратовский край

Область поиска

Формат представления найденных документов:
полный	информационный	краткий

Поисковый запрос: (<.>A=Рутковский, Лешек$<.>)

Общее количество найденных документов : 1

Вид документа : Однотомное издание
Шифр издания : 6/Р90
Автор(ы) : Рутковский, Лешек
Заглавие : Методы и технологии искусственного интеллекта
Выходные данные : М.: Горячая линия - Телеком, 2010
Колич.характеристики :520 с.: ил.
ISBN, Цена 978-5-9912-0105-6: 672.98, 672.98, р.
УДК : 6 + 681.322
ББК : 30.17
Предметные рубрики: Техника-- Вычислительная техника
Ключевые слова (''Своб.индексиров.''): искусственный интеллект
Содержание : 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
Аннотация: 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-нечеткие 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.
Экземпляры : всего : ч/з1(1), ч/з6(1), н/а(1), уч/а(27)
Свободны : ч/з1(1), ч/з6(1), н/а(1), уч/а(27)
Найти похожие

Тематический навигатор

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)