انتشارات علوم رایانه
ارسال سریع به سراسر کشور
فصل سیزدهم : عدم قطعیت
13-1. اقدام تحت عدم قطعیت
13-2. نمادگذاری اساسی احتمال
13-3. استنتاج با استفاده از توزیع‌های مشترک کامل
13-4. استقلال
13-5. قاعده‌ی بیز و کاربرد آن
13-6. بازبینی دنیای ومپوز
13-7. خلاصه
13-8. تمرین‌ها
فصل چهاردهم : استدلال احتمالاتی
14-1. نمایش دانش در دامنه‌ی غیرقطعی
14-2. معنای شبکه‌ی بیزی
14-3. نمایش کارآمد توزیع‌های شرطی
14-4. استنتاج دقیق در شبکه‌های بیزی
14-5. استنتاج تقریبی در شبکه‌های بیزی
14-6. مدل‌های احتمال مرتبه‌ی اول و رابطه‌ای
14-7. رهیافت‌های دیگر برای استدلال عدم قطعیت
14-8. خلاصه
14-9. تمرین‌ها
فصل پانزدهم : استدلال احتمالاتی در طول زمان
15-1. زمان و عدم قطعیت
15-2. استنتاج در مدل‌های زمانی
15-3. مدل‌های پنهان مارکوف
15-4. فیلترهای کالمن
15-5. شبکه‌های بیزی پویا
15-6. ردیابی اشیای متعدد
15-7. خلاصه
15-8. تمرین‌ها
فصل شانزدهم : اتخاذ تصمیم‌های ساده
16-1. ترکیب باورها و خواسته‌ها تحت عدم قطعیت
16-2. مبانی نظریه‌ی سودمندی
16-3. توابع سودمندی
16-4. توابع سودمندی چندصفتی
16-5. شبکه‌های تصمیم‌گیری
16-6. ارزش اطلاعات
16-7. سیستم‌های خبره با تصمیم‌گیری نظری
16-8. خلاصه
16-9. تمرین‌ها
فصل هفدهم : اتخاذ تصمیم‌های پیچیده
17-1. مسائل تصمیم‌گیری ترتیبی
17-2. تکرار ارزش (Value iteration)
17-3. تکرار سیاست
17-4. MDPهای پاره‌ای مشاهده‌‌پذیر
17-5. تصمیم‌گیری با عامل‌های متعدد: نظریه‌ی بازی
17-6. طراحی راهکار
17-7. خلاصه
17-8. تمرین‌ها
فصل هجدهم : یادگیری از مثال‌ها
18-1. شکل‌های یادگیری
18-2. یادگیری نظارتی
18-3. یادگیری درخت‌های تصمیم
18-4. ارزیابی و انتخاب بهترین فرضیه
18-5. نظریه‌ی یادگیری
18-6. رگرسیون و دسته‌بندی با مدل‌های خطی
18-7. شبکه‌های عصبی مصنوعی
18-8. مدل‌های غیرپارامتری
18-9. ماشین‌های بردار پشتیبان
18-10. یادگیری گروهی (Ensemble LEARNING)
18-11. یادگیری عملی ماشین
18-12. خلاصه
18-13. تمرین‌ها
فصل نوزدهم : دانش در یادگیری
19-1. تدوین منطقی یادگیری
19-2. دانش در یادگیری
19-3. یادگیری مبتنی بر توضیح
19-4. یادگیری با استفاده از اطلاعات مرتبط
19-5. برنامه‌سازی منطق استقرایی
19-6. خلاصه
19-7. تمرین‌ها
فصل بیستم : یادگیری مدل‌های احتمالی
20-1. یادگیری احتمالی
20-2. یادگیری با داده‌های کامل
20-3. یادگیری با متغیرهای پنهان: الگوریتم EM
20-4. خلاصه
20-5. تمرین‌ها
فصل بیست و یکم : یادگیری تقویتی
21-1. مقدمه
21-2. یادگیری تقویتی انفعالی
21-3. یادگیری تقویتی فعال
21-4. تعمیم یادگیری تقویتی
21-5. جستجوی سیاست
21-6. کاربردهای یادگیری تقویتی
21-7. خلاصه
21-8. تمرین‌ها
فصل بیست و دوم : پردازش زبان طبیعی
22-1. مدل‌های زبان
22-2. دسته‌بندی متن
22-3. بازیابی اطلاعات
22-4. استخراج اطلاعات
22-5. خلاصه
22-6. تمرین‌ها
فصل بیست و سوم: زبان طبیعی برای ارتباطات
23-1. گرامرهای ساختار عبارت
23-2. تحلیل نحوی (تجزیه)
23-3. گرامرهای ارتقایافته و تفسیر معنایی
23-4. ترجمه‌ی ماشینی
23-5. تشخیص گفتار
23-6. خلاصه
23-7. تمرین‌ها
فصل بیست و چهارم: ادراک
24-1. تشکیل تصاویر
24-2. عملیات‌های اولیه‌ی پردازش تصویر
24-3. تشخیص اشیا به کمک ظاهر آن‌ها
24-4. بازسازی دنیای سه‌بُعدی
24-5. تشخیص شیء از اطلاعات ساختاری
24-6. استفاده از بینایی
24-7. خلاصه
24-8. تمرین‌ها
فصل بیست و پنجم: رُباتیک
25-1. مقدمه
25-2. سخت‌افزار رُبات
25-3. ادراک رُباتیک
25-4. برنامه‌ریزی برای حرکت
25-5. برنامه‌ریزی حرکت‌های غیرقطعی
25-6. حرکت کردن
25-7. معماری‌های نرم‌افزار رُباتیک
25-8. قلمرو کاربرد رُباتیک
25-9. خلاصه
25-10. تمرین‌ها
فصل بیست و ششم: مبانی فلسفی
26-1. هوش مصنوعی ضعیف: آیا ماشین‌ها می‌توانند هوشمندانه عمل کنند؟
26-2. هوش مصنوعی قوی: آیا واقعاً ماشین‌ها می‌توانند فکر کنند؟
26-3. اخلاق و خطرات توسعه‌ی هوش مصنوعی
26-4. خلاصه
26-5. تمرین‌ها
فصل بیست و هفتم: هوش مصنوعی: در حال حاضر و آینده
27-1. مولفه‌های عامل
27-2. معماری‌های عامل
27-3. آیا در مسیر صحیح پیش می‌رویم؟
27-4. در صورت موفقیت هوش مصنوعی چه اتفاقی می‌افتد؟
پیوست الف: پیش‌زمینه‌ی ریاضیات
الف-1. تحلیل پیچیدگی و نمادگذاری O()
الف-2. بردارها، ماتریس‌ها و جبر خطی
الف-3. توزیع احتمال
پیوست ب : نکاتی درباره‌ی زبان‌ها و الگوریتم‌ها
ب-1. تعریف زبان‌ها با BNF
ب-2. توصیف الگوریتم‌ها با شبه‌کد
ب-3. کمک آنلاین
واژه‌نامه‌ی انگلیسی به فارسی
