Przejdź do treści

Banery wysuwane

liternicza okładka na pomarańczowym tle
Uczenie się pojęć przez agentów jako metoda generowania strategii

Kategoria produktu
Nauki techniczne » Informatyka
ISBN
978-83-7464-638-3
ISSN
0867-6631
Typ publikacji
monografia
Format
B5
Oprawa
miękka
Liczba stron
172
Rok wydania
2013
Opis

Wydawnictwa nie prowadzą sprzedaży książek z serii "Rozprawy Monografie". Zainteresowanych prosimy o kontakt z ich autorami.

Spis treści

Streszczenie  7
1. Wstęp  11
2. Uczenie w systemach agentowych  17
2.1. Agent i system agentowy  17
2.2. Metody uczenia maszynowego  19
2.3. Uczenie ze wzmocnieniem  20
2.4. Uczenie się pojęć  22
2.5. Inferencyjna teoria uczenia się i logika wiarygodnego rozumowania  24
2.6. Konwersja wiedzy  27
2.7. Podsumowanie  28
3. Uczenie się pojęć jako metoda samouczenia się agentów  31
3.1. Architektura  31
3.1.1. Uczenie z nadzorem  32
3.1.2. Uczenie ze wzmocnieniem  35
3.1.3. Uczenie bez nadzoru  36
3.1.4. Wymiana wiedzy  36
3.2. Opóźnione efekty akcji w uczeniu pod nadzorem  36
3.3. Łączenie uczenia się pojęć z uczeniem ze wzmocnieniem  39 
3.4. Podsumowanie  40
4. Integracja uczenia się pojęć i wnioskowania  41
4.1. Adaptacja LPR do automatycznego wnioskowania  41
4.1.1. Język  42
4.1.2. Reguły dowodzenia  47
4.1.3. Siła wyrazu języka  52
4.2. Rozszerzenie LPR o mechanizm uczenia się pojęć  57 
4.2.1. Złożone reguły wnioskowania  58 
4.2.2. Algorytm dowodzenia  58
4.3. Podsumowanie  63
5. Konwersja i wizualizacja wiedzy  65
5.1. Konwersja modelu Naïve Bayes do reguł  65
5.2. Konwersja sieci Bayesa do reguł  67
5.2.1. Etykiety  67
5.2.2. Przycinanie  69
5.2.3. Reguły domyślne  70 
5.2.4. Algorytm B2R konwertujący sieci Bayesa do reguł  70
5.2.5. Stosowanie wygenerowanych reguł  71
5.3. Wizualizacja wiedzy regułowej  72
5.4. Podsumowanie  76
6. Eksperymentalna weryfikacja opracowanych rozwiązań  77
6.1. Uczenie się pojęć  77 
6.1.1. Gra Fish-Banks  78
6.1.2. Środowisko Predator-Prey  89 
6.1.3. Systemy transportowe  93
6.1.4. Środowisko Farmer-Pest  102 
6.1.5. Adaptacja systemów opartych na serwisach  115
6.1.6. Wnioski  121
6.2. Integracja uczenia maszynowego i wnioskowania  121
6.2.1. Wiedza o krajach  122
6.2.2. Agent rekomendujący  126
6.2.3. Wnioski  128
6.3. Konwersja modeli probabilistycznych do reguł  129
6.3.1. Konwersja modeli Naïve Bayes do reguł  129
6.3.2. Konwersja sieci Bayesa do reguł  134
6.3.3. Wnioski  139
6.4. Wizualizacja wiedzy regułowej  140
6.5. Podsumowanie  146
7. Zakończenie  147
Bibliografia  151

Fragmenty
Spis treści
Cena
0,00
In order to arrange international shipping details and cost please contact wydawnictwa@agh.edu.pl