Advances in the evolutionary synthesis of intelligent agents

دانلود کتاب Advances in the evolutionary synthesis of intelligent agents

38000 تومان موجود

کتاب پیشرفت در سنتز تکاملی عوامل هوشمند نسخه زبان اصلی

دانلود کتاب پیشرفت در سنتز تکاملی عوامل هوشمند بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 2


توضیحاتی در مورد کتاب Advances in the evolutionary synthesis of intelligent agents

نام کتاب : Advances in the evolutionary synthesis of intelligent agents
ویرایش : Presumed First
عنوان ترجمه شده به فارسی : پیشرفت در سنتز تکاملی عوامل هوشمند
سری :
نویسندگان : , ,
ناشر : The MIT Press
سال نشر : 2001
تعداد صفحات : 491
ISBN (شابک) : 9780262162012 , 0262162016
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 5 مگابایت



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :


از جمله اولین کاربردهای کامپیوتر، توسعه برنامه هایی برای مدل سازی ادراک، استدلال، یادگیری و تکامل بود. پیشرفت‌های بیشتر منجر به رایانه‌ها و برنامه‌هایی شد که جنبه‌هایی از رفتار هوشمندانه را نشان می‌دهند. حوزه هوش مصنوعی بر این فرض استوار است که فرآیندهای فکری را می توان به صورت محاسباتی مدل کرد. زیست شناسی مولکولی محاسباتی رویکرد مشابهی را برای مطالعه سیستم های زنده به ارمغان آورد. در هر دو مورد، فرضیه‌های مربوط به ساختار، عملکرد و تکامل سیستم‌های شناختی (طبیعی و مصنوعی) به شکل برنامه‌های رایانه‌ای هستند که اطلاعات را ذخیره، سازمان‌دهی، دستکاری و استفاده می‌کنند. طراحی سیستم‌هایی که ساختار پردازش اطلاعات آنها کاملاً برنامه‌ریزی شده است، برای همه به جز ساده‌ترین کاربردها دشوار است. محیط‌های دنیای واقعی به سیستم‌هایی نیاز دارند که بتوانند رفتار خود را با تغییر ساختارهای پردازش اطلاعات خود تغییر دهند. ساختارها و فرآیندهای شناختی و اطلاعاتی که در سیستم‌های زنده تجسم یافته‌اند، طرح‌های مؤثر بسیاری را برای عوامل هوشمند بیولوژیکی به نمایش می‌گذارند. آنها همچنین منبع ایده هایی برای طراحی عوامل هوشمند مصنوعی هستند. این کتاب یک موضوع اصلی در هوش مصنوعی، علوم شناختی و زندگی مصنوعی را بررسی می‌کند: چگونگی طراحی ساختارها و فرآیندهای اطلاعاتی که عوامل هوشمند را از طریق تکامل و یادگیری ایجاد و تطبیق می‌دهند. این کتاب حول چهار موضوع سازماندهی شده است: قدرت تکامل برای تعیین راه‌حل‌های مؤثر برای وظایف پیچیده، مکانیسم‌هایی برای مقیاس‌پذیر کردن طراحی تکاملی، استفاده از جستجوی تکاملی در ارتباط با الگوریتم‌های یادگیری محلی، و گسترش جستجوی تکاملی در جهت‌های جدید.


توضیحاتی در مورد کتاب به زبان اصلی :


Among the first uses of the computer was the development of programs to model perception, reasoning, learning, and evolution. Further developments resulted in computers and programs that exhibit aspects of intelligent behavior. The field of artificial intelligence is based on the premise that thought processes can be computationally modeled. Computational molecular biology brought a similar approach to the study of living systems. In both cases, hypotheses concerning the structure, function, and evolution of cognitive systems (natural as well as synthetic) take the form of computer programs that store, organize, manipulate, and use information. Systems whose information processing structures are fully programmed are difficult to design for all but the simplest applications. Real-world environments call for systems that are able to modify their behavior by changing their information processing structures. Cognitive and information structures and processes, embodied in living systems, display many effective designs for biological intelligent agents. They are also a source of ideas for designing artificial intelligent agents. This book explores a central issue in artificial intelligence, cognitive science, and artificial life: how to design information structures and processes that create and adapt intelligent agents through evolution and learning. The book is organized around four topics: the power of evolution to determine effective solutions to complex tasks, mechanisms to make evolutionary design scalable, the use of evolutionary search in conjunction with local learning algorithms, and the extension of evolutionary search in novel directions.



پست ها تصادفی