دانلود کتاب محاسبات دانش محور: مهندسی دانش و محاسبات هوشمند بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Knowledge-Driven Computing: Knowledge Engineering and Intelligent Computations
ویرایش : 1
عنوان ترجمه شده به فارسی : محاسبات دانش محور: مهندسی دانش و محاسبات هوشمند
سری : Studies in Computational Intelligence 102
نویسندگان : Maroua Bouzid, Antoni Ligęza (auth.), Prof. Carlos Cotta, Prof. Simeon Reich, Prof. Robert Schaefer, Prof. Antoni Ligęza (eds.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 2008
تعداد صفحات : 335
ISBN (شابک) : 9783540774747 , 9783540774754
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 9 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.
محاسبات دانش محور حوزه نوظهوری از تحقیقات فشرده است که در تقاطع هوش محاسباتی و مهندسی دانش با پایه های قوی ریاضی قرار دارد. این روشها و رویکردهای ناشی از پارادایمهای محاسباتی متنوع، مانند محاسبات تکاملی و الگوریتمهای الهامگرفته از طبیعت، برنامهنویسی منطقی و برنامهنویسی محدودیت، سیستمهای مبتنی بر قانون، مجموعههای فازی و بسیاری دیگر را در بر میگیرد. استفاده از فرمالیسم های مختلف بازنمایی دانش و پردازش دانش و پارادایم های محاسباتی به سمت حل کارآمد مسائل محاسباتی پیچیده و دشوار است.
هدف اصلی این جلد گردآوری مجموعهای از مقالات اخیر بوده است که ایدهها و راهحلهای جدیدی را برای طیف وسیعی از رویکردهای محاسباتی دانش محور ارائه میکنند. به طور دقیقتر، هدف نهایی جمعآوری پارادایمهای بازنمایی دانش جدید، پردازش و محاسبات بوده است که میتواند برای متخصصان درگیر در حوزه بحث مفید باشد. برای این منظور، مشارکتهایی که هم جنبههای نظری و هم راهحلهای عملی را پوشش میدهند، و به موضوعات مورد علاقه برای مخاطبان وسیع میپردازند و/یا تحقیقات بین رشتهای ترجیح داده میشوند.
Knowledge-Driven Computing constitutes an emerging area of intensive research located at the intersection of Computational Intelligence and Knowledge Engineering with strong mathematical foundations. It embraces methods and approaches coming from diverse computational paradigms, such as evolutionary computation and nature-inspired algorithms, logic programming and constraint programming, rule-based systems, fuzzy sets and many others. The use of various knowledge representation formalisms and knowledge processing and computing paradigms is oriented towards the efficient resolution of computationally complex and difficult problems.
The main aim of this volume has been to gather together a selection of recent papers providing new ideas and solutions for a wide spectrum of Knowledge-Driven Computing approaches. More precisely, the ultimate goal has been to collect new knowledge representation, processing and computing paradigms which could be useful to practitioners involved in the area of discussion. To this end, contributions covering both theoretical aspects and practical solutions, and dealing with topics of interest for a wide audience, and/or cross-disciplinary research were preferred.