Probabilistic Reasoning in Intelligent Systems
Networks of Plausible Inference
-
10% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 62.95
-
26 703 Ft (25 431 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 10% (cc. 2 670 Ft off)
- Discounted price 24 032 Ft (22 888 Ft + 5% áfa)
26 703 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Morgan Kaufmann
- Megjelenés dátuma 1997. május 31.
- ISBN 9781558604797
- Kötéstípus Puhakötés
- Terjedelem584 oldal
- Méret 228x152 mm
- Súly 750 g
- Nyelv angol 0
Kategóriák
Hosszú leírás:
Probabilistic Reasoning in Intelligent Systems is a complete and accessible account of the theoretical foundations and computational methods that underlie plausible reasoning under uncertainty. The author provides a coherent explication of probability as a language for reasoning with partial belief and offers a unifying perspective on other AI approaches to uncertainty, such as the Dempster-Shafer formalism, truth maintenance systems, and nonmonotonic logic.
The author distinguishes syntactic and semantic approaches to uncertainty--and offers techniques, based on belief networks, that provide a mechanism for making semantics-based systems operational. Specifically, network-propagation techniques serve as a mechanism for combining the theoretical coherence of probability theory with modern demands of reasoning-systems technology: modular declarative inputs, conceptually meaningful inferences, and parallel distributed computation. Application areas include diagnosis, forecasting, image interpretation, multi-sensor fusion, decision support systems, plan recognition, planning, speech recognition--in short, almost every task requiring that conclusions be drawn from uncertain clues and incomplete information.
Probabilistic Reasoning in Intelligent Systems will be of special interest to scholars and researchers in AI, decision theory, statistics, logic, philosophy, cognitive psychology, and the management sciences. Professionals in the areas of knowledge-based systems, operations research, engineering, and statistics will find theoretical and computational tools of immediate practical use. The book can also be used as an excellent text for graduate-level courses in AI, operations research, or applied probability.
TöbbTartalomjegyzék:
Chapter 1 Uncertainty In AI Systems: An Overview
Chapter 2 Bayesian Inference
Chapter 3 Markov and Bayesian Networks: Two Graphical Representations of Probabilistic Knowledge
Chapter 4 Belief Updating by Network Propagation
Chapter 5 Distributed Revision of Composite Beliefs
Chapter 6 Decision and Control
Chapter 7 Taxonomic Hierarchies, Continuous Variables, and Uncertain Probabilities
Chapter 8 Learning Structure from Data
Chapter 9 Non-Bayesian Formalisms for Managing Uncertainty
Chapter 10 Logic and Probability: The Strange Connection
