Ugrás a fő tartalmi területre
Mesterséges Intelligencia Almanach
Könyvek
Fogalomtár
Kutatók
Szerzők
Címlap
Hivatkozók
Mesterséges Intelligencia
1.2. A mesterséges intelligencia alapjai
3. fejezet - Problémamegoldás kereséssel
4.1. Informált (heurisztikus) keresési stratégiák
5.4. A problémák struktúrája
7.5. Hatékony ítéletkalkulus következtetés
11.4. Tervkészítési gráfok
12.1. Idő, ütemezés és erőforrások
12.2. Hierarchikus feladatháló tervkészítés
14.4. Egzakt következtetés Bayes-hálókban
18.2. Induktív tanulás
18.4. Hipotézishalmaz együttes tanulása
18.5. Miért működik a tanulás: a tanulás számítási elmélete
18.6. Összefoglalás
Előszó
Neurális hálózatok
2.1. Ellenőrzött tanulás (tanítóval történő tanítás)
2.3. A statisztikus tanuláselmélet alapjai
4.3. Az MLP konstrukciójának általános kérdései
5.1. Az RBF (Radiális Bázisfüggvényes) hálózat
5.2. A CMAC hálózat
5.3. Az MLP és a bázisfüggvényes hálózatok összehasonlítása
6.3. Szupport Vektor Gépek
6.4. SVM változatok
6.5. Kernel CMAC: egy LS-SVM gép véges tartójú kernel függvényekkel
6.6. A kernel gépek összefoglaló értékelése
8.6. Dinamikus hálók alkalmazása
9. fejezet - Moduláris hálók
Összegzés, várható fejlődési irányok
Hivatkozók
Mesterséges Intelligencia
1.2. A mesterséges intelligencia alapjai
3. fejezet - Problémamegoldás kereséssel
4.1. Informált (heurisztikus) keresési stratégiák
5.4. A problémák struktúrája
7.5. Hatékony ítéletkalkulus következtetés
11.4. Tervkészítési gráfok
12.1. Idő, ütemezés és erőforrások
12.2. Hierarchikus feladatháló tervkészítés
14.4. Egzakt következtetés Bayes-hálókban
18.2. Induktív tanulás
tovább