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
Az itt közölt anyagokat a szerzői jog védi. Az anyagok bármilyen formában történő másolása és terjesztése csak előzetes, írásbeli engedéllyel lehetséges.