Ugrás a fő tartalmi területre
Mesterséges Intelligencia Almanach
Könyvek
Fogalomtár
Kutatók
Szerzők
Címlap
Hivatkozók
Mesterséges Intelligencia
2.2. Jó viselkedés: a racionalitás koncepciója
14.3. Feltételes eloszlások hatékony reprezentációja
15.4. Kalman-szűrők
15.5. Dinamikus Bayes-hálók
15.6. Beszédfelismerés
15.7. Összefoglalás
16.4. Többváltozós hasznosságfüggvények
16.5. Döntési hálók
16.8. Összefoglalás
18.3. Döntési fák megalkotása tanulással
19.1. A tanulás logikai megfogalmazása
19.4. Tanulás releváns információ alapján
19.5. Induktív logikai programozás
20. fejezet - Statisztikai tanulási módszerek
20.2. Teljes adattal történő tanulás
24.3. Előzetes képfeldolgozási műveletek
24.5. Objektumok felismerése
25.3. Érzékelés a robotikában
25.6. Mozgás
25.9. Összefoglalás
Neurális hálózatok
1.3. A neurális hálózatok alapvető számítási képességei, felhasználási területei
2.1. Ellenőrzött tanulás (tanítóval történő tanítás)
2.4. Tanulás és statisztikai becslések
2.5. Determinisztikus és sztochasztikus szélsőérték-kereső eljárások
4.3. Az MLP konstrukciójának általános kérdései
5.2. A CMAC hálózat
6.3. Szupport Vektor Gépek
6.4. SVM változatok
7.3. Ipari folyamatok modellezése
8. fejezet - Időfüggő (szekvenciális) hálók
8.6. Dinamikus hálók alkalmazása
10.5. Nemlineáris PCA és altér hálók
10.6. Független komponens analízis
12. fejezet - Hibrid-neurális rendszerek
13. fejezet - Gyakorlati feladatmegoldás: adatelőkészítés, lényegkiemelés
13.1. Zajos adatok
13.3. Kilógó adatok
13.4. Hiányzó adatok
Hivatkozók
Mesterséges Intelligencia
2.2. Jó viselkedés: a racionalitás koncepciója
14.3. Feltételes eloszlások hatékony reprezentációja
15.4. Kalman-szűrők
15.5. Dinamikus Bayes-hálók
15.6. Beszédfelismerés
15.7. Összefoglalás
16.4. Többváltozós hasznosságfüggvények
16.5. Döntési hálók
16.8. Összefoglalás
18.3. Döntési fák megalkotása tanulással
tovább