Ugrás a fő tartalmi területre
Mesterséges Intelligencia Almanach
Könyvek
Fogalomtár
Kutatók
Szerzők
Címlap
Hivatkozók
Mesterséges Intelligencia
26.1. Gyenge MI: Tudnak-e a gépek intelligensen cselekedni?
26.2. Erős MI: Tudnak-e ténylegesen gondolkodni a gépek?
26.3. A mesterséges intelligencia fejlesztésének etikai kérdései és kockázatai
26.4. Összefoglalás
1. A1. Bonyolultságanalízis és az O() jelölés
1. B1. Nyelvek definiálása Backus–Naur-Formában (BNF)
Előszó
Neurális hálózatok
Előszó
2. fejezet - Tanulás adatokból
2.1. Ellenőrzött tanulás (tanítóval történő tanítás)
2.3. A statisztikus tanuláselmélet alapjai
2.4. Tanulás és statisztikai becslések
2.5. Determinisztikus és sztochasztikus szélsőérték-kereső eljárások
3. fejezet - Az elemi neuron
4.2. Az MLP tanítása, a hibavisszaterjesztéses algoritmus
4.3. Az MLP konstrukciójának általános kérdései
5.1. Az RBF (Radiális Bázisfüggvényes) hálózat
5.2. A CMAC hálózat
6.1. Egy egyszerű kernel gép
6.6. A kernel gépek összefoglaló értékelése
7.2. Szövegosztályozás
8.4. Visszacsatolt (rekurzív) hálózatok
9.2. Szakértőegyüttesek
9.3. Moduláris háló kialakítása a tanító mintakészlet módosításával
10.3. Kohonen háló, kompetitív hálózatok
10.4. Adattömörítés Hebb tanuláson alapuló hálózatokkal, PCA, KLT
10.6. Független komponens analízis
11.1. A Hopfield hálózat
12.2. Az a priori tudás beépítése a tanuló eljárásba
12.3. KBANN, a tudás alapú neurális hálózat
13.2. Az adatok előfeldolgozása
2. Gauss elimináció [Gol96b]
« első
‹ előző
1
2
Hivatkozók
Mesterséges Intelligencia
2.2. Jó viselkedés: a racionalitás koncepciója
2.4. Az intelligens ágensek struktúrája
1.1. Mi az MI?
1.2. A mesterséges intelligencia alapjai
1.3. A mesterséges intelligencia története
1.4. A mesterséges intelligencia jelenlegi helyzete
1.5. Összefoglalás
4.3. Lokális kereső algoritmusok és optimalizációs problémák
4.6. Összefoglalás
6.1. Kétszemélyes játékok
tovább