دانلود کتاب Probabilistic Inductive Logic Programming: Theory and Applications (به فارسی: برنامه ریزی منطق استقرایی احتمالی: نظریه و کاربردها) نوشته شده توسط «Luc De Raedt – Kristian Kersting (auth.) – Luc De Raedt – Paolo Frasconi – Kristian Kersting – Stephen Muggleton (eds.)»
اطلاعات کتاب برنامه ریزی منطق استقرایی احتمالی: نظریه و کاربردها
موضوع اصلی: برنامه نويسي
نوع: کتاب الکترونیکی
ناشر: Springer-Verlag Berlin Heidelberg
نویسنده: Luc De Raedt – Kristian Kersting (auth.) – Luc De Raedt – Paolo Frasconi – Kristian Kersting – Stephen Muggleton (eds.)
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2008
تعداد صفحه: 341
حجم کتاب: 5 مگابایت
کد کتاب: 3540786511 , 9783540786511
نوبت چاپ: 1
توضیحات کتاب برنامه ریزی منطق استقرایی احتمالی: نظریه و کاربردها
این سوال که چگونه احتمال و منطق را با یادگیری ترکیب کنیم، در چندین رشته مانند بازنمایی دانش، استدلال در مورد عدم قطعیت، داده کاوی و یادگیری ماشینی به طور شبیه سازی مورد توجه قرار گرفته است. این منجر به زیرشاخه‌ای جدید در حال ظهور می‌شود که با نام‌های یادگیری رابطه‌ای آماری و برنامه‌ریزی منطق استقرایی احتمالی شناخته می‌شود.
این کتاب مقدمه‌ای بر این زمینه با تأکید بر روش‌های مبتنی بر اصول برنامه‌نویسی منطقی ارائه می‌کند. با فرمالیسم ها و سیستم ها، اجراها و کاربردها و همچنین با نظریه برنامه ریزی منطق استقرایی احتمالی سروکار دارد.
13 فصل این بررسی پیشرفته با مقدمه ای بر احتمالات آغاز می شود. برنامه نویسی منطق استقرایی؛ علاوه بر این، این کتاب یک مرور کلی از مهم‌ترین فرمالیسم‌ها و سیستم‌های یادگیری منطق احتمالی مانند تکنیک‌های یادگیری توالی رابطه‌ای، با استفاده از هسته‌هایی با نمایش‌های منطقی، منطق مارکوف، سیستم PRISM، CLP(BN)، برنامه‌های منطق بیزی و انتخاب مستقل ارائه می‌کند. منطق. بخش سوم شرح مفصلی از برخی کاربردهای نمایشی برنامه نویسی منطق استقرایی احتمالی ارائه می دهد. بخش پایانی به برخی از تحقیقات نظری می‌پردازد و شامل فصل‌هایی درباره مقایسه رفتاری نمایش‌های برنامه‌ریزی منطق احتمالی و تحلیل بیانی مدل-نظری است.
The question, how to combine probability and logic with learning, is getting an increased attention in several disciplines such as knowledge representation, reasoning about uncertainty, data mining, and machine learning simulateously. This results in the newly emerging subfield known under the names of statistical relational learning and probabilistic inductive logic programming.
This book provides an introduction to the field with an emphasis on the methods based on logic programming principles. It is concerned with formalisms and systems, implementations and applications, as well as with the theory of probabilistic inductive logic programming.
The 13 chapters of this state-of-the-art survey start with an introduction to probabilistic inductive logic programming; moreover the book presents a detailed overview of the most important probabilistic logic learning formalisms and systems such as relational sequence learning techniques, using kernels with logical representations, Markov logic, the PRISM system, CLP(BN), Bayesian logic programs, and the independent choice logic. The third part provides a detailed account of some show-case applications of probabilistic inductive logic programming. The final part touches upon some theoretical investigations and includes chapters on behavioural comparison of probabilistic logic programming representations and a model-theoretic expressivity analysis.
دانلود کتاب «برنامه ریزی منطق استقرایی احتمالی: نظریه و کاربردها»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.