موجود است
کتاب برنامه نویسی هوش مصنوعی در JAVA
نویسنده:كاظم محمدی
ناشر:ناقوس
سال انتشار:۱۳۹۴
نوبت چاپ:اول
تعداد صفحات:۱۹۰
شابک:۹۷۸-۹۶۴-۳۷۷-۷۵۴-۸
زبان:فارسی
۱۶,۰۰۰ تـــــومان
توضیحات
آنچه که در کتاب برنامه نویسی هوش مصنوعی در JAVA نوشته کاظم محمدی به آن پرداخته شده، برنامه نویسی بصورت کاربردی برای هوش مصنوعی در زبان جاوا می باشد. این کتاب آموزشی شامل یک سری از مثال هایی می باشد که بصورت کد شده آورده ایم و کد تست شده و نوشته شده در جاوا نیز در داخل CD همراه کتاب می باشد. این کتاب مخصوص دانشجویان مقطع کارشناسی ارشد و دکتری مهندسی کامپیوتر گرایش هوش مصنوعی و همچنین دانشجویان کارشناسی ارشد و دکتری رشته مهندسی مکاترونیک گرایش طراحی ربات ها و سیستم های مکاترونیکی می باشد. قابل ذکر است، کسانی که تمایل دارند در زمینه هوش توزیع شده فعالیت کنند نیز می توانند از این کتاب استفاده کنند.
فهرست مطالب کتاب برنامه نویسی هوش مصنوعی در JAVA
فصل اول: هیستوریک
- مقدمه
- نمایش فضای وضعیت جستجو و عملیات های جستجو
- یافتن مسیرها در مارپیچ ها
- یافتن مسیرها در گراف ها
- افزودن هیستوریک ها به جستجوی اولین وسعت
- جستجو و انجام بازی
- جستجو آلفا-بتا
- چارچوب جاوا برای جستجو و انجام بازی
- Tic-tac-toe که از الگوریتم جستجوی آلفا-بتا استفاده می کند
- شطرنج که از الگوریتم جستجوی آلفا-بتا استفاده می کند
فصل دوم: منطق و استدلال
- مقدمه
- منطق
- تاریخچه منطق
- مثال هایی از انواع متفاوت منطق
- مروری بر PowerLoom
- اجرای PowerLoom به گونه تعاملی
- استفاده از API های PowerLoom در برنامه های جاوا
- پیشنهاد هایی برای مطالعه بیشتر
فصل سوم: وب معنایی (Semantic Web)
- مقدمه
- مدل پایگاه داده ای منطقی
- RDF: فرمت داده های جامعه آماری
- گسترش RDF با طرح RDF
- زبان جستجو SPARQL
- استفاده نمودن از Sesame
- OWL: زبان آنتولوژی وب
- ارائه دانش و REST
فصل چهارم: سیستم های خبره
- مقدمه
- سیستم های تولید
- زبان قوانین Drools
- استفاده نمودن از Drools در جاوا
- سیستم خبره Drools مثال: دنیای بلوک ها
- مدل های شی POJO برای مثال دنیای بلوک ها
- قوانین Drools برای مثال دنیای بلوک ها
- کد جاوا برای مثال دنیای واقعی
- سیستم خبره Drools مثال: سیستم روزمره کمکی
- مدل های شی برای مثال کمک روزانه
- قوانین Drools برای مثال کمک روزمره
- کد جاوا برای یک مثال از کمک روزمره
- نکاتی برای پیش نویس ساختن سیستم های خبره
فصل پنجم: الگوریتم ژنتیک
- مقدمه
- نظریه
- کتابخانه جاوا برای الگوریتم های ژنتیک
- یافتن حداکثر مقدار تابع
فصل ششم: شبکه های عصبی
- شبکه های عصبی Hopfield
- کلاس های جاوا برای شبکه های عصبی Hopfield
- تست کلاس شبکه های عصبی Hopfield
- شبکه های عصبی عقب گرد
- کتابخانه کلاس در جاوا برای انتشار عقب گرد
- افزودن اندازه حرکت آنی برای سرعت بخشیدن به تمرین back-prop
فصل هفتم: یادگیری ماشین با Weka
- استفاده از نرم افزار کاربردی GUI
- استفاده از نرم افزار Weka در خط دستور تعاملی
- تعبیه نمودن Weka در نرم افزار کاربردی جاوا
فصل هشتم: پردازش زبان آماری NLP
- مقدمه
- نشانه گذاری، ریشه یابی و قسمتی از متن برچسب گذاری گفته ها
- استخراج موجودیت نامگذاری شده از متن
- استفاده از پایگاه داده های زبانی WordNet
- استفاده از مثال کتابخانه JAWS WordNet
- خوشه بندی متن
- هجی کردن صحیح
- کتابخانه GUI ASpell و Jazzy
- الگوریتم هجی کردن Peter Norvig
- توسعه داده الگوریتم Norvig با استفاده از زوج آماره های کلمه
- مدل های مارکوف پنهان (Hidden Markov Model – HMM)
- مدل های مارکوف پنهانی تمرینی
- استفاده نمودن از مدل مارکوف تمرین شده برای متن برچسب
مطالبی که در کتاب برنامه نویسی هوش مصنوعی در JAVA به آن می پردازیم
فصل اول – هیستوریک
در این فصل مطالعاتی در مورد هیستوریک در دو دامنه شبکه های ۲ بعدی (مثال های مارپیچ) و گراف ها انجام شده است.
فصل دوم – منطق و استدلال
در این فصل نمایش دانش و منطق و استدلال با استفاده از سیستم Power-Loom شرح داده شده است.
فصل سوم – وب معنایی (Semantic Web)
این فصل به SemanticWeb پرداخته است که شما در این فصل نحوه استفاده از داده های RDF و RDFS را برای نمایش دانش و نحوه استفاده از سیستم معروف Semantic Web منبع باز Sesame یاد خواهید گرفت.
فصل چهارم – سیستم های خبره
فصل چهارم شما را با سیستم های قانون مدار یا تولید (سیستم های خبره) آشنا می سازد. ما در این فصل از سیستم Drools استفاده خواهیم کرد تا سیستم های ساده تخصصی را برای حل مسائل دنیای بلوک ها و برای شبیه سازی سیستم کمکی بهره بگیریم.
فصل پنجم – الگوریتم ژنتیک
این فصل را به الگوریتم ها ژنتیک اختصاص داده ایم، و از کتابخانه موجود در جاوا کمک گرفتیم تا مسئله آزمایشی را حل کند. این فصل با پیشنهاد هایی برای پروژه هایی، پایان می یابد که برای یادگیری شما در مورد الگوریتم ژنتیک در جاوا و کتابخانه های جاوا مؤثر می باشد.
فصل ششم – شبکه های عصبی
این فصل شبکه عصبی Hopfield و شبکه عصبی پس انتشار خطا (Back Propagation) را معرفی می کند. علاوه بر کتابخانه های جاوا که شما می توانید در پروژه های شخصی خود از آنها استفاده کنید، ما از دو نرم افزار کاربردی جاوای swing محور استفاده خواهیم کرد تا متوجه بشویم که شبکه های عصبی چگونه آموزش داده می شوند.
فصل هفتم -یادگیری ماشین با Weka
این فصل شما را با پروژه GPLedWeka آشنا می سازد. Weka بهترین toolkit برای حل محدوده وسیعی از مسایل یادگیری ماشین می باشد که دراین فصل به آن می پردازیم.
فصل هستم – پردازش زبان آماری NLP
در این فصل چندین تکنیک پردازش زبان طبیعی آماری (NLP) را توضیح دادیم که شامل پردازش متن (علامت گذاری، شاخه داشتن، و تعیین نمودن قسمتی از درس دادن)، استخراج موجودیت نامگذاری شده از متن، استفاده از پایگاه دادهای واژگانی WordNet، واگذاری خودکار منگوله ها به متن، دسته بندی متن، ۳ رویکرد متفاوت برای درست نوشتن و خودآموز کوتاه روی مدل های مارکوف می باشند.
نوشته کتاب برنامه نویسی هوش مصنوعی در JAVA اولین بار در سورس سرا - آموزش برنامه نویسی. پدیدار شد.
