کتاب یادگیری فراتفسیری در عمل: از مثالها تا یادگیری برنامههای منطقی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره یادگیری فراتفسیری در عمل: از مثالها تا یادگیری برنامههای منطقی
موضوع کلی: هوش مصنوعی نمادین و یادگیری استقرایی
موضوع میانی: یادگیری فراتفسیری و برنامه‌نویسی منطقی استقرایی
📋 سرفصل‌های دوره
- 1. مبانی هوش مصنوعی نمادین و یادگیری استقرایی
- 2. مفهوم برنامه‌نویسی منطقی و برنامههای منطقی
- 3. مبانی برنامه‌نویسی در Prolog
- 4. واقعیت‌ها، قواعد و پرس‌وجوهای منطقی
- 5. متغیرها و یکپارچه‌سازی در برنامههای منطقی
- 6. بازگشت و تعریف روابط بازگشتی
- 7. یادگیری از مثال‌های مثبت و منفی
- 8. یادگیری استقرایی برنامههای منطقی
- 9. تفاوت یادگیری استقرایی با یادگیری نظارت‌شده متداول
- 10. مسئله یادگیری مفهوم در منطق
- 11. پس‌زمینه دانشی در یادگیری منطقی
- 12. فرضیه در یادگیری برنامههای منطقی
- 13. تعریف فضای فرضیه
- 14. جستجو در فضای برنامه‌ها
- 15. محدودیت‌های نحوی در فضای فرضیه
- 16. محدودیت‌های معنایی در یادگیری
- 17. تعمیم و تخصصی‌سازی فرضیه‌ها
- 18. نقش قیود در جستجوی فرضیه
- 19. معرفی Meta-Interpretive Learning
- 20. ایده اصلی یادگیری فراتفسیری
- 21. ارتباط Meta-Interpretation با تفسیر برنامه
- 22. تفاوت MIL با Inductive Logic Programming سنتی
- 23. ساختار یک فرا‌مفسر
- 24. فرا‌مفسر به عنوان موتور استنتاج و یادگیری
- 25. متاپردیکیت‌ها در برنامه‌نویسی منطقی
- 26. تعریف متاپردیکیت‌های قابل یادگیری
- 27. الگوهای متا برای تعریف فضای جستجو
- 28. نمایش دانش با متاپردیکیت‌ها
- 29. یادگیری قواعد بر اساس الگوهای متا
- 30. تولید برنامه از روی مثالها
- 31. استنتاج قیاسی در فرایند یادگیری
- 32. استنتاج معکوس در MIL
- 33. ترکیب استنتاج و جستجو
- 34. یادگیری قواعد ساده از مثالها
- 35. یادگیری قواعد چندمرحله‌ای
- 36. یادگیری قواعد با چند متاپردیکیت
- 37. یادگیری روابط دودویی
- 38. یادگیری روابط چندآرگومانی
- 39. یادگیری قواعد بازگشتی
- 40. یادگیری بازگشت مستقیم
- 41. یادگیری بازگشت غیرمستقیم
- 42. یادگیری برنامههای بازگشتی از مثالها
- 43. یادگیری برنامههای چندقاعده‌ای
- 44. یادگیری برنامههای ترکیبی
- 45. یادگیری ساختارهای سلسله‌مراتبی
- 46. یادگیری تعاریف جدید از روابط
- 47. یادگیری Predicateهای جدید با تعمیم
- 48. استفاده از Predicateهای اختراع‌شده
- 49. مفهوم Predicate Invention در MIL
- 50. اختراع Predicateهای میانی
- 51. یادگیری ساختارهای چندلایه منطقی
- 52. ترکیب Predicateهای پایه و اختراعی
- 53. یادگیری با دانش پس‌زمینه
- 54. طراحی دانش پس‌زمینه برای MIL
- 55. نقش دانش پس‌زمینه در کاهش فضای جستجو
- 56. استفاده از روابط موجود در برنامههای جدید
- 57. ترکیب چند منبع دانش پس‌زمینه
- 58. یادگیری با مثال‌های مثبت و منفی همزمان
- 59. بررسی پوشش مثال‌های آموزشی
- 60. تشخیص فرضیه‌های بیش‌ازحد کلی
- 61. تشخیص فرضیه‌های بیش‌ازحد خاص
- 62. کنترل تعمیم در برنامههای یادگرفته‌شده
- 63. کنترل تخصصی‌سازی در MIL
- 64. یادگیری برنامههای منطقی با چند نمونه
- 65. یادگیری از داده‌های کم‌نمونه
- 66. Generalization در یادگیری فراتفسیری
- 67. انتخاب و ارزیابی فرضیه‌های رقیب
- 68. معیارهای انتخاب برنامه
- 69. سادگی و پیچیدگی برنامههای یادگرفته‌شده
- 70. کنترل جستجوی برنامههای منطقی
- 71. کاهش فضای جستجو با Bias
- 72. استفاده از محدودیت‌های ساختاری
- 73. استفاده از محدودیت‌های نوعی
- 74. انواع Bias در یادگیری فراتفسیری
- 75. نقش Type در MIL
- 76. بازنمایی انواع در برنامههای منطقی
- 77. یادگیری روابط نوع‌دار
- 78. ترکیب Type و Meta-Rule
- 79. یادگیری برنامههای مرتبه بالاتر
- 80. مفاهیم Higher-Order Logic در MIL
- 81. استفاده از Higher-Order Predicates
- 82. یادگیری با Predicate به عنوان آرگومان
- 83. بازنمایی مفاهیم قابل ترکیب
- 84. یادگیری برنامههای قابل بازاستفاده
- 85. ترکیب‌پذیری در برنامههای یادگرفته‌شده
- 86. یادگیری الگوریتم‌های عمومی با MIL
- 87. یادگیری الگوهای برنامه‌نویسی بازگشتی
- 88. یادگیری ساختارهای فیلتر و نگاشت
- 89. یادگیری ساختارهای پیمایش و جستجو
- 90. یادگیری برنامههای منطقی از روابط ساختاری
- 91. یادگیری مفاهیم با ساختارهای تودرتو
- 92. یادگیری مفاهیم عددی در چارچوب منطقی
- 93. ترکیب دانش نمادین و نمونه‌های آموزشی
- 94. یادگیری مبتنی بر برنامههای منطقی موجود
- 95. انتقال دانش در یادگیری فراتفسیری
- 96. بازاستفاده از Predicateهای یادگرفته‌شده
- 97. یادگیری تجمعی برنامههای منطقی
- 98. افزودن دانش جدید به برنامه یادگرفته‌شده
- 99. یادگیری چندمرحله‌ای و سلسله‌مراتبی
- 100. یادگیری مفاهیم پیچیده از مفاهیم ساده
تگ‌ها:
ILP
Inductive Logic Programming
Machine Learning
Meta-Interpretive Learning
Meta-Rules
MIL
Predicate Invention
Prolog
Symbolic AI
برنامه‌نویسی منطقی
برنامه‌نویسی منطقی استقرایی
هوش مصنوعی نمادین
یادگیری استقرایی
یادگیری برنامه
یادگیری فراتفسیری
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.