کتاب طراحی و پیاده‌سازی حل‌کننده‌های سفارشی با ECLiPSe با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی حل‌کننده‌های سفارشی با ECLiPSe

موضوع کلی: هوش مصنوعی و حل مسائل

موضوع میانی: برنامه‌نویسی منطقی و حل‌کننده‌های مسئله

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر برنامه‌نویسی منطقی
  • 2. مفاهیم پایه منطق گزاره‌ای
  • 3. مفاهیم پایه منطق محمول‌ها
  • 4. زبان ECLiPSe: ساختار و قواعد
  • 5. انواع داده‌ها در ECLiPSe
  • 6. متغیرها و تخصیص
  • 7. عبارات و عملگرها در ECLiPSe
  • 8. قواعد و حقایق در ECLiPSe
  • 9. استفاده از عملگرهای مقایسه‌ای
  • 10. استفاده از عملگرهای حسابی
  • 11. کنترل جریان: شرط‌ها و حلقه‌ها
  • 12. تعریف و استفاده از پردیکات‌ها
  • 13. بازگشت و جستجو در ECLiPSe
  • 14. لیست‌ها و عملیات روی آنها
  • 15. ساختارهای داده‌ای پیچیده در ECLiPSe
  • 16. مدیریت ورودی و خروجی در ECLiPSe
  • 17. دیباگینگ و اشکال‌زدایی در ECLiPSe
  • 18. مقدمه‌ای بر حل مسئله با برنامه‌نویسی منطقی
  • 19. تشریح مسئله و مدلسازی
  • 20. استراتژی‌های جستجو: عمق اول، عرض اول، بهترین اول
  • 21. بهینه‌سازی جستجو با هوریستیک‌ها
  • 22. حل مسائل ترکیبی با ECLiPSe
  • 23. حل مسائل برنامه‌ریزی با ECLiPSe
  • 24. حل مسائل مسیریابی با ECLiPSe
  • 25. حل مسائل زمان‌بندی با ECLiPSe
  • 26. حل مسائل محدودیت‌محور با ECLiPSe
  • 27. مقدمه‌ای بر Constraint Logic Programming (CLP)
  • 28. دامنه‌های متغیر و محدودیت‌ها
  • 29. استفاده از کتابخانه‌های CLP در ECLiPSe
  • 30. مدلسازی مسائل محدودیت‌محور با CLP
  • 31. حل مسائل مسیریابی با CLP
  • 32. حل مسائل زمان‌بندی با CLP
  • 33. حل مسائل تخصیص منابع با CLP
  • 34. بهینه‌سازی مسائل CLP
  • 35. مقدمه‌ای بر Constraint Satisfaction Problems (CSP)
  • 36. الگوریتم‌های حل CSP
  • 37. استفاده از الگوریتم‌های جستجوی محلی در CSP
  • 38. حل مسائل گراف‌رنگی با CSP
  • 39. حل مسائل سودوکو با CSP
  • 40. حل مسائل پازل با CSP
  • 41. حل مسائل برنامه‌ریزی تولید با CSP
  • 42. مقدمه‌ای بر حل مسائل با جستجوی محلی
  • 43. الگوریتم‌های جستجوی محلی: Hill Climbing، Simulated Annealing، Genetic Algorithms
  • 44. بهینه‌سازی با استفاده از الگوریتم‌های ژنتیک
  • 45. حل مسائل با استفاده از Simulated Annealing
  • 46. مقایسه روش‌های جستجوی محلی
  • 47. پیاده‌سازی الگوریتم‌های جستجوی محلی در ECLiPSe
  • 48. مقدمه‌ای بر یادگیری ماشین و برنامه‌نویسی منطقی
  • 49. استفاده از ECLiPSe برای یادگیری قواعد استنتاجی
  • 50. استخراج دانش از داده‌ها با ECLiPSe
  • 51. حل مسائل دسته‌بندی با ECLiPSe
  • 52. حل مسائل رگرسیون با ECLiPSe
  • 53. مقدمه‌ای بر سیستم‌های خبره و ECLiPSe
  • 54. پیاده‌سازی سیستم‌های خبره با استفاده از ECLiPSe
  • 55. نمایش دانش و استنتاج در سیستم‌های خبره
  • 56. کاربرد ECLiPse در تشخیص خطا
  • 57. کاربرد ECLiPse در پزشکی
  • 58. کاربرد ECLiPse در مهندسی
  • 59. طراحی و پیاده‌سازی یک حل‌کننده سفارشی برای مسئله N-Queens
  • 60. طراحی و پیاده‌سازی یک حل‌کننده سفارشی برای مسئله Sudoku
  • 61. طراحی و پیاده‌سازی یک حل‌کننده سفارشی برای مسئله Graph Coloring
  • 62. طراحی و پیاده‌سازی یک حل‌کننده سفارشی برای مسئله Traveling Salesman
  • 63. طراحی و پیاده‌سازی یک حل‌کننده سفارشی برای مسئله Knapsack
  • 64. طراحی و پیاده‌سازی یک حل‌کننده سفارشی برای مسئله Resource Allocation
  • 65. بهینه‌سازی عملکرد حل‌کننده‌های ECLiPSe
  • 66. تکنیک‌های افزایش سرعت اجرای برنامه‌های ECLiPse
  • 67. استفاده از حافظه نهان در ECLiPSe
  • 68. تکنیک‌های موازی‌سازی در ECLiPse
  • 69. مقدمه‌ای بر متاهیوریستیک‌ها
  • 70. الگوریتم‌های تبرید شبیه‌سازی شده (Simulated Annealing)
  • 71. الگوریتم‌های بهینه‌سازی کلونی مورچگان (Ant Colony Optimization)
  • 72. الگوریتم‌های بهینه‌سازی ازدحام ذرات (Particle Swarm Optimization)
  • 73. کاربرد متاهیوریستیک‌ها در حل مسائل پیچیده
  • 74. مقایسه عملکرد متاهیوریستیک‌ها
  • 75. مقدمه‌ای بر برنامه‌نویسی محدودیت‌محور ترکیبی
  • 76. ترکیب CLP با الگوریتم‌های جستجوی محلی
  • 77. ترکیب CLP با متاهیوریستیک‌ها
  • 78. حل مسائل پیچیده با استفاده از روش‌های ترکیبی
  • 79. مدلسازی و حل مسائل برنامه‌ریزی با محدودیت‌های زمانی
  • 80. مدلسازی و حل مسائل مسیریابی با محدودیت‌های ظرفیت
  • 81. مدلسازی و حل مسائل تخصیص منابع با محدودیت‌های چندگانه
  • 82. مقدمه‌ای بر رابط‌های کاربری گرافیکی (GUI) برای ECLiPSe
  • 83. طراحی و پیاده‌سازی یک رابط کاربری ساده برای حل‌کننده‌های ECLiPse
  • 84. استفاده از کتابخانه‌های GUI در ECLiPSe
  • 85. ارائه نتایج حل مسئله به صورت گرافیکی
  • 86. تست و ارزیابی حل‌کننده‌های سفارشی
  • 87. معیارهای ارزیابی عملکرد حل‌کننده‌ها
  • 88. مقایسه حل‌کننده‌های مختلف ECLiPSe
  • 89. بهبود و پالایش حل‌کننده‌های سفارشی
  • 90. نگهداری و مستندسازی حل‌کننده‌های ECLiPse
  • 91. آینده برنامه‌نویسی منطقی و حل مسئله
تگ‌ها: ECLiPSe ECLiPSe Solver الگوریتم حل مسئله برنامه‌نویسی ECLiPSe برنامه‌نویسی منطقی حل مسائل حل‌کننده‌های مسئله طراحی الگوریتم هوش مصنوعی هوش مصنوعی ایران

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.