Apprendimento automatico: Algoritmi innovativi e sistemi intelligenti per la robotica

Esplora il mondo dell'apprendimento automatico e le sue intersezioni con la scienza della robotica in questa guida completa. Questo libro introduce i lettori ai concetti fondamentali dell'apprendimento automatico, dimostrandone il ruolo fondamentale nella robotica moderna. Ideale per professionisti, studenti e appassionati, offre una panoramica completa sui progressi del campo, sulle applicazioni pratiche e sui potenziali futuri, rendendolo una risorsa preziosa per chiunque investa nella robotica e nell'apprendimento automatico.


Breve panoramica dei capitoli:


1: Apprendimento automatico Una panoramica dei principi dell'apprendimento automatico nella robotica.


2: Intelligenza artificiale Esamina il ruolo fondamentale dell'IA nel migliorare le capacità robotiche.


3: Apprendimento supervisionato Approfondisce i modelli in cui i risultati guidano le decisioni robotiche.


4: Rete neurale (apprendimento automatico) Introduce le architetture delle reti neurali per i robot.


5: Riconoscimento di pattern Copre il ruolo dei pattern nella percezione e nel processo decisionale dei robot.


6: Apprendimento non supervisionato Esplora approfondimenti basati sui dati per funzioni robotiche autonome.


7: Training, Validation, and Test Data Sets Esamina la preparazione dei dati per applicazioni di robotica.


8: MetaLearning (informatica) Discute l'apprendimento dei robot per ottimizzare il proprio apprendimento.


9: Hierarchical Temporal Memory Esplora modelli di memoria avanzati per la robotica.


10: Data Analysis for Fraud Detection Illustra l'apprendimento automatico nella sicurezza robotica.


11: Tipi di reti neurali artificiali Panoramica delle reti neurali applicate alla robotica.


12: Deep Learning Esamina reti complesse e multistrato per la robotica avanzata.


13: Learning Rule Esamina i principi di apprendimento applicati all'intelligenza robotica.


14: Feature Learning Descrive l'estrazione di modelli significativi nei contesti di robotica.


15: Deep Belief Network Discute le strutture di credenze profonde per l'apprendimento robotico.


16: Domain Adaptation Copre i robot che si adattano a nuovi ambienti e attività.


17: Incremental Learning Mostra la capacità dei robot di basarsi sull'apprendimento precedente.


18: Intelligenza artificiale spiegabile Si concentra sulla trasparenza nelle decisioni dei robot.


19: Apprendimento autosupervisionato Esamina i metodi di apprendimento autosufficienti nella robotica.


20: Intelligenza artificiale simbolica Esplora l'intelligenza artificiale basata sulla logica per la robotica.


21: Neats and Scruffies Analizza gli approcci strutturati e flessibili nella robotica.


Questo libro non è solo una guida tecnica, ma un viaggio illuminante attraverso la scienza della robotica. Mentre l'apprendimento automatico continua a trasformare il settore, questo lavoro fornisce sia strumenti pratici che approfondimenti teorici, rendendo l'investimento in questa conoscenza una scelta intelligente per i futuri innovatori.

1146774577
Apprendimento automatico: Algoritmi innovativi e sistemi intelligenti per la robotica

Esplora il mondo dell'apprendimento automatico e le sue intersezioni con la scienza della robotica in questa guida completa. Questo libro introduce i lettori ai concetti fondamentali dell'apprendimento automatico, dimostrandone il ruolo fondamentale nella robotica moderna. Ideale per professionisti, studenti e appassionati, offre una panoramica completa sui progressi del campo, sulle applicazioni pratiche e sui potenziali futuri, rendendolo una risorsa preziosa per chiunque investa nella robotica e nell'apprendimento automatico.


Breve panoramica dei capitoli:


1: Apprendimento automatico Una panoramica dei principi dell'apprendimento automatico nella robotica.


2: Intelligenza artificiale Esamina il ruolo fondamentale dell'IA nel migliorare le capacità robotiche.


3: Apprendimento supervisionato Approfondisce i modelli in cui i risultati guidano le decisioni robotiche.


4: Rete neurale (apprendimento automatico) Introduce le architetture delle reti neurali per i robot.


5: Riconoscimento di pattern Copre il ruolo dei pattern nella percezione e nel processo decisionale dei robot.


6: Apprendimento non supervisionato Esplora approfondimenti basati sui dati per funzioni robotiche autonome.


7: Training, Validation, and Test Data Sets Esamina la preparazione dei dati per applicazioni di robotica.


8: MetaLearning (informatica) Discute l'apprendimento dei robot per ottimizzare il proprio apprendimento.


9: Hierarchical Temporal Memory Esplora modelli di memoria avanzati per la robotica.


10: Data Analysis for Fraud Detection Illustra l'apprendimento automatico nella sicurezza robotica.


11: Tipi di reti neurali artificiali Panoramica delle reti neurali applicate alla robotica.


12: Deep Learning Esamina reti complesse e multistrato per la robotica avanzata.


13: Learning Rule Esamina i principi di apprendimento applicati all'intelligenza robotica.


14: Feature Learning Descrive l'estrazione di modelli significativi nei contesti di robotica.


15: Deep Belief Network Discute le strutture di credenze profonde per l'apprendimento robotico.


16: Domain Adaptation Copre i robot che si adattano a nuovi ambienti e attività.


17: Incremental Learning Mostra la capacità dei robot di basarsi sull'apprendimento precedente.


18: Intelligenza artificiale spiegabile Si concentra sulla trasparenza nelle decisioni dei robot.


19: Apprendimento autosupervisionato Esamina i metodi di apprendimento autosufficienti nella robotica.


20: Intelligenza artificiale simbolica Esplora l'intelligenza artificiale basata sulla logica per la robotica.


21: Neats and Scruffies Analizza gli approcci strutturati e flessibili nella robotica.


Questo libro non è solo una guida tecnica, ma un viaggio illuminante attraverso la scienza della robotica. Mentre l'apprendimento automatico continua a trasformare il settore, questo lavoro fornisce sia strumenti pratici che approfondimenti teorici, rendendo l'investimento in questa conoscenza una scelta intelligente per i futuri innovatori.

6.49 In Stock
Apprendimento automatico: Algoritmi innovativi e sistemi intelligenti per la robotica

Apprendimento automatico: Algoritmi innovativi e sistemi intelligenti per la robotica

Apprendimento automatico: Algoritmi innovativi e sistemi intelligenti per la robotica

Apprendimento automatico: Algoritmi innovativi e sistemi intelligenti per la robotica

eBook

$6.49 

Available on Compatible NOOK devices, the free NOOK App and in My Digital Library.
WANT A NOOK?  Explore Now

Related collections and offers

LEND ME® See Details

Overview

Esplora il mondo dell'apprendimento automatico e le sue intersezioni con la scienza della robotica in questa guida completa. Questo libro introduce i lettori ai concetti fondamentali dell'apprendimento automatico, dimostrandone il ruolo fondamentale nella robotica moderna. Ideale per professionisti, studenti e appassionati, offre una panoramica completa sui progressi del campo, sulle applicazioni pratiche e sui potenziali futuri, rendendolo una risorsa preziosa per chiunque investa nella robotica e nell'apprendimento automatico.


Breve panoramica dei capitoli:


1: Apprendimento automatico Una panoramica dei principi dell'apprendimento automatico nella robotica.


2: Intelligenza artificiale Esamina il ruolo fondamentale dell'IA nel migliorare le capacità robotiche.


3: Apprendimento supervisionato Approfondisce i modelli in cui i risultati guidano le decisioni robotiche.


4: Rete neurale (apprendimento automatico) Introduce le architetture delle reti neurali per i robot.


5: Riconoscimento di pattern Copre il ruolo dei pattern nella percezione e nel processo decisionale dei robot.


6: Apprendimento non supervisionato Esplora approfondimenti basati sui dati per funzioni robotiche autonome.


7: Training, Validation, and Test Data Sets Esamina la preparazione dei dati per applicazioni di robotica.


8: MetaLearning (informatica) Discute l'apprendimento dei robot per ottimizzare il proprio apprendimento.


9: Hierarchical Temporal Memory Esplora modelli di memoria avanzati per la robotica.


10: Data Analysis for Fraud Detection Illustra l'apprendimento automatico nella sicurezza robotica.


11: Tipi di reti neurali artificiali Panoramica delle reti neurali applicate alla robotica.


12: Deep Learning Esamina reti complesse e multistrato per la robotica avanzata.


13: Learning Rule Esamina i principi di apprendimento applicati all'intelligenza robotica.


14: Feature Learning Descrive l'estrazione di modelli significativi nei contesti di robotica.


15: Deep Belief Network Discute le strutture di credenze profonde per l'apprendimento robotico.


16: Domain Adaptation Copre i robot che si adattano a nuovi ambienti e attività.


17: Incremental Learning Mostra la capacità dei robot di basarsi sull'apprendimento precedente.


18: Intelligenza artificiale spiegabile Si concentra sulla trasparenza nelle decisioni dei robot.


19: Apprendimento autosupervisionato Esamina i metodi di apprendimento autosufficienti nella robotica.


20: Intelligenza artificiale simbolica Esplora l'intelligenza artificiale basata sulla logica per la robotica.


21: Neats and Scruffies Analizza gli approcci strutturati e flessibili nella robotica.


Questo libro non è solo una guida tecnica, ma un viaggio illuminante attraverso la scienza della robotica. Mentre l'apprendimento automatico continua a trasformare il settore, questo lavoro fornisce sia strumenti pratici che approfondimenti teorici, rendendo l'investimento in questa conoscenza una scelta intelligente per i futuri innovatori.


Product Details

BN ID: 2940180978080
Publisher: Un Miliardo Di Ben Informato [Italian]
Publication date: 01/01/2025
Series: Scienza Della Robotica [Italian] , #79
Sold by: PUBLISHDRIVE KFT
Format: eBook
Pages: 317
File size: 1 MB
Language: Italian
From the B&N Reads Blog

Customer Reviews