机读格式显示(MARC)

• 000 02233nam0 2200349 450

• 001 0000561268

• 005 20210609195900.0

• 010 __ |a 978-7-111-66434-5 |b 精装 |d CNY139.00

• 100 __ |a 20210202d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 定性表征 |A ding xing biao zheng |e 人们如何推理和学习边续变化的世界 |f (美) 肯尼斯·D. 福布斯著 |g 段沛沛 ... [等] 译

• 210 __ |a 北京 |c 机械工业出版社 |d 2021.1

• 215 __ |a x, 294页 |c 图 |d 25cm

• 304 __ |a 题名页题其余译者：冯建利, 王静怡, 赵川源等

• 306 __ |a 由The MIT press授权

• 312 __ |a 英文原文题名取自于版权页

• 320 __ |a 有书目 (第264-294页)

• 330 __ |a 在本书中，KennethD.Forbus提出，定性表征是认知科学最深奥的关键内容之一：如何对围绕着我们的连续变化现象进行推理和学习。Forbus认为，定性表征--将连续现象划分为有意义的单元的符号化表征--是人类认知的核心。定性表征为常识推理提供了基础，因为它们可以用非常少的数据实现实际推理，这使得定性表征成为自然语言语义的有用组成部分。定性表征还为科学和工程方面的专家推理提供了基础，明确了可能发生的各类事件，并使因果模型能够根据需要指导更多量化知识的应用。定性表征对于创建更具人性的人工智能系统非常重要，这些系统具有空间推理、视觉、问答和理解自然语言的能力。Forbus讨论了知识表示和推理的基本思想以及其他主题，诸如，定性过程理论、变化的定性模拟和推理、组分建模、定性空间推理、学习和概念变化等。他在定性推理方法（其中类比推理和学习起着至关重要的作用）及整合各种证据（包括人工智能系统的性能）方面研究颇丰。认知科学家会意识到Forbus对定性表征的描述所具备的启发性;AI科学家将会重视Forbus的定性表征新方法及其提供的概述。

• 333 __ |a 人工智能研究人员。

• 500 10 |a Qualitative representations : how people reason and learn about the continuous world |A Qualitative Representations : How People Reason And Learn About The Continuous World |m Chinese

• 517 1_ |a 人们如何推理和学习边续变化的世界 |A ren men ru he tui li he xue xi bian xu bian hua de shi jie

• 606 0_ |a 人工智能 |A ren gong zhi neng

• 690 __ |a TP18 |v 5

• 701 _1 |a 福布斯 |A fu bu si |g (Forbus, Kenneth D.) |4 著

• 702 _0 |a 段沛沛 |A duan pei pei |4 译

• 702 _0 |a 冯建利 |A feng jian li |4 译

• 702 _0 |a 王静怡 |A wang jing yi |4 译

• 801 _0 |a CN |b 江苏新华 |c 20210113

• 905 __ |a WXCSXY |d TP18/449