Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.
Causality, Correlation and Artificial Intelligence for Rational Decision Making
Przyczynowość była przedmiotem badań przez długi czas. Często przyczynowość jest mylona z korelacją.
Ludzka intuicja ewoluowała tak, że nauczyła się identyfikować przyczynowość poprzez korelację. W tej książce rozważane są cztery główne tematy, takie jak przyczynowość, korelacja, sztuczna inteligencja i podejmowanie decyzji. Maszyna korelacyjna została zdefiniowana i zbudowana przy użyciu wielowarstwowej sieci perceptronowej, analizy składowych głównych, modeli Gaussian Mixture, algorytmów genetycznych, techniki maksymalizacji oczekiwań, symulowanego wyżarzania i optymalizacji roju cząstek.
Ponadto zdefiniowano i zbudowano maszynę przyczynową przy użyciu wielowarstwowego perceptronu, radialnej funkcji bazowej, statystyki bayesowskiej i hybrydowych metod Monte Carlo. Obie te maszyny są wykorzystywane do budowy nieliniowego modelu przyczynowości Grangera.
Ponadto badane i ujednolicane są modele przyczynowe Neymana-Rubina, Pearla i Grangera. Automatyczne określanie istotności jest również stosowane w celu rozszerzenia ram przyczynowości Grangera na domenę nieliniową. Koncepcja racjonalnego podejmowania decyzji jest badana, a teoria elastycznie ograniczonej racjonalności jest wykorzystywana do rozszerzenia teorii ograniczonej racjonalności w ramach zasady niepodzielności racjonalności.
Wprowadzono również teorię marginalizacji irracjonalności w podejmowaniu decyzji, aby poradzić sobie z satysfakcją w nieracjonalnych warunkach. Proponowane metody są stosowane w inżynierii biomedycznej, monitorowaniu stanu i modelowaniu konfliktów międzypaństwowych.
