<?xml version="1.0" encoding="UTF-8"?>
<mods xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" version="3.1" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-1.xsd">
  <titleInfo>
    <title>Artificial intelligence</title>
    <subTitle>structures and strategies for complex problem solving</subTitle>
  </titleInfo>
  <name type="personal">
    <namePart>Luger, George F.</namePart>
    <role>
      <roleTerm authority="marcrelator" type="text">creator</roleTerm>
    </role>
  </name>
  <typeOfResource>text</typeOfResource>
  <genre authority="marc">bibliography</genre>
  <originInfo>
    <place>
      <placeTerm type="code" authority="marccountry">mau</placeTerm>
    </place>
    <place>
      <placeTerm type="text">Boston</placeTerm>
    </place>
    <publisher>Pearson Addison-Wesley</publisher>
    <dateIssued>c2009</dateIssued>
    <dateIssued encoding="marc">2009</dateIssued>
    <edition>6th ed.</edition>
    <issuance>monographic</issuance>
  </originInfo>
  <language>
    <languageTerm authority="iso639-2b" type="code">eng</languageTerm>
  </language>
  <physicalDescription>
    <form authority="marcform">print</form>
    <extent>xxiii, 754 p. : ill. ; 24 cm.</extent>
  </physicalDescription>
  <abstract>Neste texto acessível e abrangente, George Luger capta a essência da inteligência artificial, resolvendo os problemas complexos que surgem sempre que a tecnologia de computador é aplicada. TÓPICOS PRINCIPAIS: São introduzidas técnicas de representação chave, incluindo lógica, semântica e redes conexionistas, modelos gráficos e muito mais. A apresentação da tecnologia do agente e o uso de ontologias são adicionados. Um novo capítulo de aprendizado de máquina é baseado em métodos estocásticos, incluindo redes bayesianas de primeira ordem, variantes de modelos ocultos de Markov, inferência com campos aleatórios de Markov e propagação de crenças em loop. Uma nova apresentação de ajuste de parâmetros com aprendizado de maximização de expectativa e aprendizado de estrutura usando amostragem de Monte Carlo da cadeia de Markov. Uso de processos de decisão de Markov no aprendizado por reforço. Processamento de linguagem natural com programação dinâmica (o analisador Earley) e outras técnicas de análise probabilística, incluindo Viterbi, são adicionadas. Um novo livro suplementar de programação está disponível online e impresso: AI Algorithms in Prolog, Lisp and Java (TM). As referências e citações são atualizadas ao longo da Sexta Edição. MERCADO: Para todos os leitores interessados ​​em inteligência artificial.
</abstract>
  <note type="statement of responsibility">George F. Luger.</note>
  <note>Inclui referências bibliográficas (p. 705-733) e índices.</note>
  <subject authority="lcsh">
    <topic>Artificial intelligence</topic>
  </subject>
  <subject authority="lcsh">
    <topic>Knowledge representation (Information theory)</topic>
  </subject>
  <subject authority="lcsh">
    <topic>Problem solving</topic>
  </subject>
  <subject authority="lcsh">
    <topic>Prolog (Computer program language)</topic>
  </subject>
  <subject authority="lcsh">
    <topic>LISP (Computer program language)</topic>
  </subject>
  <classification authority="lcc">Q335</classification>
  <classification authority="ddc" edition="22">006.3</classification>
  <identifier type="isbn">9780321545893 (alk. paper)</identifier>
  <identifier type="isbn">0321545893 (alk. paper)</identifier>
  <identifier type="lccn">2007050376</identifier>
  <recordInfo>
    <recordContentSource authority="marcorg">DLC</recordContentSource>
    <recordCreationDate encoding="marc">071207</recordCreationDate>
    <recordChangeDate encoding="iso8601">20230424143921.0</recordChangeDate>
    <recordIdentifier source="BR-ReIFE">15106376</recordIdentifier>
  </recordInfo>
</mods>
