Bewertung:
Das Buch wird für seine klare und prägnante Darstellung quantitativer und computergestützter Methoden für die Entscheidungsfindung gelobt, mit einer logischen Struktur, die das Lernen erleichtert. Es eignet sich hervorragend als Einführungstext mit Anwendungen in verschiedenen Bereichen. Einige Benutzer fanden es jedoch zu oberflächlich und bruchstückhaft, es fehlte an Tiefe für die Umsetzung von Lösungen und es fühlte sich eher wie eine Sammlung von Forschungsarbeiten an.
Vorteile:⬤ Umfassende Abdeckung eines breiten Spektrums von Themen der Entscheidungsfindung und Berechnungsmethoden.
⬤ Logische und schrittweise Präsentation des Materials, die das Verständnis fördert.
⬤ Klare und präzise Sprache, die auch für Personen ohne fortgeschrittene mathematische Kenntnisse verständlich ist.
⬤ Nützlich sowohl für Anfänger als auch als Nachschlagewerk mit umfangreichen Bibliographien am Ende der Kapitel.
⬤ Starke Betonung des Selbststudiums mit gut präsentiertem, komplexem Material.
⬤ Einige Benutzer berichteten, dass das Buch für die tatsächliche Umsetzung von Lösungen nicht tief genug ist.
⬤ Einige Kapitel wirkten unzusammenhängend, da sie von verschiedenen Autoren geschrieben wurden, was zu einem fragmentierten Leseerlebnis führte.
⬤ Nicht geeignet für Personen ohne Grundkenntnisse des Themas.
⬤ Einige Nutzer bemängelten Druckfehler, z. B. fehlende Kapitel.
(basierend auf 17 Leserbewertungen)
Decision Making Under Uncertainty: Theory and Application
Eine Einführung in die Entscheidungsfindung bei Ungewissheit aus der Sicht der Informatik, die sowohl die Theorie als auch Anwendungen von der Spracherkennung bis zur Kollisionsvermeidung in der Luft behandelt.
Bei vielen wichtigen Problemen geht es um Entscheidungsfindung unter Ungewissheit, d. h. um die Wahl von Maßnahmen auf der Grundlage oft unvollkommener Beobachtungen mit unbekanntem Ausgang. Entwickler von automatisierten Entscheidungsunterstützungssystemen müssen die verschiedenen Quellen der Unsicherheit berücksichtigen und gleichzeitig die verschiedenen Ziele des Systems ausbalancieren. Dieses Buch bietet eine Einführung in die Herausforderungen der Entscheidungsfindung unter Unsicherheit aus einer rechnerischen Perspektive. Es stellt sowohl die Theorie hinter den Entscheidungsmodellen und -algorithmen als auch eine Sammlung von Anwendungsbeispielen vor, die von der Spracherkennung bis zur Kollisionsvermeidung von Flugzeugen reichen.
Das Buch konzentriert sich auf zwei Methoden zur Entwicklung von Entscheidungsagenten, die Planung und das Verstärkungslernen, und behandelt probabilistische Modelle, indem es Bayes'sche Netze als grafisches Modell vorstellt, das probabilistische Beziehungen zwischen Variablen erfasst; die Nutzentheorie als Rahmen für das Verständnis optimaler Entscheidungsfindung unter Unsicherheit; Markov-Entscheidungsprozesse als Methode zur Modellierung sequenzieller Probleme; Modellunsicherheit; Zustandsunsicherheit; und kooperative Entscheidungsfindung mit mehreren interagierenden Agenten. Eine Reihe von Anwendungen zeigt, wie die theoretischen Konzepte auf Systeme für die attributbasierte Personensuche, Sprachanwendungen, Kollisionsvermeidung und die permanente Überwachung durch unbemannte Flugzeuge angewendet werden können.
Decision Making Under Uncertainty vereinigt Forschungsergebnisse aus verschiedenen Bereichen unter Verwendung einer konsistenten Notation und ist für Studenten und Forscher aus allen technischen Disziplinen zugänglich, die bereits einige Vorkenntnisse in Wahrscheinlichkeitstheorie und Kalkül haben. Es kann als Text für fortgeschrittene Studenten und Doktoranden in Bereichen wie Informatik, Luft- und Raumfahrttechnik, Elektrotechnik und Managementwissenschaften verwendet werden. Es wird auch ein wertvolles Nachschlagewerk für Forscher in einer Vielzahl von Disziplinen sein.
| ISBN: | 9780262029254 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2015 |
| Seitenzahl: | 352 |
Derzeit verfügbar, auf Lager.
