Értékelés:
A könyvet dicsérik a döntéshozatal kvantitatív és számítási módszereinek világos és tömör lefedettségéért, valamint a tanulást megkönnyítő logikus felépítéséért. Kiváló bevezető szövegként szolgál, különböző területeken történő alkalmazásokkal. Néhány felhasználó azonban túl felszínesnek és töredezettnek találta, hiányzik belőle a megoldások megvalósításához szükséges mélység, és inkább kutatási tanulmányok gyűjteményének tűnik.
Előnyök:⬤ Átfogó lefedettség a döntéshozatal és a számítási módszerek témáinak széles skáláján.
⬤ Az anyag logikus és fokozatos bemutatása, ami segíti a megértést.
⬤ Világos és pontos nyelvezet, amely a haladó matematikai háttérrel nem rendelkezők számára is hozzáférhető.
⬤ Kezdők számára és referenciaként is hasznos, a fejezetek végén található kiterjedt irodalomjegyzékkel.
⬤ Nagy hangsúlyt fektet az önálló tanulásra, jól bemutatott komplex anyaggal.
⬤ Néhány felhasználó arról számolt be, hogy a könyv nem elég mély a megoldások tényleges megvalósításához.
⬤ Bizonyos fejezeteket összefüggéstelennek éreztek, különböző szerzők által írtak, ami töredezett olvasási élményt eredményezett.
⬤ Nem alkalmas olyan személyek számára, akik nem rendelkeznek alapozó ismeretekkel a témában.
⬤ Néhány felhasználó nyomdai hibákat észlelt, például hiányzó fejezeteket.
(17 olvasói vélemény alapján)
Decision Making Under Uncertainty: Theory and Application
Bevezetés a bizonytalanság alatti döntéshozatalba számítási szemszögből, mind az elméletet, mind az alkalmazásokat lefedve, a beszédfelismeréstől a légi ütközéselkerülésig.
Számos fontos probléma a bizonytalanság alatti döntéshozatallal kapcsolatos - azaz a cselekvések kiválasztása gyakran tökéletlen megfigyelések alapján, ismeretlen kimenetelű cselekvésekkel. Az automatizált döntéstámogató rendszerek tervezőinek figyelembe kell venniük a bizonytalanság különböző forrásait, miközben egyensúlyt kell teremteniük a rendszer többféle célkitűzése között. Ez a könyv bevezetést nyújt a bizonytalanság alatti döntéshozatal kihívásaiba a számítás szemszögéből. Bemutatja mind a döntéshozatali modellek és algoritmusok elméletét, mind a beszédfelismeréstől a repülőgépek ütközéselkerüléséig terjedő alkalmazási példák gyűjteményét.
A könyv a döntési ágensek tervezésének két módszerére, a tervezésre és a megerősített tanulásra összpontosítva foglalkozik a valószínűségi modellekkel, bemutatva a Bayes-hálózatokat mint a változók közötti valószínűségi kapcsolatokat megragadó grafikus modellt; a hasznosságelméletet mint a bizonytalanság alatti optimális döntéshozatal megértésének keretét; a Markov-döntési folyamatokat mint a szekvenciális problémák modellezésének módszerét; a modellbizonytalanságot; az állapotbizonytalanságot; és a több, egymással kölcsönhatásban álló ágenseket érintő kooperatív döntéshozatalt. Alkalmazások sora mutatja be, hogyan alkalmazhatók az elméleti koncepciók az attribútumalapú személykereső rendszerekben, a beszédalkalmazásokban, az ütközéselkerülésben és a pilóta nélküli repülőgépek tartós megfigyelésében.
A Bizonytalanság alatti döntéshozatal egységesíti a különböző közösségek kutatásait, és konzisztens jelölést használ, valamint hozzáférhető a mérnöki tudományágak azon hallgatói és kutatói számára, akiknek van némi előzetes ismeretük a valószínűségelméletről és a számtanról. A könyv használható szövegként a felsőfokú alap- és mesterképzésben részt vevő hallgatók számára, többek között az informatika, a repülés- és űrkutatás, a villamosmérnöki tudományok és a menedzsmenttudományok területén. Emellett értékes szakmai referenciaként szolgálhat a legkülönbözőbb tudományágak kutatói számára.
