Processo decisionale nell'incertezza: Teoria e applicazione

Recensioni dei lettori

Il libro è apprezzato per la sua trattazione chiara e concisa dei metodi quantitativi e computazionali per il processo decisionale, con una struttura logica che facilita l'apprendimento. È un ottimo testo introduttivo con applicazioni in vari campi. Tuttavia, alcuni utenti lo hanno trovato troppo superficiale e frammentario, mancando di profondità per l'implementazione di soluzioni e sembrando più una raccolta di articoli di ricerca.

⬤ Copertura completa di un'ampia gamma di argomenti nel campo dei processi decisionali e dei metodi computazionali.
⬤ Presentazione logica e graduale del materiale, che favorisce la comprensione.
⬤ Linguaggio chiaro e preciso, accessibile anche a chi non ha una formazione matematica avanzata.
⬤ Utile sia per i principianti che come riferimento, con ampie bibliografie alla fine dei capitoli.
⬤ Forte enfasi sull'autoapprendimento con materiale complesso ben presentato.

⬤ Alcuni utenti hanno segnalato che il libro non è sufficientemente approfondito per l'effettiva implementazione delle soluzioni.
⬤ Alcuni capitoli sono sembrati disarticolati, scritti da diversi autori, il che ha portato a un'esperienza di lettura frammentata.
⬤ Non è adatto a persone che non hanno una conoscenza di base dell'argomento.
⬤ Alcuni utenti hanno notato difetti di stampa, come capitoli mancanti.

(basato su 17 recensioni dei lettori)

Titolo originale:

Decision Making Under Uncertainty: Theory and Application

Contenuto del libro:

Un'introduzione al processo decisionale in condizioni di incertezza da una prospettiva computazionale, che copre sia la teoria che le applicazioni, dal riconoscimento vocale all'evitamento delle collisioni aeree.

Molti problemi importanti comportano la presa di decisioni in condizioni di incertezza, cioè la scelta di azioni basate su osservazioni spesso imperfette, con esiti sconosciuti. I progettisti di sistemi di supporto decisionale automatizzati devono tenere conto delle varie fonti di incertezza, bilanciando al contempo i molteplici obiettivi del sistema. Questo libro fornisce un'introduzione alle sfide del processo decisionale in condizioni di incertezza da una prospettiva computazionale. Presenta sia la teoria alla base dei modelli e degli algoritmi decisionali, sia una raccolta di esempi di applicazioni che spaziano dal riconoscimento vocale alla prevenzione delle collisioni tra aerei.

Concentrandosi su due metodi per la progettazione di agenti decisionali, la pianificazione e l'apprendimento per rinforzo, il libro tratta i modelli probabilistici, introducendo le reti bayesiane come modello grafico che cattura le relazioni probabilistiche tra le variabili; la teoria dell'utilità come quadro di riferimento per la comprensione del processo decisionale ottimale in condizioni di incertezza; i processi decisionali di Markov come metodo per la modellazione di problemi sequenziali; l'incertezza del modello; l'incertezza dello stato; e il processo decisionale cooperativo che coinvolge più agenti interagenti. Una serie di applicazioni mostra come i concetti teorici possano essere applicati a sistemi di ricerca di persone basati su attributi, applicazioni vocali, evitamento di collisioni e sorveglianza persistente di velivoli senza pilota.

Decision Making Under Uncertainty unifica le ricerche di diverse comunità utilizzando una notazione coerente, ed è accessibile a studenti e ricercatori di tutte le discipline ingegneristiche che abbiano una qualche precedente esposizione alla teoria della probabilità e al calcolo. Può essere utilizzato come testo per studenti universitari e laureati di livello avanzato in campi quali l'informatica, l'ingegneria aerospaziale ed elettrica e le scienze gestionali. Sarà anche un prezioso riferimento professionale per i ricercatori di diverse discipline.