來一趟說走就走的旅行論文書籍站
PROLOG 應用的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列地圖、推薦、景點和餐廳等資訊懶人包
PROLOG 應用的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦余萍寫的 AI人工智慧導論實驗 和黃日鉦的 人工智慧與深度學習：理論與Python實踐都 可以從中找到所需的評價。
這兩本書分別來自台科大 和碁峰所出版 。
國立清華大學 資訊系統與應用研究所 許聞廉所指導 楊庭豪的 基於統計準則式方法強化出版物參考元數據提取方法之研究 （2021），提出PROLOG 應用關鍵因素是什麼，來自於參考元數據、準則式方法、自動模板生成。
而第二篇論文國立高雄師範大學 軟體工程與管理學系 林哲正所指導 吳宇樺的 以SWI-Prolog為基礎之專家系統應用於金門旅遊景點推薦 （2021），提出因為有 SWI-Prolog、專家系統、Java、金門旅遊的重點而找出了 PROLOG 應用的解答。
AI人工智慧導論實驗
為了解決PROLOG 應用 的問題，作者余萍 這樣論述：
1. 操作性：可透過操作實現理論的結果。 2. 解釋性：可透過實驗對人工智慧理論有進一步的了解與認識。 3. 趣味性：實驗均具有實際應用背景，可提高讀者對應用的興趣。 4. 書中採用Python 程式設計語言，以及開源工具（ TensorFlow、PyTorch等）、演算法（決策樹、關聯學習等），用於講解專家系統工具Prolog、搜索空間等相關知識，更提供實驗所需的大量資料庫。 5. 書中實驗可在人工智慧教學實驗平台— Feeling AI Lab-Intro（私有雲、公有雲）上運行。
基於統計準則式方法強化出版物參考元數據提取方法之研究
為了解決PROLOG 應用 的問題，作者楊庭豪 這樣論述：
出版物字串是描述資源資訊以讓其他研究者可以搜尋到該資源的一種特殊格式字串，通常用於論文最後引用資料描述以及研究者個人的著作資料整理。我們延續過去的研究基礎，提出結合統計技術與知識規則的方法，透過自動化的準則生成演算法與匹配演算法將出版物字串資料轉換為結構化資訊。出版物參考元數據提取作為學術資料結構化的基本任務，除了用於文獻檢索的精確資訊萃取以外，對於研究學術社群活動網路關係也有助益。然而文獻引用格式的變化性大，且文獻格式也以驚人速度增加，這對於出版物參考元數據提取造成障礙。在這一篇論文中，我們將針對此議題作探討，尋求方法來提升參考元數據提取的效果。此篇論文將研究方向集中在兩個議題上：(1)
整合統計技巧與知識本體之系統設計：我們建構了一套知識表達與應用的環境。該環境包含了知識管理環境與整合式方法核心模型，整合式方法核心模型結合了階層架構式的知識本體與統計方法。在簡化了標記工作的同時仍可以保有資訊提取效能。結合知識的系統架構也使得專家能夠分析各階段的錯誤,並針對關鍵處快速改善系統。我們以此環境開發了出版物參考元數據提取模型。(2) 以統計準則式方法(Statistical Principle-Based Approach, SPBA)強化出版物參考元數據提取： 過去實驗室發展了幾個系統來處理出版物參考元數據提取的任務，在發展過程中我們針對準則產生方式改進並嘗試用於不同任務，最後發展
出了SPBA。SPBA方法有三個步驟，第一步為建立知識本體(Ontology)，並用這些知識對文本進行語意標注(Semantic Labeling)。第二步將前一步驟生成的樣板(Pattern)透過準則生成演算法(Principle Generation Algorithm)將樣板們整合成具有代表性的準則(Principles)。最後用準則批配演算法(Principle Matching)提供彈性比對機制以處理多變的引用格式在本論文中，我們以出版物參考元數據提取任務的公開資料集與專家編輯過的雜訊資料集來驗證SPBA方法的可用性，實驗測試了四個期刊論文引用字串資料集跟一個會議論文引用字串資料集。
我們也比較了當前技術的CRF與Bi-LSTM-CRF方法，SPBA方法在元數據提取任務的效能上在各資料集都獲得了改進。在使用較少訓練資料的實驗中也驗證了SPBA的強健性。大多數的出版物參考元數據提取研究少有提出整合機器學習與知識規則的方法，SPBA可填補此空缺。本研究的貢獻可歸納為下列幾點：第一是結合精簡標記與批配，可以減輕標記工作的負擔。第二是讓從資料中生成準則，可以減輕專家撰寫準則的負擔。第三是我們分享了新的出版物參考元數據提取任務資料集，讓後續研究可以有新的發展材料。SPBA作為一個結合知識本體與統計方法的的技術，能夠產生有可讀性的準則，也能夠讓從各步驟中理解出錯誤的原因，這種具可解釋性
的特性將有助於拓展到未來其它需要細緻處理語意的資訊萃取任務。
人工智慧與深度學習：理論與Python實踐
為了解決PROLOG 應用 的問題，作者黃日鉦 這樣論述：
近年來，深度學習的相關演算法已被廣泛使用在電腦視覺(computer vision)、神經機器翻譯(neural machine translation)、神經風格轉換(neural style transfer)及聊天機器人(chatbots)等的應用。 雖然網路上已經提供了許多深度學習的各種演算法程式，但若只會使用程式卻不瞭解各種演算法的內涵，對於深度學習的領域只能是見樹不見林，無法真正體會深度學習的精要，亦無法有更深入的應用。因此，本書以人工智慧及深度學習的理論基礎著手，來陳述各種人工智慧演算法的理論基礎及完整數學推導過程，並輔以Python來進行各演算法的實踐，以達到
精通人工智慧演算法的目的。 本書特色 •從深度學習的預備知識開始，帶領讀者具備進入深度學習的領域知識。 •提供各種演算法的手算範例，讓讀者更能理解各演算法的過程。 •除介紹在深度學習已常用的方法外，更加介紹新近的各種演算法。 •推導各種演算法的梯度過程，使讀者更深入瞭解演算法的數理過程。 •各章節提供數個Python範例，完整帶領讀者使用深度學習來解決各類問題。
以SWI-Prolog為基礎之專家系統應用於金門旅遊景點推薦
為了解決PROLOG 應用 的問題，作者吳宇樺 這樣論述：
近年來，旅遊已經成為現代人緩解工作或是生活壓力的一種方式。而金門富有聞名中外的戰地史蹟及珍貴的自然生態與文化景點，吸引海內外遊客慕名前來參觀，根據金門縣政府觀光旅遊網的統計，金門擁有300多個景點提供參觀，但遊客在金門旅遊要在有限的時間內安排遊程則會相當困難，因此，提供前來金門觀光的遊客一個旅遊推薦系統就顯得特別重要，本研究以SWI-Prolog為推理引擎，透過Java設計視窗式的圖形使用者介面的專家系統，推薦系統依據文字擷取將67個景點分為六大主題與17個子項目，提供給旅行者精確的旅行建議，使用者可根據建議安排喜好的遊程，本研究提供一個以專家系統建構的框架，可以根據遊客的愛好決定景點而安排
遊程，該框架的法則庫易於建構與維護，相關方法亦可提供給其他縣市作為參考，有效推廣觀光旅遊，增加相當程度的便利性。