دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: موجک و پردازش سیگنال ویرایش: 1 نویسندگان: Ella Bingham, Samuel Kaski, Jorma Laaksonen, Jouko Lampinen سری: ISBN (شابک) : 0128028068, 9780128028063 ناشر: Academic Press سال نشر: 2015 تعداد صفحات: 308 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 24 مگابایت
کلمات کلیدی مربوط به کتاب پیشرفت در تجزیه و تحلیل اجزای مستقل و ماشین های یادگیری: ابزار دقیق، پردازش سیگنال، روش های آماری
در صورت تبدیل فایل کتاب Advances in Independent Component Analysis and Learning Machines به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پیشرفت در تجزیه و تحلیل اجزای مستقل و ماشین های یادگیری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
Content:
Front Matter, Pages i-ii
Copyright, Page iv
Preface, Page xiii, Ella Bingham, Samuel Kaski, Jorma Laaksonen, Jouko Lampinen Espoo
About the Editors, Page xv
List of Contributors, Pages xvii-xviii, Traian Abrudan, Ella Bingham, Guangyong Chen, KyungHyun Cho, Scott C. Douglas, Markku Hauta-Kasari, Pheng Ann Heng, Aapo Hyvärinen, Satoru Ishikawa, Heikki Kälviäinen, Juha Karhunen, Irwin King, Visa Koivunen, Zbyněk Koldovský, Markus Koskela, Jorma Laaksonen, Hannu Laamanen, Heikki Mannila, Jussi Parkkinen, Matti Pietikäinen, Tapani Raiko, et al.
Introduction, Pages xix-xxvi, Ricardo Vigário
Chapter Abstracts, Pages xxvii-xxxii
Chapter 1 - The initial convergence rate of the FastICA algorithm: The “One-Third Rule”, Pages 3-51, Scott C. Douglas
Chapter 2 - Improved variants of the FastICA algorithm, Pages 53-74, Zbynvěk Koldovský, Petr Tichavský
Chapter 3 - A unified probabilistic model for independent and principal component analysis, Pages 75-82, Aapo Hyvärinen
Chapter 4 - Riemannian optimization in complex-valued ICA, Pages 83-94, Visa Koivunen, Traian Abrudan
Chapter 5 - Nonadditive optimization, Pages 95-103, Zhirong Yang, Irwin King
Chapter 6 - Image denoising, local factor analysis, Bayesian Ying-Yang harmony learning1, Pages 105-124, Guangyong Chen, Fengyuan Zhu, Pheng Ann Heng, Lei Xu
Chapter 7 - Unsupervised deep learning: A short review, Pages 125-142, Juha Karhunen, Tapani Raiko, KyungHyun Cho
Chapter 8 - From neural PCA to deep unsupervised learning, Pages 143-171, Harri Valpola
Chapter 9 - Two decades of local binary patterns: A survey, Pages 175-210, Matti Pietikäinen, Guoying Zhao
Chapter 10 - Subspace approach in spectral color science, Pages 211-221, Jussi Parkkinen, Hannu Laamanen, Markku Hauta-Kasari
Chapter 11 - From pattern recognition methods to machine vision applications, Pages 223-247, Heikki Kälviäinen
Chapter 12 - Advances in visual concept detection: Ten years of TRECVID, Pages 249-278, Ville Viitaniemi, Mats Sjöberg, Markus Koskela, Satoru Ishikawa, Jorma Laaksonen
Chapter 13 - On the applicability of latent variable modeling to research system data, Pages 279-288, Ella Bingham, Heikki Mannila
Index, Pages 289-296