مشخصات کتاب

Advances in minimum description length: Theory and applications

ویرایش: [illustrated edition] 
نویسندگان: Peter D. Grunwald,  In Jae Myung,  Mark A. Pitt  
سری: Neural Information Processing 
ISBN (شابک) : 0262072629, 9781423729440 
ناشر: The MIT Press 
سال نشر: 2005 
تعداد صفحات: 455 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 Mb 

در صورت تبدیل فایل کتاب Advances in minimum description length: Theory and applications 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 پیشرفتهای در حداقل شرح توضیحات: تئوری و برنامه های کاربردی 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.

توضیحاتی در مورد کتاب پیشرفتهای در حداقل شرح توضیحات: تئوری و برنامه های کاربردی

فرآیند استنتاج استقرایی - برای استنتاج قوانین و اصول کلی از نمونه‌های خاص - اساس مدل‌سازی آماری، تشخیص الگو و یادگیری ماشین است. اصل حداقل طول توصیفی (MDL)، یک روش قدرتمند برای استنتاج استقرایی، معتقد است که بهترین توضیح، با توجه به مجموعه محدودی از داده‌های مشاهده‌شده، توضیحی است که بیشترین فشرده‌سازی داده‌ها را ممکن می‌سازد – که هر چه بیشتر بتوانیم آن‌ها را فشرده کنیم. داده ها، بیشتر در مورد نظم های زیربنایی داده ها می آموزیم. Advances in Minimum Description Length کتاب منبعی است که جامعه علمی را با مبانی MDL، پیشرفت های نظری اخیر و کاربردهای عملی آشنا می کند. این کتاب با یک آموزش گسترده در مورد MDL آغاز می شود که زیربنای نظری، مفاهیم عملی و همچنین تفاسیر مختلف آن و فلسفه زیربنایی آن را پوشش می دهد. این آموزش شامل تاریخچه مختصری از MDL است - از ریشه های آن در مفهوم پیچیدگی Kolmogorov تا شروع MDL مناسب. سپس این کتاب پیشرفت‌های نظری اخیر را ارائه می‌کند و روش‌های مدرن MDL را به گونه‌ای معرفی می‌کند که برای خوانندگان بسیاری از زمینه‌های علمی مختلف قابل دسترسی باشد. این کتاب با مثال هایی از نحوه به کارگیری MDL در محیط های تحقیقاتی که از بیوانفورماتیک و یادگیری ماشین تا روانشناسی را شامل می شود، به پایان می رسد.

توضیحاتی درمورد کتاب به خارجی

The process of inductive inference—to infer general laws and principles from particular instances—is the basis of statistical modeling, pattern recognition, and machine learning. The Minimum Descriptive Length (MDL) principle, a powerful method of inductive inference, holds that the best explanation, given a limited set of observed data, is the one that permits the greatest compression of the data—that the more we are able to compress the data, the more we learn about the regularities underlying the data. Advances in Minimum Description Length is a sourcebook that will introduce the scientific community to the foundations of MDL, recent theoretical advances, and practical applications. The book begins with an extensive tutorial on MDL, covering its theoretical underpinnings, practical implications as well as its various interpretations, and its underlying philosophy. The tutorial includes a brief history of MDL—from its roots in the notion of Kolmogorov complexity to the beginning of MDL proper. The book then presents recent theoretical advances, introducing modern MDL methods in a way that is accessible to readers from many different scientific fields. The book concludes with examples of how to apply MDL in research settings that range from bioinformatics and machine learning to psychology.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Introduction to Programming Using Visual Basics

دانلود کتاب Geology for Ground Engineering Projects

دانلود کتاب Reconstituting the State in Africa

دانلود کتاب Psychological Assessment of Dyslexia

دانلود کتاب Pedagogies of U.S. Imperialism: Racial Education from Reconstruction to the Progressive Era